메타, 300억 파라미터 로컬 에이전트 모델 Muse Glimmer 오픈소스 공개

메타 Superintelligence Labs가 300억 파라미터 모델 Muse Glimmer를 Apache 2.0 라이선스로 공개함, 콘슈머 GPU 1개로 맥이나 PC에서 로컬 구동 가능함
Muse Spark를 teacher 모델로 한 logit distillation, 긴 컨텍스트 mid-training, SFT+온폴리시 distillation+RL을 결합한 post-training 3단계로 학습됨
DeepSearch QA, MCP-Atlas, τ-Bench, SWE-Bench 등 에이전트 완결형 벤치마크에서 Gemma4-31B, Qwen3.6-27B와 비교해 동급 사이즈에서 우수한 성능을 보임
전체 정밀도로는 55GB 이상 메모리가 필요하지만 quantization으로 콘슈머 하드웨어에서 실용적인 속도를 내도록 최적화됨, llama.cpp·MLX·ExecuTorch 통합이 곧 제공됨
이미지·텍스트를 함께 처리하는 perception encoder, 100개 이상 언어 학습, OpenClaw 등 에이전트 오케스트레이션 스캐폴드 호환을 지원함

Hacker News opinions

메타가 오픈소스 안 버렸네. 이 정도 사이즈 distill 버전이나 MoE도 나오면 좋겠는데, 벤치마크는 괜찮아 보이긴 하지만 benchmaxing 아닌지 의심됨

이번 주 나올 Qwen3.8 27B랑 비교되는게 궁금함. dense 30B가 다시 유행하나봄

Qwen은 오버씽킹이 문제였는데, 이 사이즈대에 옵션이 늘어난건 반가움

llama.cpp로 한번 써보고 싶음. 오픈웨이트 경쟁을 기대하고 있음

DGX spark 한 대에서 돌면서 DSV4 Flash 731급 성능 내는 모델이 나오면 완벽할텐데. 27b-30b는 아직 지능이 부족함

DSV4 Flash 0731은 이미 RTX 4090 24GB + 시스템램 128GB로 실사용 가능한 tok/s 나옴

여전히 로컬로 돌리려면 32~64GB 메모리 필요함. 독일에서 64GB M5 맥북프로가 4천유로 넘는데, 차라리 특정 언어(Python이나 JVM 계열)에 특화되고 툴콜링·추론에 강한 모델이 더 실용적일듯

메타 돌아왔네. Multi-token prediction 덕분에 dense 모델도 MoE만큼 빠르면서 지능은 더 좋음. 제목이 "로컬 코딩 모델"이라 되어있는데 이건 잘못됐고 사실 범용 에이전트 모델임. 프리퀀타이즈드에 MTP/drafter 모델까지 들고 나옴

Gemma4, Qwen3.6이랑 비교한 결과가 좋게 나온게 기대됨

오픈웨이트 모델이 늘어날수록 개인·소상공인용 하드웨어 시장이 커짐. 그동안 소프트웨어가 성능을 별로 안 요구해서 하드웨어가 정체됐었는데 이게 바뀔 계기가 될듯