AREX Feed Article
Meta 杀回开源：Spark 1.2 权重即将开放，先行释出 Glimmer 30B，Apache 2.0 授权比 Llama 更宽松
8 月 10 日，Meta AI 负责人 Alexandr Wang 在 X 上宣布两件事：Muse Spark 1.2 的开放权重版本"即将推出"，同时即刻释出 Muse Glimmer，一个 30B 参数、Apache 2.0 授权的 agent 模型，一张消费级 GPU 就能跑。发出后获得超过 8400 次点赞、90 万次浏览，Hugging Face 官方账号在评论区回了三个火焰 emoji。
这距离 Meta 上一次发布开源权重模型已经过去了四个月。今年 4 月，Muse Spark 以闭源姿态取代 Llama，成为 Meta 首个纯专有模型：仅限云端 API，不提供可下载权重，不自托管。，"Llama 时代实际上结束了。"现在 Meta 回来了，而且授权比 Llama 更宽松。
Apache 2.0，比 Llama 走得更远
Muse Glimmer 采用 Apache 2.0 许可证发布，允许无限制的商业使用、修改和再分发。Llama 系列当年的定制社区许可证因为"月活超过 7 亿需额外授权"等条款被开发者诟病多年，Apache 2.0 没有此类限制。
Zuckerberg 同日在 X 上确认了更大的计划。据 ，他写道："今天我们还开放了 Muse Glimmer 的权重，这是一个出色的 30B 密集模型，可以本地运行。很快我们也会发布 Muse Spark 1.2 的权重，这是我们最新的基础模型。Meta 是开源的有力支持者，我为这些发布感到自豪。"
据 VentureBeat 分析，Spark 1.2 开放权重的意义远比 Glimmer 大。它是 Muse Code 背后的前沿模型，五天前才刚刚作为闭源产品发布。根据 ，Meta 公布的跑分显示，Muse Spark 1.2 在 Terminal-Bench 2.1 上取得 82.9%，落后于 Claude Opus 5 的 86.7%。
30B 参数塞进一张消费级显卡
全精度下，这个 30B 模型需要超过 55GB 显存。没有任何消费级 GPU 能装下。
Meta 的方案是量化。根据 ，公司开发了约 4-bit 精度的量化版本，将语言模型权重压缩到 20GB 以下。剩下的空间留给 KV cache、约 1.8B 参数的 ViT-G/14 感知编码器，以及一个用于推测解码的 DFlash drafter 模型，全部塞进 24GB 或 32GB 的显存信封里。
实际跑起来的效果：针对 32GB 硬件的 K-Quant-Dynamic 版本在 15 个基准测试上的平均精度损失仅为 0.2%；针对 24GB 硬件的 K-Quant-17GB 版本损失约 1%。这些是 Meta 自己的测量，不是独立评估。
速度方面，DFlash 推测解码将 RTX 5090 上的平均生成速度从 74.9 token/s 提升到 233.4（3.1 倍），M5 Max MacBook Pro 上从 26.6 提升到 50.2（1.8 倍）。对于 agent 场景，一次用户请求可能触发几十轮模型调用和工具执行，每一步的延迟都会累积。
蒸馏自 Spark，专为 Agent 回路训练
模型架构上，Glimmer 是一个约 29.6B 总参数的密集因果 Transformer，52 层，隐藏维度 6656，支持 131,072+ token 上下文，知识截止日期为 2026 年 1 月 4 日。根据 ，它通过一个专门的感知编码器接受文本和图像交错输入，输出文本，支持超过 100 种语言。
训练分为三个阶段。预训练阶段使用 logit 蒸馏，从 Muse Spark 的输出中学习。中训练阶段转向更长上下文、更重 agent 的数据，加入更丰富的推理轨迹。后训练阶段结合监督微调、on-policy 蒸馏，以及在通用、推理、编码和 agent 领域的强化学习。
Wang 在推文中强调，Glimmer "和更大的模型一样，可以通过规划、工具调用、检查自身结果和故障恢复来作为全功能 agent 运行"，并且"在 24GB VRAM 上运行不会损失 agent 可靠性"。：Glimmer 在本地自主发现 Home Assistant 实例、查询设备 API、从零编写响应式仪表盘，并部署本地服务器验证自己的工作。
跑分不扫全场，但定位精准
Meta 在官方博客中将 Glimmer 与 Gemma 4 31B 和 Qwen 3.6 27B 做了直接对比。
Glimmer 在几个 agent 基准上领先：MCP Atlas 75.5、DeepSearch QA 74.6、WildClawBench 47.6、GAIA2 43.3。SWE-Bench Pro 上它拿到 51.2，而 Gemma 4 31B 为 36.9，Qwen 3.6 27B 为 50.2。
但它没有横扫全场。Qwen 在 OSWorld-Verified（75.6 vs. Glimmer 65.9）、TerminalBench 2.1（60.7 vs. 51.7）、GDPval-AA（1141 vs. 953）和多数多模态基准上反超。SWE-Bench Verified 上 Glimmer 的 76.0 略低于 Qwen 的 77.2。
这些数字显示，Glimmer 作为专用本地 agent 模型更值得关注，而不是一个通用性能冠军。
Zuckerberg 同步释出 14 页政策宣言
模型发布的同时，Zuckerberg 还发表了一篇 14 页的政策文章，呼吁美国政府降低对开源 AI 开发的壁垒。据 ，他在文中写道："与其集中化超级智能，我们应该广泛分发它，让每个人都能引导它。"Zuckerberg 认为美国开源 AI 开发者在训练数据使用和蒸馏技术等方面，相对于中国竞争对手面临监管劣势。
Quartz 在同篇报道中引述 Reuters 称，Meta 计划将 Spark 1.2 的权重也公开释出。报道还提到，Meta 股价周一盘前交易上涨近 3%，Zuckerberg 同时宣布了一项 10 亿美元基金，面向 Meta 数据中心所在的美国社区。
开源生态正在重新洗牌
Meta 的回归正值开源权重模型的竞争格局急剧变化。Quartz 引述 Reuters 的观察指出，中国的 Moonshot、阿里巴巴和 DeepSeek 已经各自推出了匹敌美国领先系统的开源模型，而 OpenAI、Anthropic 和 Google 的顶级产品仍然闭源。
就在 Glimmer 发布的前几天，Meta 的 Muse Code 刚刚以激进定价杀入编码 agent 赛道：，数据共享的 contributor tier 更是低至 $0.10/$0.20。现在开源权重模型加入战局，开发者的选项多了：既可以用 Meta 的闭源 API 搭配 Muse Code harness，也可以用开源的 Glimmer 在本地跑 agent，等 Spark 1.2 开放权重后还能自托管前沿模型。
不过，Glimmer 的实际表现还需要独立验证。Meta 的量化精度损失数据来自内部测试，社区评测通常会揭示额外的边界情况。而且即便是量化版本，Glimmer 也需要一台配备 24GB 以上显存或统一内存的机器。典型的 8GB 或 16GB 笔记本仍然跑不动。
Wang 在推文中说，Spark 1.2 的开放权重"很快"会来，但没有给出具体日期。周末的一条回复中，："我对你们又做一个闭源模型的决定持怀疑态度，但现在我完全支持这个方向。"Wang 没有直接回应这句话。