1. 総括

Muse Glimmer-30Bは、Meta Superintelligence Labが2026年8月に公開した約29.6Bパラメータの密結合因果型Transformerである。Muse Sparkから蒸留され、専用のパーセプションエンコーダを備えたマルチモーダルモデルだ。

コンシューマハードウェア上での自律エージェントタスクの完遂を目的として設計されている。ベンチマークでは、MCP Atlas（75.5）やDeepSearch QA（74.6）、SWE-Bench Pro（51.2）などで、比較対象のGemma4-31BやQwen3.6-27Bを上回る性能を見せる。エージェント系タスクにおいて強い性能を示す。

2026年8月28日には、NVIDIAがModel Optimizerを用いて量子化されたMuse-Glimmer-30B-NVFP4を公開した。

2. ブンリンベンチ（ブンリンラボ独自テスト）

データなし（実施予定）。手法はブンリンベンチについてを参照。

3. 各種ベンチマーク

以下はモデルカード（Hugging Face）に掲載されている数値である。比較対象はGemma4-31B（Thinking Mode）とQwen3.6-27B（Thinking Mode）だ。太字は同カテゴリで最上位の値である。

カテゴリ ベンチマーク Muse Glimmer-30B (High Reasoning) Gemma4-31B Qwen3.6-27B
General Agentic MCP Atlas (Public) 75.5 54.2 62.5
DeepSearch QA 74.6 61.7 71.1
τ3-Banking 23.5 15.1 16.7
WildClawBench 47.6 37.6 43.2
GDPVal-AA v2 953 811 1141
Gaia2 43.3 36.4 40.0
SkillsBench (with skills) 44.3 32.4 46.6
OSWorld-Verified 65.9 58.5 75.6
Agentic Coding SWE-Bench Pro 51.2 36.9 50.2
SWE-Bench Verified 76.0 66.6 77.2
TerminalBench 2.1 51.7 43.4 60.7
SciCode 43.6 43.4 39.8
Multimodal Charxiv Reasoning 78.8 77.7 78.4
ScreenSpot Pro 75.4 75.9 76.1
OmniDocBench v1.5 75.8 72.5 77.8
MMMU Pro 74 73 75
Security & Privacy CI Memories (Violation ↓ / Coverage) 26.4 / 64.8 12.1 / 53.0 53.4 / 66.9
Siren AgentDojo (ASR ↓ / Utility) 28.4 / 94.2 25.6 / 90.8 40.3 / 92.7
General & Reasoning IFBench 77.0 76.0 70.8
AIME 2026 94.7 89.2 94.1
GPQA Diamond (AA) 83.5 85.7 84.2
HLE Text (AA) 22.0 23.6 23.1
AA-LCR 80.0 68.3 73.3
Beam128K 65.1 58.2 63.0

出どころ：Hugging Face モデルカード「Muse Glimmer Model Card」の Benchmarks セクション。

4. 公式の発表

  • 2026-08-28 NVIDIAがMuse-Glimmer-30B-NVFP4を公開。Model Optimizerを用いた量子化モデルである。
  • 2026-08-11 Ollama v0.32.8：NVIDIA・AMD・その他プラットフォームへのMuse Glimmerサポートを追加。ollama run muse-glimmer 一発で全プラットフォームから起動可能になった。
  • 2026-08-11 Ollama v0.32.7：Apple Silicon向けMLXエンジンによるMuse Glimmer初期サポートを提供。DFlash投機的デコーディングと画像入力を対応した。
  • 2026年8月 Meta Superintelligence LabがMuse Glimmer-30BをApache 2.0ライセンスで公開。Muse Sparkからの蒸留モデルであり、ローカル自律エージェント用途を主眼に据えた設計であると発表した。

5. 実際の性能（コミュニティ評価）

十分な情報がまだ集まっていない。

6. おすすめパラメータ

モデルカードの Best Practices セクションで推奨される生成パラメータは以下の通りである。

パラメータ 推奨値
temperature 1.0
top_p 0.95
top_k 64

加えて、システムプロンプトに Reasoning strength: <value> を記述することで推論強度を low / medium / high / xhigh の4段階から選択できる。複雑な問題解決・コーディング・エージェントタスクには high または xhighが推奨されている。

出どころ：Hugging Face モデルカード「Muse Glimmer Model Card」の Best Practices セクション。

7. 情報源