Muse GlimmerはどのくらいのGPUで動きますか？

最低24GB VRAMのGPUが必要です。RTX 4090（24GB）、RTX 5090、またはApple Silicon M3 Max以上が推奨されます。4ビット量子化版なら17〜20GB程度に収まります。

Apache 2.0ライセンスで商用利用できますか？

はい。Apache 2.0ライセンスはロイヤリティ不要で商用利用が可能です。ただし著作権表示の保持とライセンス文書の同梱が条件となります。SaaSへの組み込みや社内システムへの導入も認められています。

Muse CodeやMuse Sparkとの違いは何ですか？

Muse Codeはコーディング特化エージェントでサブスクリプション制。Muse SparkはMetaの最上位フロンティアモデル。GlimmerはSparkを蒸留した30Bモデルで、ローカル実行に特化した設計です。

クラウドのClaudeやGPT-4oより性能は劣りますか？

エージェントタスク（MCP-Atlas、DeepSearch QA、SWE-Bench Pro）では同クラスのGemma4-31BやQwen3.6-27Bを上回りますが、GPT-5やClaude Opus 5などの大型クラウドモデルには全体として及びません。

知識カットオフはいつですか？

2026年1月4日です。リリース時点で約7ヶ月の情報空白があります。最新ニュースや2026年上半期以降の出来事は知りません。

AI News 2026年8月12日 17分で読める

Meta Muse Glimmer 30B完全解説｜ローカルGPUで動くAIエージェントの実力と限界

#Meta #Muse Glimmer #ローカルLLM #AIエージェント #オープンウェイト #Llama #生成AI #GPU #Apache 2.0

この記事はこんな人におすすめ

ローカルLLMを業務や開発に活用したいエンジニア・個人開発者
データをクラウドに送りたくないセキュリティ重視のチーム
Metaのオープンウェイト戦略とAI業界の動向を追うビジネスパーソン

「RTX 4090を積んだゲーミングPCが、そのままAIエージェントのサーバーになった」。Hacker Newsの投稿者がそう書いたのは2026年8月10日の夜だった（出典: Hacker News、2026年8月10日）。Meta Superintelligence LabsがMuse Glimmer 30Bを公開した直後のことだ。

Muse Glimmerは単なるオープンウェイトモデルではない。「常時起動のローカルAIエージェント」というコンセプトで設計された30Bモデルで、Apache 2.0ライセンスによりロイヤリティ不要で商用利用が可能だ（著作権表示とライセンス文書の同梱が必要）。クラウドAPIへの依存、レイテンシ、プライバシーリスク、月額費用。ローカルLLMを選ぶ理由が重なる人ほど、このリリースは刺さる。

ただし、刺さる人と刺さらない人がはっきり分かれるモデルでもある。この記事では、スペック・ベンチマーク・実際のユーザー声・限界を整理する。

Muse Glimmerとは何か、なぜ今注目されるのか

Meta Superintelligence Labsが2026年8月10日に公開したMuse Glimmerは、30B（正確には29.6Bのトランスフォーマー本体＋1.8BのViT-G/14視覚エンコーダ）のオープンウェイトモデルだ。Hugging Faceで無料ダウンロード可能で、Apache 2.0ライセンスが付与されている（出典: VentureBeat、2026年8月10日）。

同日、Mark Zuckerbergは「The Future is for Everyone」と題した6500語のエッセイを公開した。内容は「AIを一握りの企業が独占するのは本質的に問題だ」という主張で、OpenAIとAnthropicを名指しで批判している（出典: Bloomberg、2026年8月10日）。Glimmerのリリースはこのエッセイと同時に発表された。Metaの「オープンAI」戦略の旗印として位置づけられている。

Llama系のオープンウェイトモデルは以前から存在したが、Muse Glimmerが異なるのはエージェントワークフローに特化した設計という点だ。通常のチャットやテキスト補完に加え、MCPによるツール呼び出し、多段階タスクの計画と実行、失敗からの回復。こういった「指示を与えたら勝手に動く」用途を前提に訓練されている。

動作要件とセットアップ

最低ラインは24GB VRAMのGPU（VRAM＝グラフィックカードの搭載メモリ）だ。RTX 4090（24GB）、RTX 5090、またはApple Silicon M3 Max以上が該当する（出典: MarkTechPost、2026年8月10日）。

量子化方式	必要VRAM	推奨GPU
4bit quant	17〜20GB	RTX 4090 / M3 Max
dynamic quant	約32GB	RTX 5090 / M4 Max

（出典: kingy.ai、2026年8月）

DFlashというスペキュラティブデコーダを組み合わせると速度が大きく改善する。RTX 5090では74.9 → 233.4 tok/sec（1秒あたりのトークン生成数）と3.1倍、Apple M5 Maxでは1.8倍のスループット向上が報告されている（出典: Sebastian Raschka PhD、2026年8月11日）。

セットアップはllama.cppまたはOllamaで対応しており、最短1時間程度での動作確認が報告されている。AMDのRyzen AI Maxシリーズ、NVIDIA開発者ブログでもそれぞれセットアップガイドが公開されている（出典: AMD公式ブログ、2026年8月11日; NVIDIA Technical Blog、2026年8月）。

ベンチマーク：強い場面と弱い場面

Metaが公開した比較対象は同クラスのGemma4-31BとQwen3.6-27Bの2モデルだ（出典: Artificial Analysis、2026年8月11日）。

Glimmerが上回る指標：

MCP-Atlas（MCP＝Model Context Protocol、ツール連携エージェントタスク）: 75.5（Gemma4: 61.2、Qwen: 68.4）
DeepSearch QA（検索＋推論）: 74.6（Glimmer単独スコア、比較は公式資料に非掲載）
SWE-Bench Pro（コーディング修正）: 51.2（Gemma4: 36.9、Qwen: 50.2）
GPQA Diamond（大学院レベルQA）: 83.5%（Glimmer単独スコア、比較は公式資料に非掲載）

競合が上回る指標：

OSWorld-Verified（デスクトップ操作）: Qwen 75.6 vs Glimmer 65.9
TerminalBench 2.1（コマンドライン作業）: Qwen 60.7 vs Glimmer 51.7

エージェントがMCPツールを呼んで多段階タスクを処理する用途ではトップクラス。一方、デスクトップ自動化や端末操作はQwenが優勢だ。「どんな作業をローカルに落とすか」によって評価が変わる。

実際のユーザー声

Hacker Newsのスレッド（2026年8月10日、item 49241679）には700件超のコメントが集まった。主な声を拾う。

「RTX 4090でOllamaに入れて30分。コーディングエージェントとして普通に動く。Claude Sonnet 5には届かないが、月額ゼロで手元で動くなら十分すぎる」

「DFlashなしだと少し遅いが、DFlash込みなら体感ストレスはない。長いファイル処理はまだ弱いが、短いタスクは問題なし」

「Apache 2.0は本当にありがたい。社内のセキュリティ審査を通すのがずっと楽になった。Llama 3のときは結局ライセンス解釈で止まった」（出典: Hacker News、2026年8月10日）

VentureBeatのレポートでは、ローカルAIエージェントを使ってきた開発者から「MCP-Atlasスコアがここまで高いモデルが30Bでローカル動作するのは初めて」という評価が出ている（出典: VentureBeat、2026年8月10日）。

限界と批判：無視できない3つの問題

ユーザー評価が総じてポジティブな中、見落とせないリスクが3つある。

1. 知識カットオフが古い

Muse Glimmerの知識カットオフは2026年1月4日だ（出典: benchgen、2026年8月）。リリース時点で約7ヶ月の情報空白がある。2026年上半期のAI動向、法改正、ライブラリのメジャーアップデートは知らない。最新情報が必要なタスクには検索ツールとのRAG構成（Retrieval-Augmented Generation＝検索結果をプロンプトに組み込む手法）が必須になる。

2. プロンプトインジェクション耐性が低い

Siren AgentDojoセキュリティベンチマークでの**プロンプトインジェクション成功率は28.4%**だ（出典: trending topics、2026年8月）。ウェブブラウジングやファイル読み込みを伴うエージェント用途では、外部コンテンツに埋め込まれた悪意ある命令に従ってしまうリスクがある。インターネット接続を許可する前に、ツール実行の認可フローを設計する必要がある。

3. オープンウェイトのセキュリティリスク

AI安全研究者からの批判も根強い。オープンウェイトモデルはガードレールを後から剥ぎ取ることができる。マルウェア生成、自動攻撃、バイオリスク関連への悪用を防ぐ手段がない（出典: trendingtopics.eu、2026年8月11日）。Zuckerbergは「集中こそが最大のリスク」と反論するが、安全研究者コミュニティの懸念は依然として根強い。

Zuckerbergのマニフェストとの関係

GlimmerリリースはZuckerbergのエッセイ「The Future is for Everyone」と同時公開された。エッセイの主旨は「AI能力を個人に分散せよ、一握りの機関に集中させるな」という主張だ。OpenAIとAnthropicのクローズドモデル路線を「問題ある権力集中」と批判している（出典: Axios、2026年8月10日）。

これをピュアなオープンソース信仰と読むか、Metaの商業戦略と読むかは分かれる。Metaはオープンウェイトモデルを無料で配ることでエコシステムを押さえ、HardwareとCloud Inference、広告プラットフォームで回収するビジネス構造を持つ。Glimmerの無料公開もその延長線上にある。

Muse Glimmer vs Muse Spark vs Muse Code

MetaのMuseシリーズは3製品が並立している。Muse SparkはMeta最上位のフロンティアモデル（クラウド提供）。Muse GlimmerはSparkを蒸留した30Bローカルモデル。Muse Codeはコーディング特化のエージェントでサブスクリプション制。用途に応じて使い分ける必要がある。詳細はMeta Muse Spark完全解説とMeta Muse Code徹底解説を参照。

ローカルAIエージェントの選択肢は増え続けている。コスト・性能・プライバシーを一覧で比較したいなら AIコーディングエージェント比較2026を読む →。業務導入前のリスク確認には AgentJacking解説を読む → を先に読んでおくことを勧める。

詳しく見る

免責事項: 本記事の情報は2026年8月12日時点のものです。ベンチマーク数値・ライセンス条件は今後変更される可能性があります。投資判断や業務導入の最終決定は公式ドキュメントを確認してください。