お使いのコンピュータ上で、最新のMeta AIモデルをローカルで実行できる可能性があります。

Metaは月曜日、最新のAIプロトタイプ「Muse Glimmer」を発表した。しかし、同社は必ずしもこれをこれまでで最大かつ最高の製品として宣伝しているわけではない。MetaはMuse Glimmerのパフォーマンスの可能性について多く語っているが、同社の視点からすると、重要なマーケティングポイントは2つある。それは、軽量でオープンな性質と、一般消費者向けMacおよびPCでネイティブに動作するように設計されていることだ（ただし、特定のデバイスでは動作しない可能性もある）。

ミューズグリマーとは何ですか？

Metaによると、Muse Glimmerは30億個のパラメータを持つAIモデルで、常時稼働のローカルエージェントワークフロー向けに最適化されています。つまり、Glimmerはクラウド処理に依存するのではなく、デバイス上で自律的に直接実行されるように設計されています。ローカルAIは、データがシステム内に保持されるため、クラウドAIよりもはるかに安全です。クラウドサーバーを使用する場合、そのネットワークを所有する企業の管理下に置かれることになり、データが侵害される可能性があります。

Muse Glimmerのようなモデルには多くのユースケースがありますが、Metaはエージェント型AIの活用に重点を置いています。AIエージェントはユーザーに代わってタスクを実行でき、ユーザーや開発者がエージェントに様々な機能を実行させることができるため、その人気は高まっています。OpenClawの悪名高い年が示すように、エージェントをローカルで実行することも非常に人気がありますが、最も要求の厳しいモデルは強力なハードウェアも必要とします。ノートパソコンを使用している場合、AIエージェントを実行するだけのパワーがないかもしれません。

これはMetaのプレゼンテーションの一部です。同社によると、Muse Glimmerは限られたハードウェア機能とパフォーマンスのバランスを取るようにトレーニングされたとのことです。Metaは、これを実現するためにMuse Glimmerを3つのトレーニングフェーズにかけたと述べています。Muse Sparkの出力でMuse Glimmerをトレーニングする事前トレーニング、エージェントに焦点を当てたデータでモデルをトレーニングする中間トレーニング、そして複数のパラメータでモデルを微調整する事後トレーニングです。Metaによると、Muse Glimmerはエンドツーエンドのエージェント完了、マルチステップ推論、ツール呼び出し失敗時のリカバリ、マルチモデル入力と推論などの機能を処理できます。また、100以上の言語のデータでトレーニングされました。同社は、このモデルは多くの標準的な大規模言語モデル（LLM）ベンチマークと比較して、そのサイズクラスで強力なパフォーマンスを発揮すると付け加えています。

出典：メタ

Muse Glimmerは他のモデルほど高い処理能力を必要としませんが、一般的なノートパソコンでは効率的に動作しない可能性があります。Metaによると、30億個のパラメータを持つモデルは通常55GB以上のメモリを必要としますが、量子化技術のおかげで、Muse Glimmerは20GB未満で済むとのことです。ワーキングメモリを考慮すると、Muse Glimmerはおそらく24GBまたは32GBを使用するでしょう。MacBook ProやプロフェッショナルPCをお持ちであれば、それで十分かもしれません。しかし、私のようにノートパソコンのRAMが16GB以下であれば、Muse Glimmerの要求には十分ではありません。それでも、ネイティブAIの利用に向けては一歩前進と言えるでしょう。（補足として、MetaはRTX-5090 GPUを搭載したMacBook M4 MaxおよびM5 MaxモデルでMuse Glimmerのテストを行ったと述べています。）

Meta社はMuse Glimmerを「オープン」であると述べており、これはMeta社がモデルの学習用重みを公開していることを意味します。そのため、誰でもこのモデルを使用できるだけでなく、変更することも可能です。AIモデルに特定のニーズがある場合は、Muse Glimmerをニーズに合わせて変更することができます。

Muse Glimmerは他のAIモデルと比べてどうですか？

現在市場には多くのAIモデルが出回っていますが、Metaが直接比較しているのはGoogleのGemma4-31bとAlibabaのQwen3.6-27Bの2つだけです。Metaのベンチマークによると、Muse GlimmerはMCP Atlas、DeepSearch QA、v³-banking、WildClawBench、GAIA2、SWE-Bench Pro、Sci Code、Charxiv Reasoning、IFBench、AIME 2026、AA-LCR、Beam 128Kの12のテストで両モデルを上回っています。Gemma4-31bはこれらのベンチマークのうち4つで依然としてリードしており、Qwen3.6-27Bは8つで優れています。

Metaは、OpenAI、DeepSeek、Z.ai、Moonshot AIといった業界リーダーのモデルとの同様の比較は提供していません。しかし、Artificial Analysisは現在市場で入手可能なすべてのオープンウェイトモデルのランキングを提供しています。この記事執筆時点では、Muse Glimmer（ハイパフォーマンスバージョン）は実際には18位にランクされています。Moonshot AIのKimi K3（最大バージョン）がリストのトップで、2位はZ.aiのGLM-5.2（最大バージョン）、3位はDeepSeekのV4 Flash（最大バージョン）、4位はKimi K3（ローバージョン）となっています。比較のために、Gemma4-31bは32位、Qwen3.6-27Bは実際には17位にランクされています。ここには多くの変数がありますが、このランキングはMetaの最新モデルが競合他社の中でどのような位置にあるかを簡単に概観できます。

Muse Glimmerの試し方

Hugging Faceからウェイトをダウンロードすれば、今すぐMuse Glimmerを試すことができます。Metaによると、このモデルは近日中にOllama、LM Studio、Unslothなどのアプリを通じて利用可能になる予定です。