剛被索賠1.4萬億，Meta連夜開源30B小鋼炮：扎克伯格點名DeepSeek、Qwen、Kimi

象先志2026.08.12 09:34 · 來自安徽全文2866字00:00 / 07:42Muse首次開源：Meta把旗艦蒸餾進30B，本地Agent時代真要來了？文 | 象先志Meta最近的日子，冰火兩重天。一邊，加州、科羅拉多、肯塔基、新澤西四個州的總檢察長把索賠數字喊到了1.4萬億美元——幾乎等於Meta 1.48萬億的總市值，指控它故意把Facebook和Instagram設計成讓青少年上癮的產品。另一邊，Meta Superintelligence Labs在8月10日突然開源了Muse Glimmer：一個30B參數的Agent模型，直接掛上最寬鬆的Apache 2.0許可證。

這是Muse系列第一次開源。此前這條線一直閉源，只走API。Muse Glimmer是個什麼模型先把公開資料能確認的規格擺上桌。Muse Glimmer由Meta Superintelligence Labs訓練——就是Scale AI創始人Alexandr Wang帶隊的那家實驗室。官方定位很明確：不做聊天機器人，做常駐本地的Agent（always-on local agent）。架構上，它是一個30B的稠密多模態模型：27.9B的文本解碼器，配一個1.9B的ViT視覺編碼器和GELU投影層。

文本部分52層Transformer，用分組查詢注意力（32個Q頭對2個KV頭），外加混合滑動窗口——每三層2048窗口的局部注意力，夾一層全序列注意力，局部層用RoPE、全局層用NoPE，藉此把上下文撐到128k以上。許可證是Apache 2.0：商用、修改、再分發，基本不設門檻。權重已在Hugging Face開放，GGUF和Unsloth變體同步放出。落地速度也快得反常：發佈當天，llama.cpp、Hugging Face Transformers、Ollama 0.32.

7、LM Studio、SGLang全部day-0支持，MLX、vLLM隨後幾天跟進，AMD、Arm、Intel、NVIDIA都參與了設備端優化。Meta這次明顯是有備而來。30B怎麼塞進24GB顯卡30B模型全精度要55GB以上的內存，RTX 5090都裝不下。Meta用了兩板斧。第一板斧是量化。權重壓到約4-bit，語言模型本體縮到20GB以內，省出來的顯存留給KV cache、視覺編碼器和投機解碼的小模型，整體落在24GB或32GB的包絡裡。官方的說法是，壓縮對Agent任務的性能幾乎無損。第二板斧是投機解碼，這塊值得拆開講。

傳統解碼是一個詞一個詞往外蹦，每一步都要把30B參數完整過一遍。Glimmer配了一個基於DFlash的輕量drafter，數據流是這樣的：小模型先"瞎猜"一大段，主模型一次前向就把整段驗完——猜對的白賺，猜錯的改掉。生成質量不變，速度直接翻倍起。實測數字：RTX 5090上解碼從74.9 tok/s拉到233 tok/s，提速3.1倍；M5 Max的MacBook提速1.8倍到50 tok/s，M4 Max提速1.5倍。SGLang那邊更狠，RTX 5090上NVFP4加DFlash，單用戶236 tok/s，批量吞吐衝到1452 tok/s。

說白了，Meta用工程手段把一個60GB級的模型，壓進了24GB級設備，還跑得足夠快——本地Agent最怕的就是想五分鐘憋一句話，這個問題算是正面解決了。打工人的素質，是蒸餾出來的能力從哪來？答案是自家閉源旗艦。Glimmer的訓練分三段：預訓練階段用Muse Spark的輸出做logit蒸餾；中訓階段加長上下文、塞入更密集的Agent數據；後訓練結合監督微調、on-policy蒸餾和強化學習。所謂logit蒸餾，說人話就是：老師模型（Muse Spark）不只要告訴學生"答案是什麼"，連"每個候選詞的信心分佈"都手把手教過去。

複雜推理鏈路和Agent交互數據，全部由這個龐然大物生成，再灌進30B的小身板。這套流程砸出來的能力清單很Agent向：精確schema的工具調用、多步推理、工具調用失敗後自己診斷報錯並重試、讀截圖和圖表的多模態輸入、100多種語言，還兼容OpenClaw這類編排框架。不過這裡得潑點冷水。官方對比裡，Glimmer在MCP Atlas上拿到75.5分，壓過Gemma4-31B的54.2和Qwen3.6-27B的62.5；但在OSWorld-Verified、TerminalBench 2.1和SWE-Bench Verified上，反超的恰恰是Qwen3.6-27B。

也就是說，這個"小鋼炮"在工具調用鏈路上很強，真到電腦操作和終端寫代碼的硬碰硬，同尺寸的國產模型還站在它前面。為什麼偏偏現在開源時間點選得很微妙，三條線擰在一起。第一條線是開源生態的攻守易形。扎克伯格同日發了一封14頁的長文《The Future is for Everyone》，給Meta的AI路線定調：超級智能應該交到每個人手裡，反對把它集中在少數公司，並明確主張蒸餾訓練、呼籲美國放寬對開源AI的限制。他直接點名DeepSeek、Qwen、Kimi是開源領域的領先者。去年春天Meta一度收回開源腳步，現在等於公開承認：這塊地盤被中國模型佔了，得搶回來。第二條線是Muse系列的商業佈局。

Muse Spark上個月剛開始賣API，但在編碼、推理、寫作的公開榜單上仍落後於Anthropic和OpenAI的旗艦，Meta的策略是打價格——這跟DeepSeek、月之暗面、阿里用寬鬆許可證打市場的路數如出一轍。開源Glimmer，等於把旗艦蒸餾出的能力免費下放，給API業務引流。Alexandr Wang同天還預告，Muse Spark 1.2的開源權重版也在路上。第三條線，就是開頭那場1.4萬億美元的官司。四個州按"每個受影響青少年用戶乘以法定罰款上限"的算法算出這個天價，Meta在法庭文件裡反擊稱這是"博頭條的數字"，消費者保護執法史上從無先例。

8月奧克蘭開庭在即，此時高舉"開源""隱私""個人超級智能"的大旗，敘事上的收益顯而易見——合理推演是，Glimmer的發佈節奏，很難說與這場輿論戰完全無關。還有個細節值得記下：據《紐約時報》，Meta內部還在搞一個代號Watermelon的更強模型，開不開源沒說法。所以Glimmer的定位很清楚——開源的是旗艦的蒸餾產物，看家本事還攥在手裡。結語把鏡頭拉遠，Glimmer真正有意思的地方在於它驗證了一條產品路線：雲端旗艦負責把能力推到上限，本地小模型靠蒸餾承接，再用量化和投機解碼塞進消費級硬件。文件、日曆、代碼、聊天記錄這些高頻又私密的活，遲早要留在設備上跑。

而這場發佈會外的那層背景更直白：當扎克伯格需要點名三家中國實驗室來證明開源的重要性時，開源大模型的重心在哪兒，已經不用多解釋了。