Was leistet Metas offenes KI-Modell Muse Glimmer lokal?

Muse Glimmer: Metas offenes KI-Modell läuft auf einer einzelnen Grafikkarte

Markus Seyfferth

Autor Dr. Web

10. August 2026

2 Min. Lesezeit

Muse Glimmer läuft mit 30 Milliarden Parametern auf einer einzelnen Grafikkarte mit 24 Gigabyte Speicher. Meta stellt das Modell unter die Apache-2.0-Lizenz und ändert damit die eigenen Pflichten nach der KI-Verordnung. Für Firmen in der EU verschiebt sich die Frage vom Cloud-Vertrag zur eigenen Hardware.

drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen

Muse Glimmer belegt auf einer Grafikkarte mit 24 Gigabyte Speicher rund 17 Gigabyte. Der Rest bleibt für Kontextspeicher und Bilderkennung frei. Meta Superintelligence Labs stellte das Modell am 10. August 2026 unter Apache-2.0-Lizenz auf Hugging Face,^[1] einen Monat nachdem der Konzern mit dem kostenpflichtigen Muse Spark 1.1 den Open-Source-Pfad verlassen hatte.

Das Wichtigste in Kürze

Muse Glimmer bringt 29,6 Milliarden Parameter mit und verarbeitet Text sowie Bilder. Rund 1,8 Milliarden Parameter entfallen auf den Bildencoder.
Die Quantisierung K-Quant-17GB drückt das Modell auf rund 17 Gigabyte, der Genauigkeitsverlust liegt bei 1,0 Prozent.
Auf SWE-Bench Verified löst das Modell 76,0 Prozent der Aufgaben, auf GPQA Diamond 83,5 Prozent.
Unter der Apache-2.0-Lizenz braucht Meta für Muse Glimmer in der EU weder die Technikdokumentation nach Anhang XI der KI-Verordnung noch einen Bevollmächtigten.

Was steckt in Muse Glimmer?

Ein Tropfen fällt aus einer Glaspipette in ein Fläschchen mit beschriftetem Etikett — Meta destillierte Muse Spark zu einem 29,6-Milliarden-Parameter-Modell mit 131.072-Token-Kontextfenster durch Logit-Distillation

Meta hat das Modell aus Muse Spark destilliert. Die Logit-Distillation zieht sich über Vortraining, ein Mitteltraining mit langen Agentendaten und ein Nachtraining mit bestärkendem Lernen.^[1] Herausgekommen ist ein dichtes Modell mit 29,6 Milliarden Parametern und einem Kontextfenster von 131.072 Token.^[2]

Die Benchmarks fallen für diese Größe hoch aus: 76,0 Prozent auf SWE-Bench Verified, 51,2 Prozent auf SWE-Bench Pro, 94,7 Prozent auf AIME 2026 und 83,5 Prozent auf GPQA Diamond.^[2] Meta misst sich dabei an Googles Gemma 4 und an Qwen 3.6 27B, den beiden stärksten offenen Modellen dieser Klasse.

Warum reichen 24 Gigabyte Grafikspeicher?

Über den Einsatz entscheidet der Speicherbedarf. In voller Genauigkeit verlangt Muse Glimmer 64 Gigabyte Grafikspeicher, die Variante K-Quant-Dynamic kommt mit 32 Gigabyte aus und büßt dabei 0,2 Prozent Genauigkeit ein. K-Quant-17GB senkt den Bedarf auf 24 Gigabyte, der Verlust steigt auf 1,0 Prozent.^[2]

Für das Tempo sorgt ein zweites, kleineres Modell. Ein vorgeschalteter Entwurfs-Decoder schlägt die nächsten Token vor, das Hauptmodell prüft die Vorschläge nur noch. Auf einer RTX 5090 erreicht Muse Glimmer damit 233,4 Token pro Sekunde, auf einem Mac mit M4 Max noch 37,8.^[1] Ausführen lässt sich das Modell unter anderem in llama.cpp, MLX, Ollama und LM Studio.

Meta verschenkt das kleine Modell und verkauft das große. Die Apache-Lizenz erspart dem Konzern bei Muse Glimmer in Europa genau die Dokumentationspflichten, die für Muse Spark gelten.
— Michael Dobler, Herausgeber Dr. Web

29,6 Mrd.

Parameter im dichten Modell

Darin stecken rund 1,8 Milliarden Parameter allein für die Bilderkennung.

17 GB

Speicherbedarf nach Quantisierung

In voller Genauigkeit verlangt das Modell 64 Gigabyte, die Sparvariante kostet 1,0 Prozent Genauigkeit.

233,4

Token pro Sekunde auf einer RTX 5090

Das spekulative Dekodieren beschleunigt die Ausgabe um das 3,1-Fache.

76,0 %

gelöste Aufgaben auf SWE-Bench Verified

Auf GPQA Diamond erreicht Muse Glimmer 83,5 Prozent, auf AIME 2026 sogar 94,7 Prozent.

0 €

kostet die Lizenz. Meta gibt die Gewichte unter Apache 2.0 frei, einen Monat nach dem Start des kostenpflichtigen Modells Muse Spark 1.1.

Was ändert die Apache-Lizenz für europäische Firmen?

Die KI-Verordnung behandelt offene Modelle anders. Artikel 53 Absatz 2 befreit deren Anbieter von den Dokumentationspflichten nach Anhang XI und XII, sofern Gewichte, Architektur und Nutzungshinweise öffentlich zugänglich sind; den Bevollmächtigten in der EU erspart ihnen Artikel 54 Absatz 6. Die Grenze liegt beim systemischen Risiko ab 10²⁵ FLOP Trainingsleistung. Urheberrechtsleitlinie und Zusammenfassung der Trainingsdaten bleiben nach Artikel 53 Absatz 1 Pflicht.

Bei der Datenverarbeitung entfällt der Vertrag. Lokale Inferenz braucht keinen Auftragsverarbeitungsvertrag nach Artikel 28 DSGVO und keine Prüfung des Drittlandtransfers nach Kapitel V. Genau darauf zielt die Initiative für ein Recht auf lokale KI. Die Schweiz baut mit Apertus für denselben Zweck ein eigenes offenes Modell.

Für den Praxistest genügen eine Karte mit 24 Gigabyte Speicher und die 17-Gigabyte-Variante; den Aufbau beschreibt unser Ratgeber zum lokalen Betrieb von KI-Modellen. Beginnen sollten IT-Verantwortliche mit den Aufgaben, bei denen Personendaten anfallen. Der Bußgeldrahmen der KI-Verordnung trifft ohnehin die Anbieter und reicht bis 15 Millionen Euro oder 3 Prozent des weltweiten Jahresumsatzes.