Meta, 소비자 GPU에서 AI 에이전트를 실행하는 30B 개방형 모델인 Muse Glimmer 출시

Meta는 로컬로 실행되는 동안 에이전트 벤치마크에서 Gemma4-31B 및 Qwen3.6-27B보다 뛰어난 Apache 2.0 기반의 300억 매개변수 개방형 모델인 Muse Glimmer를 게시했습니다.

Meta의 Superintelligence Labs는 소비자급 GPU에서 로컬로 AI 에이전트를 실행하도록 설계된 Apache 2.0 라이선스에 따라 게시된 300억 매개변수 AI 모델인 Muse Glimmer를 출시했습니다. 가중치는 Hugging Face에서 확인할 수 있으며, 이는 CEO Mark Zuckerberg가 AI의 미래에 대해 새로 출판된 6,500단어 에세이에서 옹호한 개방형 가중치 생태계에 대한 회사의 최근 추진을 나타냅니다.

이번 릴리스는 개발자가 지능형 시스템을 구축하고 배포하는 방식을 재편하는 AI 업계의 광범위한 보도 중에 출시되었습니다. Meta에 따르면 개발자는 클라우드 호스팅 API에 데이터를 보내지 않고도 로컬 코딩, 함수 호출, 자율 에이전트 및 LLM-판사 평가 작업에 Muse Glimmer를 사용할 수 있습니다.

온디바이스 에이전트를 위해 구축됨

Meta는 Muse Glimmer를 특정 운영 제약에 대한 솔루션으로 제시합니다. 클라우드 호스팅 모델에는 대기 시간, 비용 및 개인 정보 보호 문제가 발생할 수 있는 지속적인 네트워크 액세스와 중앙 인프라가 필요합니다. 대신 회사는 일정, 메시지, 파일 및 기타 개인 컨텍스트에 액세스해야 하는 개인 에이전트를 포함하여 온디바이스 존재가 필요한 워크로드에 대한 모델을 제시합니다.

이 모델은 전용 인식 인코더를 통해 인터리브된 텍스트와 이미지를 수용하므로 상담원이 스크린샷, 차트, 문서를 대화의 일부로 해석할 수 있습니다. Meta는 이 다중 모드 기능을 통해 상담원이 그래픽 소프트웨어 또는 웹 페이지와 상호 작용하는 도구를 구축하는 팀에 중요한 기능인 시각적 인터페이스에 대해 추론할 수 있다고 보고합니다.

Muse Glimmer는 모델 개발자 문서에 자세히 설명된 맞춤형 스캐폴드를 사용하여 OpenClaw 및 기타 에이전트 조정 패턴도 지원합니다. 모델을 기반으로 구축된 로컬 코딩 에이전트는 액세스할 리포지토리, 터미널, 테스트 환경 및 명령을 결정할 수 있지만 Meta는 조직이 작업 성공을 측정하기 전에 사용 가능한 명령과 리포지토리를 정의해야 한다고 주의합니다.

경쟁사 대비 성능 벤치마크

Meta의 내부 벤치마크 테스트에서는 8개의 일반 에이전트 벤치마크 중 5개에서 Muse Glimmer가 Google의 Gemma4-31B 및 Alibaba의 Qwen3.6-27B보다 앞서 있습니다. 총 에이전트 점수에서 Muse Glimmer는 Gemma4-31B의 경우 61.7, Qwen3.6-27B의 경우 71.1에 비해 74.6에 도달했습니다.

이 모델은 WildClawBench에서 47.6을 기록하여 Gemma4-31B의 37.6과 Qwen3.6-27B의 43.2를 앞섰습니다. 일반 AI 보조자 벤치마크인 GAIA2에서는 뮤즈 글리머가 43.3점을 기록해 경쟁 모델이 36.4점, 40.0점을 기록했다. 실제 컴퓨터 환경에서 에이전트의 작동 능력을 테스트하는 OSWorld-Verified는 그룹에서 가장 큰 격차를 보였습니다. Muse Glimmer는 Gemma4-31B의 58.5에 대해 65.9를 기록했습니다.

모든 카테고리가 Meta의 모델을 선호하는 것은 아닙니다. SkillsBench에서는 Qwen3.6-27B가 46.6점으로 선두를 달리고 있으며 Muse Glimmer는 44.3점을 기록했습니다. Qwen3.6-27B는 또한 Muse Glimmer의 953을 상대로 GDPval-AA에서 1,141로 선두를 차지했습니다.

코딩 결과는 경쟁 환경을 보여줍니다

Muse Glimmer의 코딩 벤치마크는 더 좁은 경쟁 상황을 제시합니다. 이 모델은 Gemma4-31B의 경우 36.9점, Qwen3.6-27B의 경우 50.2점과 비교하여 51.2점으로 SWE-Bench Pro를 앞섰습니다. 그러나 Qwen3.6-27B는 SWE-Bench Verified에서 77.2로 Muse Glimmer의 76.0에 비해 앞서고, TerminalBench 2.1에서는 Muse Glimmer의 51.7에 비해 60.7로 선두를 차지했습니다.

Meta가 제공하는 자료에는 실패한 도구 호출에 대한 재시도 훈련, 즉 에이전트가 자동으로 오류를 복구할 수 있게 해주는 동작도 설명되어 있습니다. 회사에서는 이 기능을 사용하려면 특히 도구가 소스 코드를 변경하거나 외부 시스템을 호출할 수 있는 경우 반복 시도에 대한 제어가 필요하다고 지적합니다.

Zuckerberg의 개방형 비전

Muse Glimmer 릴리스는 Zuckerberg가 AI 개발에 대한 자신의 비전을 설명하는 장문의 에세이를 출판한 것과 동시에 이루어졌습니다. Reuters와 Bloomberg에 따르면 Meta CEO는 이 에세이를 사용하여 개방형 접근 방식을 옹호하면서 널리 사용 가능한 모델이 AI 역량이 소수의 기업 손에 집중되는 것을 방지한다고 주장했습니다.

Zuckerberg는 단일 개체가 초지능 시스템을 제어하는 위험에 대해 경고한 것으로 알려졌으며 단일한 자비로운 초지능 같은 것은 없다고 말했습니다. 이 발언은 Meta의 개방형 가중치 전략을 기술 철학이자 OpenAI 및 Anthropic과 같은 폐쇄형 모델 경쟁업체에 대한 경쟁적 입장으로 자리매김했습니다.

New York Times는 Muse Glimmer를 소비자가 집에서 사용할 수 있는 Meta AI 기능의 오픈 소스 버전으로 묘사했으며, Wall Street Journal은 이 에세이가 Zuckerberg의 AI 세계관에 대한 현재까지 가장 자세하게 표현한 것이라고 언급했습니다.

팀을 위한 실제 고려 사항

Meta의 벤치마크는 표준화된 테스트의 성능을 보여 주지만 조직이 자체 파일, 달력, 메시징 시스템 또는 내부 도구에 연결한 후 로컬 에이전트가 어떻게 작동하는지 보여주지 않습니다. 회사는 스크린샷 읽기 모델이 보이는 내용을 해석할 수 있다는 점을 인정하지만 로컬 테스트에서는 여전히 권한, 디스플레이 레이아웃, 문서 형식 및 연결된 도구에서 반환되는 오류를 다루어야 합니다.

Muse Glimmer를 평가하는 조직의 경우 Meta는 배포 전에 에이전트에 사용할 수 있는 명령과 리포지토리를 정의할 것을 권장합니다. 모델의 안전 관련 평가에는 CI Memories 및 Siren AgentDojo 테스트가 포함되지만 회사는 각각에 대해 서로 다른 측정값을 사용합니다.

이번 출시로 Meta는 개방형 공간에서 Google의 Gemma 라인 및 Alibaba의 Qwen 모델과 직접 경쟁하게 되었습니다. 상업적 사용을 허용하는 Apache 2.0 라이선스를 통해 Muse Glimmer는 클라우드 API의 반복적인 비용 및 개인 정보 보호 상충관계 없이 에이전트 기능을 원하는 개발자 사이에서 채택을 가속화할 수 있습니다.