8月10日Meta发布新模型 Muse Glimmer并开放模型权重。该模型拥有300亿参数主要面向需要规划步骤、调用工具和检查执行结果的AI Agent任务。Meta称经过压缩的 Muse Glimmer 可以在满足相应显存条件的单块消费级GPU上运行。开发者可以下载权重在自己的设备或服务器中部署和适配模型。Meta重新强调开放权重今年4月Meta推出新一代基础模型 Muse Spark 时只通过API向部分合作伙伴提供私测并未同步开放权重。此次发布 Muse Glimmer 后Meta还预告将在未来几周开放 Muse Spark 1.2 的权重。扎克伯格在同日发布的一篇长文中将开放权重描述为分散AI控制权的一种方式。他主张让开发者能够下载模型并在许可范围内自行部署、适配和开发应用。但“开放权重”并不等于完全开源。开发者可以获得训练完成后的模型参数并自行部署和适配但训练数据、完整训练代码和全部技术过程并不会因此全部公开。本地运行增加了一种部署选择对企业来说Muse Glimmer带来的一个实际变化是部分AI Agent任务可以直接放在自己的设备或服务器中运行不必每次都把任务交给云端模型处理。比如整理内部文件、分析代码或处理企业知识库时如果模型和相关数据都部署在本地文件内容可以留在企业自己的环境中企业也更容易控制谁能访问这些数据、模型部署在哪里。但本地运行并不代表Agent从此不需要联网。Muse Glimmer本身支持工具调用如果任务需要搜索网页、读取邮箱、访问云应用或调用第三方API数据仍可能传到企业外部。这些外部连接依然需要单独设置权限和安全规则。同时本地部署也有门槛。企业需要准备合适的硬件还要完成模型部署、工具接入、安全配置和后续维护。目前关于Muse Glimmer性能的主要数据仍来自Meta实际效果还需要更多独立测试和真实业务验证。所以Muse Glimmer真正增加的不是一个“本地替代云端”的答案而是多了一种选择适合留在企业内部处理的任务可以尝试本地运行需要更强算力或外部服务的任务仍然可以使用云端能力。