한눈에
Meta가 10월 20일 새벽(한국 시간) Muse Glimmer의 기술 보고서를 공개했다. Muse Glimmer는 8월 10일에 나온 파라미터 300억 개짜리 오픈 가중치 모델이다. 소비자용 하드웨어에서 에이전트 일을 하도록 만들었다.
보고서는 모델 구조, 증류 방식, 양자화를 다룬다. 증류는 큰 모델의 실력을 작은 모델에 옮겨 담는 훈련법이다. 모델 카드에 따르면 Muse Spark에서 증류했다.
내 PC에서 돈다
가중치를 약 4비트로 줄여 소비자용 GPU 한 장에서 쓸 만한 속도로 돌게 했다. 텍스트와 이미지를 받고 텍스트로 답한다. 100개가 넘는 언어 데이터로 훈련했다.
- 4비트 K-Quant-17GB: 24GB VRAM 대상, 평균 성능 저하 1.0%
- 4비트 K-Quant-Dynamic: 32GB VRAM 대상, 평균 성능 저하 0.2%
- 라이선스: Apache 2.0
벤치마크
Meta는 비슷한 크기의 오픈 모델 가운데 도구 사용과 여러 단계 계획에서 앞선다고 했다. 모델 카드 숫자를 보면 강한 곳과 약한 곳이 갈린다.
- MCP Atlas: Muse Glimmer 75.5 · Qwen3.6-27B 62.5 · Gemma4-31B 54.2
- SWE-Bench Pro: Muse Glimmer 51.2 · Qwen3.6-27B 50.2 · Gemma4-31B 36.9
- OSWorld-Verified: Qwen3.6-27B 75.6 · Muse Glimmer 65.9 · Gemma4-31B 58.5
- TerminalBench 2.1: Qwen3.6-27B 60.7 · Muse Glimmer 51.7 · Gemma4-31B 43.4
왜 중요한가
Meta는 큰 모델 Muse Wonder와 함께 작은 오픈 모델도 키우고 있다. 클라우드 없이 내 기기에서 늘 켜 두는 에이전트를 노린다. 이번 보고서로 그 모델을 어떻게 만들었는지 다른 개발자도 따라 볼 수 있게 됐다.
어떻게 바뀌나
가중치는 Hugging Face에서 바로 받을 수 있다. llama.cpp용 GGUF와 ExecuTorch용 버전도 함께 올라와 있다. 컴퓨터 사용 작업이 많다면 같은 체급의 Qwen3.6-27B와 직접 비교해 보는 편이 좋다.