LONDON (IT BOLTWISE) – Meta bringt mit Muse Glimmer ein Open-Weight-KI-Modell heraus, das auf lokaler Hardware statt ausschließlich in der Cloud läuft. Entscheidend ist die Ausführbarkeit auf Grafikkarten mit 24 GB VRAM, erreicht durch Quantisierung: Aus 55 GB Modellgröße werden laut Angaben 18 bis 20 GB. In Tests nennt das Unternehmen für eine RTX 5090 233,4 Tokens pro Sekunde und für Apples M5 Max 50,2 Tokens pro Sekunde. Damit rückt der Hersteller vor allem Datenschutz und Offline-Nutzung in den Fokus, ohne die API-bedingten laufenden Kosten zu betonen.
Mit Muse Glimmer setzt Meta auf einen Ansatz, der in der KI-Entwicklung schon länger gefordert wird: Modelle so zu designen, dass sie auf handelsüblicher Rechnerhardware laufen, statt zwingend über externe Infrastrukturen zu laufen. Das Unternehmen hat das Open-Weight-Modell am 10. August 2026 unter der Apache-2.0-Lizenz veröffentlicht und positioniert es damit bewusst als Basis, die Entwicklerinnen und Entwickler in eigene Systeme integrieren können. Gleichzeitig verspricht die lokale Ausführung einen spürbaren Wechsel im Betriebsmodell: Statt Anfragen an eine entfernte API zu senden, kann ein Team Inferenz direkt auf der eigenen Maschine betreiben.
Technisch liegt der Schwerpunkt auf der Skalierbarkeit bei begrenztem Grafikspeicher. Ursprünglich wird Muse Glimmer mit einer Modellgröße von 55 GB beschrieben; durch Quantisierung senkt Meta den Speicherbedarf auf 18 bis 20 GB. In der Praxis bedeutet das, dass das Modell unterhalb der von Meta als „kritische Grenze“ bezeichneten 20-GB-VRAM-Schwelle betrieben werden kann. Für Organisationen ist das mehr als nur eine Zahl: Die Hürde „passt nicht in den VRAM“ entscheidet oft darüber, ob ein KI-System überhaupt in einer Laborumgebung oder in produktionsnahen Workloads einsetzbar ist.
Für die konkrete Umsetzung nennt Meta mehrere Konfigurationen. Die Variante „K-Quant-17GB“ ist laut Unternehmensangaben auf Grafikkarten mit 24 GB VRAM ausgelegt und soll dabei nur eine Leistungsdegradation von etwa 1 Prozent verursachen. Wer mindestens 32 GB VRAM zur Verfügung hat, bekommt mit „K-Quant-Dynamic“ eine Option, die bei einer minimalen Degradation von 0,2 Prozent arbeiten soll. Damit adressiert der Hersteller gleichzeitig typische Hardware-Spannen in Unternehmen: kleinere Workstations für Entwicklung und Tests sowie größere Setups für höhere Durchsatzraten oder längere Kontexte.
In der Leistungsbewertung stellt Meta besonders den Inferenz-Durchsatz in den Vordergrund. Laut den genannten ersten Leistungstests erreicht Muse Glimmer auf einer NVIDIA RTX 5090 233,4 Tokens pro Sekunde, was einer Beschleunigung um den Faktor 3,1 entspricht. Auf dem Apple-Chip M5 Max werden 50,2 Tokens pro Sekunde genannt. Für die Praxis wichtig: Der Hersteller ordnet diese Geschwindigkeiten in Tests mit Speculative Decoding ein, also einem Verfahren, bei dem das System durch zusätzliche Vorhersagen die effektive Generationszeit reduziert.
Auch jenseits von NVIDIA bleibt die lokale Ausführbarkeit ein Teil der Story. Für Hardwareplattformen von AMD werden ebenfalls konkrete Werte genannt: Auf einem Ryzen AI Max+ 395 erreicht Muse Glimmer lokal bis zu 24 Tokens pro Sekunde. Mit einer Radeon AI PRO R9700 sowie der Nutzung von dFlash steigt die Performance auf 53 Tokens pro Sekunde; außerdem fällt der Hinweis auf Bibliotheken wie llama.cpp unter Vulkan. Für Systeme mit mehr als 32 GB VRAM empfiehlt Meta zudem LM Studio, während für Integrationszwecke „Lemonade“ genannt wird. Damit liefert die Veröffentlichung nicht nur ein Modell, sondern auch eine Art Kompatibilitäts- und Deployment-Landkarte, die Entwicklerteams beim Einstieg beschleunigen kann.
Bei den Benchmarks ordnet sich das 30B-Modell als Alternative in Benchmarks für agentische Fähigkeiten ein. In Fach-Benchmarks soll Muse Glimmer das Konkurrenzfeld unter bestimmten Bedingungen teilweise deutlich schlagen: Im MCP Atlas nennt Meta für Muse Glimmer 75,5 gegenüber 54,2 bzw. 62,5 bei Gemma4-31B und Qwen3.6-27B. Beim SWE-Bench Pro liegen die genannten Werte bei 51,2 Punkten für Muse Glimmer gegenüber 36,9 bei Gemma. Daneben werden weitere Vergleichszahlen erwähnt, darunter ein SWE-Bench Verified-Wert von 76,0 und DeepSearch QA von 74,6, sowie Wettbewerbsresultate im TerminalBench 2.1 und OSWorld-Verified-Benchmark. Solche Werte sind allerdings stark abhängig von Evaluations-Setup und Prompting; für die Ableitung von „Einsatzfähigkeit“ im Unternehmen bleibt deshalb entscheidend, wie gut sich das Modell im eigenen Tooling und in den konkreten Aufgabenmustern abbilden lässt.
Strategisch verknüpft Meta die Veröffentlichung mit einem größeren Entwicklungsstrang: Das Training von Muse Glimmer sei laut Angaben per Destillation aus dem grösseren Modell Muse Spark erfolgt, parallel dazu kündigte Meta auch „Muse Spark 1.2 Open Weights“ an. In diesem Kontext wird Mark Zuckerberg mit dem Gedanken zitiert bzw. im Text als Betonung beschrieben, dass der Zugang zu Superintelligenz für jeden gewährleistet sein sollte. Gerade für Regionen mit begrenztem Zugriff auf Cloud-Computing wird der Nutzen lokaler Hochleistungsmodelle im Quelltext konkretisiert: Beispielsweise könnten solche Systeme in Kenia zur Analyse von Agrar-Drohnen eingesetzt werden, um lokale Rechenkapazitäten effizient zu nutzen und das globale Gefälle bei der verfügbaren Rechenleistung zu überbrücken. Für Unternehmen in der DACH-Region klingt das weniger nach „Ferner Zukunft“ als nach einer praktischen Planungsfrage: Welche Daten dürfen aus Compliance- oder Datenschutzgründen nicht in externe Rechenzentren, und wie lassen sich daraus nachhaltige Betriebsmodelle ableiten, die nicht nur in Proof-of-Concepts funktionieren, sondern auch im Dauerbetrieb.
Wer Muse Glimmer in Produkte oder interne Anwendungen einbinden will, muss parallel auch regulatorische Rahmenbedingungen im Blick behalten. Im Text wird auf Anforderungen, Pflichten und Fristen des EU AI Acts verwiesen und ein kompakter Umsetzungsleitfaden angekündigt. Unabhängig vom konkreten Funktionsumfang der KI gilt in der Praxis: Die Risikoeinstufung und die geforderten Nachweise bestimmen, wie ein Unternehmen Dokumentation, Prozesse und Betriebsverantwortung aufsetzt. Gleichzeitig bleibt die technische Kernaussage der Veröffentlichung: Durch Quantisierung, passende Quantisierungsvarianten und optimierte lokale Ausführung will Meta Hürden senken, die bislang oft erst ab deutlich größeren GPU-Konfigurationen überwunden werden konnten.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Meta veröffentlicht Muse Glimmer: KI lokal auf 24-GB-GPUs mit Open Weights" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Meta veröffentlicht Muse Glimmer: KI lokal auf 24-GB-GPUs mit Open Weights" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Meta veröffentlicht Muse Glimmer: KI lokal auf 24-GB-GPUs mit Open Weights« bei Google Deutschland suchen, bei Bing oder Google News!