Muse Glimmer: Meta öffnet 30-Milliarden-Modell unter Apache 2.0

Dazu kommt spekulatives Dekodieren: Ein kleines Begleitmodell namens DFlash schlägt gleich ganze Blöcke von 16 Token vor, das Hauptmodell prüft sie parallel. Metas eigene Messung auf einer RTX 5090: 74,9 Token pro Sekunde ohne, 233,4 mit dem Drafter – ein Faktor 3,1. Auf einem MacBook M4 Max sind es 1,5×, auf dem M5 Max 1,8×.

Der Rest der Ausstattung passt zum Anspruch "immer laufender Agent auf dem eigenen Gerät": 131'072 Token Kontext, mehr als 100 Sprachen, Bild- und Textverarbeitung in einem Modell. Ausgeliefert wird als BF16, als GGUF-k-Quants und als ExecuTorch-Build; Ollama, LM Studio und llama.cpp unterstützen das Modell bereits.

Vorn bei Agenten, hinten am Desktop

Meta vergleicht Glimmer mit Gemma4-31B von Google und Qwen3.6-27B von Alibaba – den beiden führenden offenen Modellen dieser Grössenklasse. Bei Agenten-Aufgaben liegt Glimmer deutlich vorn: 75,5 Punkte auf MCP Atlas gegen 54,2 (Gemma) und 62,5 (Qwen), 51,2 auf SWE-Bench Pro gegen 36,9 und 50,2.

Ehrlicherweise gehört die andere Hälfte dazu: Beim Steuern eines Computer-Desktops (OSWorld-Verified: 65,9 gegen Qwens 75,6) und im Terminal (51,7 gegen 60,7) liegt das chinesische Modell klar vorn, multimodal sind alle drei praktisch gleichauf. Und es sind Metas eigene Zahlen – im Methodik-Report räumt das Unternehmen ein, dass das Test-Setup nicht auf die Konkurrenzmodelle abgestimmt war.

6'500 Wörter gegen die geschlossene Konkurrenz

Zeitgleich veröffentlichte Mark Zuckerberg den Essay "The Future is for Everyone". Seine Kernthese: Superintelligenz dürfe nicht bei wenigen Institutionen liegen, Sicherheit entstehe aus einem Machtgleichgewicht, nicht aus Kontrolle.

"Es gibt keine einzelne wohlwollende Superintelligenz." – Mark Zuckerberg im Essay vom 10. August 2026

Das gefährlichste Szenario sei, schreibt er, wenn führende Labs starke Modelle trainieren und für sich behalten. Besonders offensiv verteidigt er die Destillation – das Trainieren eines kleineren Modells auf den Ausgaben eines grösseren, genau die Methode, mit der Glimmer aus Metas grösserem Muse Spark entstand. Manche versuchten, Destillation als schädlich darzustellen, so Zuckerberg; wichtig sei aber der Grundsatz, "dass man von allem lernen kann, was man beobachten kann". Wie die Nachrichtenagentur AP schreibt, nennt er dabei keine Konkurrenten beim Namen – gemeint sind unverkennbar OpenAI und Anthropic, die chinesischen Labs seit Monaten genau das vorwerfen.

Ein Nebensatz verrät das Geschäftsmodell: Wer mehr Rechenleistung wolle, zahle künftig über einen "dynamischen Auktionsmechanismus" – dieselbe Logik, mit der Meta seit Jahren Werbeplätze verkauft. Der Druck dahinter ist real: Laut Berichten von Wall Street Journal und Implicator.ai plant Meta bis zu 145 Milliarden Dollar Investitionen allein 2026 und 600 Milliarden bis 2028. Offene Gewichte für das stärkere Muse Spark 1.2 sollen in den kommenden Wochen folgen.

Warum das für Schweizer Firmen zählt

Für Schweizer KMU ist die Kombination interessant: Ein Modell, das auf eigener Hardware läuft, schickt keine Kundendaten in eine US-Cloud – relevant überall dort, wo revidiertes Datenschutzgesetz, Berufsgeheimnisse oder Kundenverträge das ohnehin verbieten. Neu ist, dass die Lizenz dem nicht mehr im Weg steht: Apache 2.0 heisst kommerziell nutzbar, anpassbar, weitergebbar – ohne Rückfrage in Menlo Park.

Damit bekommt das offene Schweizer Modell Apertus von ETH und EPFL Gesellschaft in einer Klasse, die vor einem Jahr praktisch chinesischen Anbietern gehörte.

Ein Vorbehalt bleibt: Glimmer ist ein Destillat, kein Spitzenmodell – für Aufgaben an der Leistungsgrenze führt der Weg weiter in die Cloud. Für einen Agenten, der Kalender, Dateien und Mails sortiert, ohne dass sie das Gerät verlassen, ist es aber genau richtig dimensioniert.