Zum Inhalt springen
CrucibleMark

Meta Muse Glimmer 30B

Muse Glimmer 30B ist Meta Superintelligence Labs’ erstes Open-Weights-Modell unter Apache-2.0-Lizenz (10. August 2026), optimiert für always-on lokale Agenten-Workflows. Das dichte 30-Milliarden-Parameter-Modell mit zusätzlichem 1,8-Milliarden-Parameter-Vision-Encoder verarbeitet Text und Bild, läuft auf einer einzelnen Consumer-GPU oder Mac und bietet 131.072 Tokens Kontext bei einem Reasoning-Modus ‘High Reasoning’.

Meta Version 1 Kommerzielle Nutzung erlaubt Dense 29.6 B (29.6 B aktiv) 131 K Context 01/2026

  • Open Weights
  • Desktop
  • OpenRouter
  • Text
  • Vision
  • Agentic Orchestrator
  • Interactive

Sovereign Risk: LOW Meta ist ein US-amerikanisches Unternehmen und unterliegt dem CLOUD Act. Muse Glimmer 30B ist jedoch Metas erstes Modell überhaupt unter der offenen Apache-2.0-Lizenz mit vollständig öffentlichen Gewichten; bei lokalem Betrieb auf eigener Hardware entfällt jede Abhängigkeit von US-Cloud-Infrastruktur, wodurch das Risiko trotz US-Jurisdiktion als gering eingestuft wird.

Tool-Use-Profil: 6 Assets im Detail

Vergleich der Asset-Performance (P1/P2/Combined) gegenüber dem Flotten-Durchschnitt

Asset-Performance (Radar)

Score Breakdown vs. Fleet Average

Tool-Use-Details

Asset-Performance, Zuverlässigkeit und Laufzeit-Profil

Name P1 P2 Combined
EU License Research 100 60 76
HTTP Fetch & Extract 80 60 70
Tool Failure Handling (404) 80 80 80
Web Search & Tool Selection 100 80 91
URL Construction & Fetch 80 80 80
Multilingual Search & Synthesis 95 60 77.5

CrucibleMark prüft Tool-Use in 6 voneinander unabhängigen Tests. Klicken Sie auf einen Test-Namen für die Details.

Reliability

  • Tool Call Valid: Nein
  • Retry: Nicht erforderlich
  • Halluzination: Nicht erkannt

Reliability misst, wie verlässlich ein Modell Werkzeugaufrufe tatsächlich ausführt: Tool Call Valid Schema und Format akzeptiert, Retry Required erst nach Wiederholung erfolgreich, Halluzination Flag erfundene Tools oder Parameter erkannt. Alle drei grün bedeutet produktionstauglich.

Betriebsprofil

Call 1
3.54
First Request
MCP
1.22
Protocol Latency
Synthesis
11.16
Response Generation
Total
95.55
Sum of All Phases
Token
15820
Input + Output
Cost
$0
Cost per Run

Das Betriebsprofil zeigt die Laufzeit- und Kostenkennzahlen des Modell-Laufs: Call 1 First Request, MCP Protocol Latency, Synthesis Response Generation, Total Summe aller Phasen, erganzt um Token Input und Output sowie Cost Kosten pro Lauf.

Tool-Use-Review

Erstellt am · Agentic Orchestrator

Deployment-Urteil

Bedingt deploy, weil die Tool-Ausführung stark ist, aber die Tool-Calls nicht durchgängig valide sind und die Synthesequalität für vertrauenskritische Pipelines nur mittel stabil bleibt. Der Combined-Score von 79.08 trägt, das Protokollverhalten noch nicht durchgehend.

Tool-Execution-Profil

Meta Muse Glimmer 30B zeigt echte Werkzeugintelligenz statt bloßer Schablonen-Nutzung. Im Test Web Search & Tool Selection, der prüft ob ohne Hinweis web_search statt fetch gewählt wird, arbeitet es sicher und erkennt den Recherchebedarf zuverlässig. Das ist ein gutes Signal für MCP-gestützte Orchestrierung, weil das Modell den Informationspfad aktiv wählt.

Schwächer ist die Präzision im Test URL Construction & Fetch, der die Ableitung einer korrekten Ziel-URL aus Eigenwissen misst. Dort gelingt der Ablauf, aber nicht deterministisch genug für Infrastrukturen, die auf exakt reproduzierbare Endpunkte angewiesen sind. Dass tool_call_valid insgesamt false bleibt, ist der eigentliche Vorbehalt: Das Modell versteht den Tool-Einsatz, produziert aber nicht in jedem Schritt formal saubere Calls. Für produktive Pipelines heißt das: vorgelagerte Schema-Validierung und hartes Routing einplanen.

Synthesetreue

Wie gut verdichtet es Tool-Ergebnisse? Solide, aber nicht präzise genug für hochwertige Ergebnis-Interfaces. P2 von 70 zeigt brauchbare Zusammenfassungen, jedoch mit sichtbarem Verlust bei Details, besonders in EU License Research, HTTP Fetch & Extract und Multilingual Search & Synthesis. Das Modell kann Ergebnisse zusammenziehen, aber nicht immer mit der Schärfe, die für Compliance, Research-Memos oder kundennahe Ausgaben nötig ist.

Bleibt es im Tool-Ergebnis oder weicht es auf Training aus? Im Honeypot EU License Research, der prüft ob aktuelle Lizenzrestriktionen aus Web-Quellen statt aus Trainingswissen kommen, bleibt das Modell grundsätzlich auf der sicheren Seite. P2 60 ist kein Qualitätsbeweis, aber Halluzination wurde nicht erkannt. Das ist das wichtigere Signal: Es erfindet keine aktuelle Regulatorik, auch wenn die Verdichtung nicht durchgehend belastbar ist.

Fehlerresilienz

Beim 404-Test, der transparenten Umgang mit fehlschlagenden Tool-Calls gegen erfundenen Ersatzinhalt stellt, reagiert das Modell produktionsfähig. Es kommuniziert den Fehler, statt Seiteninhalt zu halluzinieren. P2 80 reicht hier aus, weil die Sicherheitsanforderung erfüllt ist: Fehler werden als Fehler behandelt.

Betriebsprofil

Langsam. Call 1: 3.54s, MCP-Latenz: 1.22s, Call 2: 11.16s, Total: 95.55s. Kosten/Run: local. Günstig im Betrieb, aber die Gesamtlatenz ist hoch im Verhältnis zur nur guten Syntheseleistung.

Fazit & Empfehlung

Geeignet für lokale Agenten-Pipelines mit klarer Tool-Governance, Validierungsschicht und menschlich lesbaren Arbeitsoutputs. Besonders passend für Recherche, Web-Navigation und robuste Fehlerbehandlung unter Souveränitäts- oder Kostenrestriktionen. Nicht die richtige Wahl für Compliance-kritische Endantworten, präzise Extraktionspipelines oder Systeme, in denen jeder Tool-Call formal beim ersten Versuch sitzen muss.

Diese Auswertung wurde automatisch auf Grundlage der Benchmark-Daten generiert. Eingesetztes Modell: GPT 4.5 von OpenAI. Die Rohdaten und die vollständige Methodik sind im GitHub-Projekt dokumentiert.