论文页面 - Muse Glimmer 30B：端侧智能体模型

来源：https://huggingface.co/papers/2610.24628 作者：

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

Muse Glimmer 是一个拥有 300 亿参数、配备感知编码器的开源因果语言模型，通过 4 位量化，在消费级硬件上本地执行多步推理和工具调用。

我们推出 Muse Glimmer，这是一个拥有 300 亿参数、配备感知编码器 (https://huggingface.co/papers?q=perception%20encoder) 的开源因果语言模型 (https://huggingface.co/papers?q=causal%20language%20model)，专为在消费级硬件上执行自主智能体任务而构建。Muse Glimmer 将多步推理 (https://huggingface.co/papers?q=multi-step%20reasoning)、可靠的工具调用 (https://huggingface.co/papers?q=tool%20use) 和故障恢复 (https://huggingface.co/papers?q=failure%20recovery) 整合到单一模型中，可在消费级设备上本地运行，无需云基础设施。该模型接受文本和图像输入并生成文本输出，使用涵盖一百多种语言的数据进行训练，并量化 (https://huggingface.co/papers?q=quantized) 至约 4 位精度 (https://huggingface.co/papers?q=4-bit%20precision)，以实现高效的单 GPU 推理 (https://huggingface.co/papers?q=single-GPU%20inference)。Muse Glimmer 在智能体基准测试 (https://huggingface.co/papers?q=agentic%20benchmarks) 中达到了同等规模模型的最先进水平，在工具调用 (https://huggingface.co/papers?q=tool%20use)、多步规划和智能体任务完成方面，相较于同等规模的 Gemma4-31B 和 Qwen3.6-27B 模型树立了新标准。我们以 Apache 2.0 许可证发布该模型，以促进功能强大、安全且可在本地运行的 AI 智能体的开源开发。

查看 arXiv 页面 (https://arxiv.org/abs/2610.24628)查看 PDF (https://arxiv.org/pdf/2610.24628)添加到收藏集 (https://huggingface.co/login?next=%2Fpapers%2F2610.24628)

在你的智能体中获取这篇论文：

hf papers read 2610\.24628

还没有最新版 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用这篇论文的模型3

meta-models/Muse-Glimmer-30B 图像和文本转文本• 300 亿• 约 21 小时前更新 • 216k • 2.06k (https://huggingface.co/meta-models/Muse-Glimmer-30B)

meta-models/Muse-Glimmer-30B-GGUF 图像和文本转文本• 280 亿• 约 21 小时前更新 • 443k • 378 (https://huggingface.co/meta-models/Muse-Glimmer-30B-GGUF)

meta-models/Muse-Glimmer-30B-assistant 图像和文本转文本• 30 亿• 约 21 小时前更新 • 101k • 75 (https://huggingface.co/meta-models/Muse-Glimmer-30B-assistant)

引用这篇论文的数据集0

没有关联这篇论文的数据集

在数据集的 README.md 中引用 arxiv.org/abs/2610.24628，即可从此页面链接到该数据集。

引用这篇论文的空间29

浏览引用这篇论文的 29 个空间 (https://huggingface.co/spaces?arxivIds=2610.24628)## 包含这篇论文的收藏集1