Meta 發布 Muse Glimmer 30B 開放權重模型，主打在 24GB、32GB 消費級硬體執行本機 AI Agent。本文整理 Muse Glimmer 與 Muse Spark、Llama 的關係，說明 131K context、圖片理解、工具呼叫、錯誤恢復與 DFlash 推測解碼，並提供 llama.cpp 下載和啟動教學，比較官方量化版本的記憶體需求、速度、benchmark、Apache 2.0 授權、安全限制，以及 Muse Spark 1.2 開放權重計畫。
Meta Muse Glimmer 30B 發表｜24GB 顯卡能跑，本機 AI Agent 開放權重
Gemma4 12B 發布，比較 Gemma4 全系列能力｜實測計概考試、程式作答、token 速度
Google 為 Gemma 4 開源家族補上 12B 中量級尺寸。這篇在 Mac mini M4 32GB 與 RTX 5070 Ti 兩種平台用 Ollama 實測 gemma4:12b，涵蓋 token 生成速度、計概 200 題單選題、以及實際寫 Python 解程式題三種跑分：選擇題逼近 26B，寫程式 70.2%、但難題仍吃力，dense 架構也讓 decode 墊底。文章拆解 26B MoE 與 31B dense 在 16GB 顯卡上的差異，整理 12B 的本地部署情境與顯卡記憶體選型。