8 月 10 日，Meta 把 Muse-Glimmer-30B 的权重直接放上了 Hugging Face：29.6B 稠密参数加 1.8B 视觉编码器，Apache 2.0 协议，BF16、量化版、连 DFlash 投机解码 drafter 一并放出。三天里知乎、B站的部署实测一篇接一篇，评论区问得最多的是同一类问题：我的 Mac 能不能跑、值不值得跑。这篇就服务于已经在 Ollama、LM Studio 上跑过本地模型的你：先把 3 个落差看清楚，文末给你按内存分档的结论。
Muse Glimmer 约有 296 亿参数，采用 Dense Causal Transformer 架构，同时加入约 18 亿参数的 ViT-G/14 Perception Encoder，用来理解图像、截图、图表和文档，上下文长度达到 131,072+ tokens。知乎定位也足够性感：一个能调工具、看屏幕、写代码的 Agent 模型，全程跑在自己的设备上。但官方数据越漂亮，越要把落差看清楚再动手。
落差一：官方 50 tok/s，不是 MLX 的成绩单
先看流传最广的官方测速表：RTX 5090 加 DFlash 从 74.9 token/s 到 233.4 token/s，3.1 倍提升；Apple M4 Max 从 23.7 token/s 到 37.8 token/s；M5 Max 从 26.6 到 50.2 token/s。
但这张表有一行小注，多数转述都没提：官方图表底部注明，M4/M5 的数字是用 ExecuTorch 测的，5090 是用 llama.cpp 测的。也就是说，Mac 端 37.8、50.2 token/s 是苹果自家 ExecuTorch 路线跑出的天花板，不是你现在实际会用的 MLX、Ollama 的成绩。
MLX 路线的真实状态还在施工中。B站 UP 主鲲鹏Talk 8 月 11 日做了 Mac 真机部署实测：目前测试环境基于 MLX 相关分支代码（尚未完全合并），因此仍然存在一些兼容性问题和 Bug。B站实测约 30 Token/s，Agent 工具调用流程也还没完全跑通，等 mlx-lm 原生支持的人，拿到的是未合并分支，速度和工具可用性都还有变数。
好消息是 Ollama 路线两天内就追了上来：v0.32.8 给 NVIDIA、AMD 和更多平台补上了 Muse Glimmer 支持，Mac 端则是 Ollama MLX 引擎在 Apple Silicon 上支持 Muse Glimmer。小红书0.32.7 起 MLX 引擎已支持 DFlash 和图像输入，恰好补上前面真机实测的两个短板：速度和多模态输入。
落差二：24GB 显存门票是 GPU 端的账，Mac 要重算
Meta 的量化答案是 K-Quant-17GB，可以把语言模型权重压缩至大约 17GB 级别，目标就是让整个系统能够放入 24GB 显存环境；另一个版本面向 32GB 环境。知乎这个 24GB 指的是 N 卡这类独显显存，Mac 玩家要算的是统一内存：17GB 权重、数 GB 级别的视觉编码器、上下文占的 KV cache，全在同一池子里。粗估分档：24GB 机器别想；32GB 是入门线，日常还得把上下文老实压在几十 K；48GB 及以上才能让 Agent 工作流跑得从容。这个分档是估算，不是官方结论，要准星就等 MLX 社区的真机帖。
落差三：131K 上下文和稠密架构，两个隐性成本
131K 上下文纸面不小，但 Agent 消耗上下文的方式和聊天不一样。B站评论区有一线体感：写代码体验不错，但 128k 上下文不太够，很小的任务很快就跑满，有人直言如果 256k 会不错。B站工具调用返回值、截图解析、文件内容一起堆上来，131K 没想象中耐烧。
第二个成本是带宽。稠密模型每个 token 都要读全部权重，生成速度被内存带宽钉死，这正是“只激活一部分”的 MoE 成为本地主流选择的原因。评论区有人从 MoE 换跑这个稠密模型，速度落差大到直接放弃。官方表格也没藏着任务能力的短板：OSWorld-Verified 65.9 对 Qwen3.6-27B 的 75.6，TerminalBench 2.1 51.7 对 60.7，这两项恰恰是“真的会操作电脑”和“终端里干活”的作业。
现在 Mac 上谁该动手？
路线上，现在最省心的是 Ollama：`ollama run muse-glimmer` 一行跑起来，`ollama launch claude --model muse-glimmer` 直接接进编码 Agent，Ollama MLX 引擎在 Apple Silicon 上支持 Muse Glimmer。小红书MLX 原生（mlx-lm）一侧建议再等等：llama.cpp、MLX、ExecuTorch的优化集成也会陆续落地。知乎
内存分档：48GB 及以上，直接上量化版跑 Agent 流程；32GB 当入门机，压住上下文跑聊天加轻量工具；24GB 及以下，建议老实等社区进一步量化和 MLX 侧优化，现在折腾性价比不高。
留三个观察信号，任一变化时再评估要不要深入：MLX 分支是否合入主线并修好工具调用；新一代稠密 Qwen3.8-27B 落地后必来的 Mac 实测对比潮，社区已经有 27B 稠密模型在 4090 上的 MTP 推测解码完整数据。知乎以及 Meta 自己的权重更新节奏，Muse Spark 1.2 刚发布，Meta 又把模型权重交出来了，权重线的更新并不慢。
最后说一句价值观。Muse Glimmer 真正卖的不是跑分，是“全程跑在自己设备上”：日程、截图、文件都不出本地。你要的是一个随时待命、不上传数据的个人 Agent，现在这个还不完美的 MLX 生态值得上手折腾；你只是想聊天，云端前沿模型更省心。值不值得，从来取决于你想把什么留在自己机器里。
