8月10日晚，Meta发布了MuseGlimmer 30B。这个模型的定位有点反常——它不追聊天跑分，而是明牌做"本地个人Agent的基础模型"：整理文件、管理日程、起草消息、写代码、调工具，全部可以在自己电脑上离线完成。Apache 2.0协议，权重直接挂上HuggingFace，图灵奖得主杨立昆都在扎克伯格的官宣评论区鼓掌。36氪
它能在本地部署圈炸开，原因很直白：官方口径，量化后体积不到20GB，单张24GB显存的显卡就能跑，部分Mac也行。知乎也就是说，一张4090、甚至一张二手3090，就能在家里养一个AI智能体，不联网、不按token收费。
但发布四天，首批实测出炉，评价是割裂的。有开发者说，这是第一次觉得"离线操作电脑"真正可用；也有人在B站评论区只留下一句：“简单测了下，拉完了。” 我把两边的账都算了一下。
一、先把散在全网的首批实测数据拼起来
目前能查到的实测主要来自三条线：X平台的开发者、B站UP主和知乎玩家。
PC显卡这边（llama.cpp路线）：
RTX 4090（24GB）跑UD-Q4_K_XL量化版：占用约19.34GB显存，可配置13万token上下文，输入预处理超过3100 token/s，生成约50 token/s；加上DFlash推测解码，生成能提到75 token/s，但显存会吃满到23.93GB。36氪
RTX 5090（32GB）：AI平台AtomicChat用它一次生成三款复古街机游戏，全部可玩、无崩溃，但消耗了8.34万token、耗时17.7分钟。同样三个游戏，Qwen3.6 27B只用2.37万token、5.4分钟，Gemma4 31B用1.78万token、4.5分钟。
2080 Ti（11GB）：17 token/s，当事人自嘲"跑不动"
DGX Spark：有人单节点试跑，稠密模型扛不住带宽，放弃
Mac这边（MLX路线）：
B站UP主鲲鹏Talk实测Apple Silicon上约30 token/s，但MLX支持还没合入主线，分支版本有兼容性bug，需要踩坑。哔哩哔哩
官方跑分（22项，对比同级别的Gemma4 31B和Qwen3.6 27B）：
拿下12项SOTA，优势集中在Agent任务：MCPAtlas（多工具串联调度）75.5分、DeepSearchQA（深度检索问答）74.6分，均超过另外两款；SWE-Bench Pro编程51.2分，略胜Qwen3.6的50.2分；AIME2026数学94.7分排第一
但在部分桌面操作、编程和多模态测试里输给Qwen3.6；两项安全测试中，Gemma4的违规率更低
二、"跑分强"和"实测拉"为什么同时存在
把实测放在一起看，分歧不是玄学，基本就是三个坑：
第一，不开工具和检索，幻觉很重。B站评论区有玩家直言：不开联网检索和工具调用，这个模型的幻觉"一塌糊涂，完全不能用"；开了就非常好，但速度变慢，思考强度开到medium就够。哔哩哔哩这其实和它的训练目标有关——它就是为"调用工具干活"训的，拿它当纯聊天模型用属于错位。想下载来当聊天替身的，可以省了。
第二，128K上下文对Agent任务真的紧。多个独立反馈都是"很小的任务很快就跑满"。哔哩哔哩Agent执行时，工具定义、屏幕截图、系统状态全在吃上下文，X平台的开发者甚至要先精简工具接口，任务才能顺利跑完。36氪想让它当那种挂机一整晚、处理大项目的Agent，128K是目前看得见的硬顶。
第三，中文日常不是强项。实测反馈是prefill超级快、回复延迟很低，但中文生成质量不如Qwen3.6 27B，可能和中文数据占比有关。哔哩哔哩也就是说，你手里的Qwen未必会被它淘汰。
还有一个容易被忽略的隐性成本：时间。同样一个任务，MuseGlimmer的token消耗大约是Qwen3.6的3.5倍。本地跑不烧钱，但烧时间——一个任务等17.7分钟，老显卡和Mac上延迟更高，急性子慎入。
三、你的硬件能跑到什么档
16GB显存（4060 Ti 16G、5060 Ti 16G）：官方门槛是24GB，量化后本体就接近20GB，就算塞得进去，KV缓存和视觉编码器也没地方放，基本不用试
24GB（3090、4090）：主力目标用户。UD-Q4_K_XL加长上下文是已验证路线；追求质量可以试UD-Q8_K_XL，实测写代码体验不错，但显存更紧张
32GB以上（5090）：可以舒服地开DFlash推测解码，官方测试5090解码提速3.1倍，生成速度能到75 token/s
Mac（M4 Max、M5 Max）：官方口径推测解码分别提速1.5倍、1.8倍，实测30 token/s上下，适合"不急速度"的任务，但MLX分支还不成熟。<#&!53#&!>36氪
无独显：不用勉强，这一波是给"手里有卡的人"准备的
四、上车还是等等？三类人三个建议
有24GB显卡、本来就玩llama.cpp或LM Studio：值得花一晚上。它是目前开源里Agent任务完成率最能打的一档，离线+隐私+不按token收费这个组合，暂时只有本地部署能给。配置建议：UD-Q4_K_XL量化，联网检索和工具打开，思考强度medium。
主力是中文聊天、日常写代码，手里Qwen3.6 27B用得好好的：不用换。它的强项是长流程、带工具调度的任务，不是中文日常对话，换了可能体验倒退。
没卡、或者不想折腾：等。扎克伯格的长文里已经预告了连Meta自己都读不到数据的"完全私密模式"个人Agent。36氪旗舰模型MuseSpark 1.2的权重开放也在预告里，Ollama、LM Studio的支持陆续接入，等生态成熟，入门门槛会比现在低得多。
五、最后照例算笔账
本地部署的持续成本只有电费：整机满载按600W、居民电价0.6元/度算，一小时约0.36元。对照一下，官方演示里"找到局域网Home Assistant并写一个控制面板"这种单条指令长流程任务，token消耗是几万起步的量级。36氪换成按token计费的云端API，每天跑几个Agent任务，一个月账单不会小。你已经有一张卡的话，MuseGlimmer相当于用接近零的边际成本，体验一线大厂的Agent能力——这张票值得上，前提是你接受上面三个坑。
继续观察三个信号：Ollama和LM Studio的正式支持时间、llama.cpp与MLX的优化进度、后续版本会不会放开上下文上限。这三件事到位，才是它真正全面上车的时候。
