Scale AI 开源 Muse 系列模型

核心亮点

Scale AI 宣布将很快发布 Muse Spark 1.2 的开源权重版本，同时推出 Muse Glimmer——一个 30B 参数的智能体模型，采用 Apache 2.0 协议开放权重。值得关注的是，Muse Glimmer 在仅 24GB 显存上即可运行，且不损失智能体可靠性，把“开源 + 低显存”的组合推到了新高度，让个人开发者也能玩得起大模型。

具体能力或事件经过

Scale AI 在公告中以线程形式预告了两款模型的进展。Muse Spark 1.2 的开源权重版本将面向社区开放，延续 Spark 系列的定位；Muse Glimmer 则明确指向智能体场景，强调在有限显存下保持任务可靠性。24GB 显存门槛意味着一张主流消费级显卡（如 RTX 4090）就能承载，大幅降低了本地部署成本与准入门槛。

技术细节

Muse Glimmer 为 30B 参数模型，但通过权重开放与推理优化，可在 24GB 显存内稳定运行。Apache 2.0 协议确保使用者能自由商用与修改。Scale AI 特别指出，显存压缩没有以牺牲智能体的任务可靠性为代价，说明其在量化或蒸馏环节做了针对性处理，使小显存环境下的输出质量仍可接受，避免了“省显存就变傻”的怪圈。

与竞品对比

在开源智能体模型中，24GB 显存可跑 30B 参数属于较友好的配置。许多同尺寸模型通常需要 40GB 以上显存才能流畅运行，Muse Glimmer 因此更适合个人开发者。相比闭源智能体服务，开放权重让用户拥有数据隐私和定制自由度，不必为每次调用付费，也方便在自有数据上继续微调。

行业影响或适用场景

Muse 系列的开源降低了智能体研究的参与门槛，个人和小团队也能在本地试验强大的 agent 能力。结合 Muse Glimmer 在消费级显卡上的可运行性，离线助手、本地自动化等场景将更容易落地。简单来说，Scale AI 正把高端智能体能力从云端拉到普通开发者的桌面上，推动生态进一步去中心化。

适用人群与注意事项

它最适合个人开发者、小团队和研究者，尤其是想在本地试验智能体能力、又不想被云账单绑住的人。24GB 显存门槛让主流消费卡就能承载，去中心化意味明显。但要注意，开源权重虽自由，配套的工具链、文档和社区生态可能还不如老牌开源模型成熟，上手初期要花时间踩坑。另外"不损失可靠性"是在 Scale AI 自测口径下成立的，真实长任务表现仍值得你用自己的场景验证。如果你需要的是开箱即用的托管服务，这个偏底层的开源模型未必最省心。