Meta: Muse Glimmer 30B

Meta: Muse Glimmer 30B는 Meta Superintelligence Labs가 개발한 Meta의 dense, open-weight 멀티모달 모델입니다. Muse Spark에서 distilled되었으며 소비자 하드웨어에서 자율 에이전트에 최적화되어 있습니다. 텍스트 카테고리에 속하며 장기 작업(long-horizon work)에 포지셔닝되어 있어, 단발성 프롬프트와 응답 작업보다는 에이전트 스타일 애플리케이션의 후보가 됩니다.

이 모델은 텍스트와 이미지 입력을 받아 텍스트 출력을 생성합니다. 컨텍스트 윈도우는 131072 토큰이고 최대 출력 길이는 16384 토큰입니다. 추론을 지원하며 include_reasoning 및 reasoning 파라미터를 통해 노출되고, reasoning_effort로 모델이 수행하는 추론 작업량을 제어할 수 있습니다. 텍스트뿐 아니라 이미지도 처리하므로 스크린샷, 다이어그램 또는 기타 시각 자료를 요청의 일부로 받을 수 있지만, 반환되는 모든 것은 텍스트입니다.

이러한 기능은 몇 가지 실용적인 용도를 시사합니다. 큰 컨텍스트 윈도우, 도구 호출, 추론 제어의 조합을 고려하면 장기 에이전트 워크플로가 가장 명확한 적합 용도입니다. 도구 사용은 tools 및 tool_choice 파라미터를 통해 지원되므로 모델을 함수 호출 루프에 연결할 수 있습니다. structured_outputs와 response_format을 사용하면 응답을 스키마로 제한할 수 있어 추출, 분류, 데이터 파이프라인에 적합합니다. 이미지 입력은 모델이 행동하기 전에 스크린샷이나 문서 이미지를 읽어야 하는 작업으로 이를 확장합니다. 16384 토큰 출력 상한은 다단계 에이전트 실행을 계획할 때 염두에 둘 만합니다. 긴 추론 흔적과 도구 결과가 그 예산을 소비하기 때문입니다.

모델은 api14의 OpenAI 호환 API를 통해 모델 id "meta/muse-glimmer-30b"로 호출합니다. 지원되는 요청 파라미터는 frequency_penalty, include_reasoning, logit_bias, max_tokens, min_p, presence_penalty, reasoning, reasoning_effort, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_p입니다. 샘플링은 temperature, top_p, top_k, min_p로 조정할 수 있고, seed, stop, logit_bias 및 페널티 파라미터는 결정성과 반복에 대한 더 세밀한 제어를 제공합니다. 추론 동작은 reasoning 및 reasoning_effort 파라미터를 통해 별도로 구성합니다.

출력 상한과 텍스트 전용 출력 모달리티 외에 명시된 제한은 없습니다. 작업에 오디오나 비디오 입력이 필요하거나 텍스트가 아닌 형식의 출력이 필요하다면 이 모델은 이를 제공하지 않습니다. 도구, 이미지, 추론이 필요 없는 단순한 짧은 프롬프트에는 더 작거나 단순한 모델이 더 경제적인 선택일 수 있지만, 여기 있는 사실만으로는 구체적인 대안을 특정하지 않습니다.