메타, 20GB 이하로 압축되는 30B 로컬 에이전트 모델 '뮤즈 글리머' 오픈소스 공개

뮤즈 글리머(Muse Glimmer)는 메타가 공개한 300억 파라미터(30B) 규모의 오픈소스 멀티모달 모델이다. 개인 기기에서 상시 구동되는 로컬 에이전트 환경에 맞춰 최적화되었으며, 아파치 2.0 라이선스로 배포되어 단일 GPU나 맥에서 완전히 오프라인으로 실행할 수 있다.

무엇을 할 수 있는가

단순한 텍스트 챗봇을 넘어, 개인 PC 안에서 도구를 실행하고 긴 작업을 끝까지 완수하도록 설계되었다.

독립된 2B 비전 인코더를 탑재해 텍스트와 이미지를 함께 처리한다. 화면 스크린샷, 차트, 복잡한 문서 등을 직접 보면서 맥락을 파악할 수 있다.

에이전트에게 중요한 신뢰성도 보강했다. 도구 호출이 실패하거나 예기치 않은 결과가 나오더라도 바로 멈추지 않고, 스스로 원인을 진단해 다시 시도하도록 학습되었다.

오픈클로(OpenClaw) 같은 에이전트 프레임워크와 호환되며, 추론 강도를 조절할 수 있고 100개 이상의 언어를 지원한다. 일정 관리, 파일 정리, 로컬 코드 작성 등 민감한 개인 데이터를 다루는 작업을 외부 유출 없이 처리하기에 적합하다.

일반 PC와 맥에서 어떻게 구동하는가

원래 30B 크기의 모델은 전체 정밀도로 구동할 때 55GB 이상의 메모리가 필요해 일반 소비자용 하드웨어에서는 감당하기 어렵다.

메타는 약 4비트 양자화 기술을 적용해 모델 크기를 20GB 미만으로 줄였다. 17GB 수준의 K-Quant 버전을 활용하면 24GB나 32GB 메모리 환경에서 비전 모듈 및 KV 캐시와 함께 여유 있게 구동된다.

긴 추론 과정에서 속도가 느려지는 문제를 풀기 위해 DFlash 기반의 가벼운 드래프터 모델도 함께 제공한다. 여러 토큰을 한 번에 예측하고 검증하는 추측 디코딩(Speculative Decoding) 방식을 써서 코드 작성처럼 구조화된 출력의 속도를 크게 끌어올렸다.

소비자용 단일 GPU인 엔비디아 RTX 5090이나 애플 M4 Max, M5 Max 맥북에서 부드럽게 돌아간다. 가중치는 허깅페이스에 공개되었으며 llama.cpp, MLX, vLLM, 올라마(Ollama) 등을 통해 즉시 실행 가능하다.

벤치마크 성능과 업계 반응

메타가 공개한 벤치마크에 따르면 뮤즈 글리머는 에이전트 도구 평가인 MCP Atlas에서 75.5점, 코딩 평가인 SWE-Bench Pro에서 51.2점을 기록해 비슷한 체급의 Gemma4-31B를 크게 앞섰다.

하지만 커뮤니티에서는 신중한 평가도 나온다. 일부 테크 유튜버와 분석가들은 공식 발표가 유리한 지표 위주로 구성되었다고 지적했다.

실제로 파라미터가 더 적은 Qwen3.6-27B와 비교했을 때 OSWorld-Verified에서는 큐웬이 75.6점인 반면 뮤즈 글리머는 65.9점에 그쳤고, 터미널 벤치마크(TerminalBench 2.1)에서도 뒤처졌다. 에이전트 도구 활용 능력은 뛰어나지만 모든 영역에서 경쟁 모델을 압도하지는 못한다는 평가다.

왜 중요한가

개인정보 보호가 중요한 개발자나 클라우드 비용을 아끼려는 사용자에게 뮤즈 글리머는 즉시 테스트해볼 만한 가치가 높다. 아파치 2.0 라이선스가 적용되어 상업적 프로젝트나 자체 개조에 제약이 없다.

그동안 고성능 자율 에이전트는 클라우드 인프라 의존도가 높았으나, 20GB 미만의 용량으로 실패 복구 능력과 시각 이해를 로컬 기기에 구현해 문턱을 낮췄다.

벤치마크 전반에서 경쟁자를 완전히 압도하는 것은 아니지만, 단일 소비자용 하드웨어에서 끊김 없이 돌아가는 안정적인 상시 에이전트를 구축하려 한다면 현시점에서 손꼽히는 오픈소스 선택지다.