从 5 条内容中筛选出 2 条重要资讯。
科技新闻
- Meta 发布 30B 参数本地智能体模型 Muse Glimmer ⭐️ 8.0/10
- GitHub Models 退役，影响 GitHub Actions 中的 LLM 工作流 ⭐️ 7.0/10
科技新闻
Meta 发布 30B 参数本地智能体模型 Muse Glimmer ⭐️ 8.0/10
Meta 发布了 30B 参数模型 Muse Glimmer，专为始终在线的本地智能体工作流优化，旨在提升本地硬件上的部署效率。该发布引发社区高度关注，有评论将其与 Qwen3.8 27B 进行比较，并注意到密集 30B 模型的回归。Meta 还宣布将发布 Muse Spark 1.2 的开放权重版本，进一步扩展其开放权重模型生态。已有用户通过 Ollama 和 GGUF 格式在本地运行 Muse Glimmer，反馈效果良好但运行速度较慢。
hackernews · riordan · 8月10日 10:10 · 社区讨论
「背景」 Muse Glimmer 是 Meta 发布的一款 30B 参数因果语言模型，配备专用感知编码器，从 Muse Spark 蒸馏而来，旨在消费级硬件上运行自主智能体任务。该模型已提供 GGUF 格式，便于通过 Ollama 等本地工具部署，同时 Meta 还计划发布 Muse Spark 1.2 的开放权重版本。此类本地可运行模型近期备受关注，例如 Qwen3.8 27B 也即将发布，形成对比。
「影响」 Muse Glimmer 作为 300 亿参数的开放模型，可在配备单张消费级 GPU 的 Mac 或 PC 上运行，使开发者能够在本地部署始终在线的智能体工作流，并支持函数调用、编程和 LLM-as-a-judge 评估，从而减少对云服务的依赖。其稠密架构虽在每 token 上激活全部参数，但避免了专家混合模型的路由开销，可为复杂多步任务提供可预测的延迟和长上下文连贯性。
「社区讨论」 社区意见普遍积极，用户期待 Muse Glimmer 与 Qwen3.8 27B 的对比，并认为 Muse Spark 1.2 开放权重是更重大的消息，有利于自托管和 Meta 在美国开放权重模型中的竞争地位。另有用户分享了在旧硬件上运行 Muse Glimmer 的实际体验，指出速度较慢但结果可接受。
参考链接
- meta-models/Muse-Glimmer-30B · Hugging Face
- meta-models/Muse-Glimmer-30B-GGUF · Hugging Face
- Run Local Agentic AI Workflows with Meta’s Muse Glimmer on NVIDIA | NVIDIA Technical Blog
- Introducing Muse Glimmer: An Open Agentic Model That Runs on Your Device | Meta AI Research
- Inside Meta’s Muse Glimmer Launch and the Push for Local AI | AI Magazine
标签: #Meta, #open-source-ai, #local-ai, #agentic-models, #LLM
GitHub Models 退役，影响 GitHub Actions 中的 LLM 工作流 ⭐️ 7.0/10
GitHub 已于 2026 年 7 月 30 日通过 changelog 宣布 GitHub Models 正式退役。Simon Willison 在 GitHub Actions 中运行 simonw/research 仓库时遇到报错“GitHub Models is temporarily unavailable as part of a scheduled retirement brownout”，但该提示已经过时，退役流程已完整结束。GitHub Models 提供一个模型 playground 和统一 API，支持跨多家 LLM 提供商，最大好处是 GitHub Actions 中的代码可直接使用环境中已有的 GitHub API key 调用提示。GitHub 未公布关闭原因，Willison 推测编码代理模式使免费或补贴 token 的成本过高。为此，他已改用带月度限额的 OpenAI API key，并使用 GPT-5.6 Luna 生成为仓库 README 创建文件夹摘要的 LLM 调用。
rss · Simon Willison · 8月9日 22:48
「背景」 GitHub Models 是 GitHub 提供的模型实验场和统一 API，聚合多个 LLM 提供商，核心卖点是 GitHub Actions 工作流可以直接复用环境内置的 GitHub API key 来执行提示，从而简化 GitHub Next“Continuous AI”概念下的自动化任务。这个模式让开发者能低成本地在 CI/CD 中嵌入 LLM 能力，但也让 GitHub 承担了 token 成本。
「影响」 依赖 GitHub Models 在 GitHub Actions 中运行 LLM 的开发者须改用自有 API 密钥（如 OpenAI、Anthropic 等）并自行配置额度，否则现有工作流会因服务退役而中断。对许多个人和开源项目而言，这是一次需要立即迁移的破坏性变更。
标签: #GitHub, #LLM, #GitHub Actions, #API retirement, #developer tools