【日次ログ】Muse Glimmerのローカル実行：メモリ・通信・費用の確認点

Muse Glimmerの公開はローカル実行の選択肢を増やすものですが、重みがメモリに収まること、仕事を任せられること、外部へ情報を送らないことは別の確認項目です。2026年9月5日、初稿を公式資料で再確認し、導入条件を広く言い切っていた部分を改めました。

モデルのダウンロード、推論、速度測定、日本語評価は行っていません。本記事は資料照合と導入前の判断材料を整理した記録です。表紙は初稿時の告知であり、読者のPCでの動作確認を示すものではありません。

1. Metaが公開したものと、この記事で確認した範囲

Metaの8月10日付発表は、Muse Sparkからの蒸留を用いた30B級のモデルを、ローカルのエージェント処理向けに公開したと説明しています。画像とテキストを入力し、テキストを出力するモデルで、ツール呼び出しなどを想定しています。

ただし、重みそのものをダウンロードすれば、ファイル操作や外部サービスへの接続まで完成するわけではありません。推論を動かすソフト、使う道具、権限、エラー時の処理を含めたシステムとして確認する必要があります。

初稿の「これまでは自律実行はクラウドAPIに送るしかなかった」という説明も撤回します。今回の公開を根拠に、それ以前にローカル実行の選択肢がなかったとは言えません。

2. 重みの容量と、動作に必要な余裕を分ける

Metaは、およそ4ビットへの量子化により言語モデルの重みを20GB未満へ抑え、作業用メモリや画像処理・補助モデルを含め24GBまたは32GBの構成で動かす説明をしています。これは「メモリが20GBあればどんな条件でも使える」という意味ではありません。

公式モデルカードの目標ハードウェア欄では、Full Precisionが64GB VRAM、K-Quant-Dynamicが32GB VRAM、K-Quant-17GBが24GB VRAMです。形式ごとの目標値であり、あらゆる入力長や同時処理数での最低要件として読み替えないでください。

手元で確認するもの	読み違えやすい点
重みの形式と容量	30Bというモデル規模だけで必要メモリは決まらない
実行時の空きメモリ	ファイル容量と、推論中の使用量は同じではない
入力長・画像・同時処理数	一度起動できても、想定する仕事で安定するとは限らない
OS・推論ソフト・対応版	対応予定という発表と、導入する版での動作は別
補助モデルなどの構成	速度評価と違う構成なら、同じ速さを前提にしない

発表にはM4 Max、M5 Max、RTX 5090での測定例があります。ただし、機種名が同じでも搭載メモリや実行構成の確認が必要です。GPUメモリとシステム全体のメモリも区別します。今回、それらの機材を使った追試はしていません。

3. 提供者の評価は、自分の日本語業務の結果ではない

モデルカードは100以上の言語を含む学習データに言及する一方、すべての言語を評価済みではないと明記しています。初稿の「対応言語100以上」だけでは、この限界が伝わりませんでした。

また、量子化後の品質差が小さいという説明や速度比較はMetaの評価です。本サイトの測定値ではありません。日本語の固有名詞、長い資料、決められた出力形式、複数回のツール操作で、同じ結果になる保証にはできません。

導入前の小さな試験では、正解を判定できる課題を使います。たとえば公開文書から必要な項目を抽出するなら、欠落・誤記・形式違反を別々に数え、所要時間と修正時間も残す。その結果で、任せる工程と人が確認する工程を決めます。この例は試験設計の提案であり、Muse Glimmerで実行した結果ではありません。

4. 実務の費用と通信は「機材の固定費」だけにならない

ローカル推論を選ぶと、モデルへの入力を外部推論サービスへ送らない構成を検討できます。しかし、検索・メール・クラウド保存など外部の道具を組み合わせれば、その経路で情報を送ります。モデルをローカルに置くだけで、エージェント全体がオフライン完結するわけではありません。

費用も、機材代だけでなく電力、保守、更新、失敗時の修正、必要なら外部サービスの利用料が残ります。初稿の「月に数千円のAPI利用なら移す理由はない」という一律の判断は取り下げます。費用以外に通信制約や待ち時間などの要件があり、比較条件がなければ結論を出せないためです。

確認手順は次の順序を想定します。

任せたい一つの工程と、扱ってよい非機密データを決める。
導入する形式・版と手元の機材を照合する。購入は既存機材で検討できる範囲を確認してから判断する。
小さな同一課題で、完了率・修正時間・所要時間・メモリ使用量を記録する。
使用する道具の通信先とログの保存先を確認する。実データを渡す前に情報の流れを整理する。
費用と品質を比較し、任せる範囲を限定する。外部への送信や取り消しにくい操作の確認は残す。

難しい工程だけクラウドへ渡す案でも、その時点でどの資料を外へ出すかを確認します。外部送信を避けたいデータを、そのままフォールバック先へ渡す設計にはできません。

5. ライセンスと今回の訂正

モデルカードはApache 2.0での公開を案内していますが、初稿の「商用利用に条件が付かない」は不正確でした。ライセンス本文には、再配布時のライセンス添付や変更表示、必要な通知の保持などの条件があります。許諾があることと、義務が一切ないことは別です。具体的な配布・商用化では適用条件を確認してください。

9月5日の改稿では、ローカル実行を初めて可能にしたという見せ方、メモリ・言語の広い断定、固定費だけへの置換、無条件の商用利用という説明を訂正しました。実機の性能・通信・総費用は未検証です。まず既存機材と一つの用途を照合する判断材料として利用してください。