Meta 的 Llama 已经停更一年多，接棒的 Muse Glimmer 走了 Apache 2.0

如果你还在等 Llama 的下一代，可以停了。

• →HuggingFace 上 meta-llama 组织最新的仓库创建于 2025 年 4 月 28 日，整个 2026 年没有任何模型
• →GitHub 的 meta-llama/llama-models 最后一次 push 停在 2026 年 2 月 11 日
• →llama.com 已经 301 永久跳转到 developer.meta.com/ai，最后落到一个 SSO 登录墙
• →Meta 的官方模型文档里只列五个模型族：Muse Spark、Muse Image、Muse Voice Transcribe、SAM、Muse Glimmer——Llama 一个字都没提

发布主体已经完全换成了 Meta Superintelligence Labs 的 Muse 系列。这两个月里，他们发了三个。

一、Muse Glimmer 30B：这两个月唯一的开源权重

8 月 10 日官方公告，HF 仓库实际创建时间是 8 月 9 日。

• →仓库 meta-models/Muse-Glimmer-30B，另有 -GGUF、-ExecuTorch-PTE、-assistant（3B 投机解码 drafter），全部非 gated，不用申请
• →总参约 29.6B，稠密 decoder-only，不是 MoE（含约 1.8B 的 ViT-G/14 视觉塔），52 层，GQA 32 个 Q 头 / 2 个 KV 头
• →上下文 131,072（128K），文本 + 图像输入，不支持音频，知识截止 2026-01-04
• →推理强度靠 system prompt 里写一行 Reasoning strength: low/medium/high/xhigh

许可证是 Apache License 2.0。这是实抓 LICENSE 文件确认的，标准 202 行全文。没有月活阈值、没有「Built with Llama」署名要求、没有品牌限制、没有针对特定地区的条款。

用过 Llama 社区许可的人应该知道这几条被拿掉意味着什么。Llama 那套协议里有个 7 亿月活的门槛、有强制署名、有品牌使用限制，每次给客户做合规说明都要额外解释半天。Apache 2.0 就是一句话的事。

一个要注意的地方：仓库里另挂了一份 USAGE_POLICY.md，写了一串禁止用途（18+、禁军事核生化、禁枪、禁关键基础设施、禁无照金融法律医疗、禁「故意绕过或移除安全措施」）。这份政策在法律上不是 Apache 2.0 的一部分——Apache 2.0 本身不含使用限制。部署前这个口径要自己和法务对一遍，别想当然地按「Apache 就是随便用」处理，也别反过来把它当成许可证限制。

二、分数：小尺寸里的强者，但别指望它打旗舰

官方给的（High Reasoning 档，对手是 Gemma4-31B 和 Qwen3.6-27B）：

表格可左右滑动

本地速度也给了：RTX 5090 上 74.9 tok/s，配 DFlash 投机解码能到 233.4 tok/s（3.1 倍）；量化到 K-Quant 17GB 只退化 1.0%。

17GB 这个数值得划重点。它意味着一张 24GB 的消费级卡就能跑，而且退化只有一个百分点。对国内想在本地跑一个常驻 agent 的团队，这是个很实际的门槛。

但要泼两盆冷水：

第一，它在对话偏好榜上排名很低。LMArena 上只到 #104（1427 分）。这不奇怪——它是从 Muse Spark 蒸馏出来的、面向端侧常驻 agent 的模型，强项在工具调用和任务执行，不在「聊得让人舒服」。你要拿它做 C 端聊天产品，先测一轮再说。

第二，30B 就是 30B。有媒体直接质疑它「太小，竞争不了」，打不过 Kimi K3 和 DeepSeek V4-Flash 那一档。这个批评是成立的——别指望一个 30B 稠密模型去干 2.8T 参数模型的活。

官方自己列的限制也很诚实：新颖的多步推理容易出错；没有针对视频优化，只按独立帧处理；不支持音频。

有一点我要单独说明：关于这个模型的智能指数，公开榜单上流传着不止一个数字，不同版本的指数口径也不一样。跨时间、跨版本引用第三方榜单分数之前，先确认指数版本号——这一季这类混淆特别多，后面还会讲到。

三、中国用户怎么拿：魔搭有镜像，但要验哈希

权重可以自由下载，无 gating、无地区限制。魔搭 ModelScope 上有镜像，标注 apache-2.0，直连可达。

但有个必须提醒的事：魔搭上那个 meta-models 是社区镜像号，不是 Meta 官方账号，组织简介里自己写的就是 "community mirror"。

社区镜像本身不是问题，它解决的是国内下载速度。问题是你没法假设它和官方仓库逐字节一致。正确做法是：从魔搭下载（快），然后用 HuggingFace 官方仓库的文件哈希校验一遍（慢但只做一次）。这一步花十分钟，省的是「线上模型行为莫名其妙和文档对不上」这种最难查的事故。

社区量化很全：unsloth 的 GGUF、AWQ-INT4、mlx-community 的 4bit、OpenVINO int4、NVFP4 都有。Mac 用户直接上 mlx 那一套。

四、Muse Spark 1.3：闭源旗舰，但有个便宜得离谱的档位

9 月 2 日发布，这是 Muse 线的闭源旗舰。

• →model id muse-spark-1.3 和 muse-spark-1.3-contributor
• →API base https://api.meta.ai/v1，同时支持 Responses、Chat Completions 和 Messages 三套协议
• →上下文 1,048,576，最大输出 943,718
• →输入支持文本、图像、视频、PDF；音频标注为「未完全支持，建议改用 1.2」
• →参数量、是否 MoE，官方完全没公开

价格分两档，差距大到需要解释：

表格可左右滑动

Contributor 档便宜了十几倍，代价写得很明白：你授权 Meta 用你的 prompt 和 completion 训练未来的模型。Standard 档则明确承诺「绝不用于训练」。

这是一笔要认真算的账。做内部工具、跑开源数据、做不涉密的内容生产——Contributor 档省下来的钱非常可观。碰客户数据、碰业务逻辑、碰任何有竞争价值的提示词工程——一分钱都不该省，你的提示词库本身就是资产。

另外 Contributor 档只有 100 RPM，跑不了量。它的定位其实是「个人开发者和小项目」，不是「省钱的生产方案」。

官方分数（1.3 用 max 档）：DeepSWE v1.1 75.4（1.2 是 55.0）、Terminal-Bench 2.1 88.8、GDPVal-AA v2 Elo 1754（同期 Claude Opus 5 是 1824）、MRCR v2 512K–1M 98.1（1.2 只有 55.5）。

但 max 这一档只有 Standard tier 能用，而官方所有 benchmark 都是用 max 档跑的——照着 Contributor 档的价格做预算，就跑不出那组分数。这一点被媒体专门批评过。

第三方实测和官方说法也对不上：官方称 1.3 编码时比 1.2 少约 25% token，而 Artificial Analysis 给它打的标签是 "very verbose"，首字延迟高达 24.12 秒（中位数 3.83 秒）。

官方 roadmap 里承诺过「Muse Spark 开源权重版」，截至 9 月 24 日没有兑现。

五、一件被低估的安全事故

8 月 14 日 Meta 发了一篇说明，承认：7 月初第三方评测机构 Irregular 的测试中，Muse Spark 1.1 真的找到并利用了一个真实网站的漏洞，访问并修改了数据库里的数据。根因是两条同时出问题——测试环境没断外网，评测方误把真实网站域名喂给了模型。

它的性质不是「模型有恶意」，而是一个有工具权限、有网络访问、被喂了真实目标的 agent，会真的去做它被要求的事。对照你自己的系统问三句：跑评测时网络是断的吗？测试数据里有没有指向真实生产系统的地址和凭据？工具集里有没有不该出现在测试环境的写操作？

三条任何一条挂了，风险和 Meta 踩的是同一个。Meta 至少有能力发现并公开，很多团队是出了事都不知道。

六、这条线变化的真正含义

2026 年春天 Meta 看起来要放弃开源，8 月 10 日又用 Muse Glimmer 回来，而且给的是 Apache 2.0——比 Llama 时代的社区许可实质性放宽。

对中国团队，结论可以很具体：

• →要一个能商用、能本地跑、带视觉、授权干净的 30B 模型：Muse Glimmer 和国产的 Qwen3.8-27B（同为 Apache 2.0）是同一格里的两个选项，两个都该测
• →Llama 那条老路可以从技术选型表里划掉了
• →Muse Spark 1.3 的 Contributor 档：非敏感场景可以用，敏感场景别碰，而且它跑不出官方那组分数
• →那份 USAGE_POLICY 要给法务看一眼，它不是许可证，但它是 Meta 的立场

还有一件事：Muse Spark 的 launch partner 名单里没有 AWS Bedrock，也没有 Groq。Meta 这次自己做 API 自己卖，不走云厂商分销。对国内想通过企业云合规接入的团队，这是一道少掉的门。