Muse Glimmer 30B im Schreibtest: Vergleich mit lokalen Konkurrenten
Aktualisiert mit 1 500 gewerteten Duellen je Build und Sprache. Der K-Quant-Dynamic-Build ist mit 77,6 Punkten das beste lokale Modell für englische Texte; auf Französisch, Deutsch und Spanisch ist der kleinere 17GB-Build die richtige Wahl.
Zuerst das Urteil. Muse Glimmer 30B ist ein fähiger lokaler Generalist, der auf eigener Hardware brauchbare Prosa liefert, ohne Umweg über die Cloud. Im August, mit 100 Urteilen, nannten wir ihn interessant. Mit 1 500 gewerteten Duellen je Build und Sprache ist er heute das beste lokale Modell in Englisch und in den drei anderen Sprachen unter den ersten fünf. Ein Spitzenmodell ist er weiterhin nicht: Die besten Cloud-Modelle erreichen in jeder Sprache 94 bis 99 Punkte, Muse Glimmer 56 bis 78.
Das Duell: K-Quant 17GB gegen Dynamic
Meta liefert zwei offizielle Quantisierungen des Textmodells, die erste Frage lautet also, welche Datei man lädt. Zwei Arten von Belegen beantworten sie: die direkten Duelle zwischen den beiden Builds, 26 je Sprache, und die Scores beider Builds in den Hauptranglisten, wo jeder Build 55 andere lokale und Cloud-Modelle getroffen hat.
| Ausgabe | Anteil von Dynamic im direkten Duell | Score 17GB (Rang) | Score Dynamic (Rang) |
|---|---|---|---|
| Englisch | 63,5 % (14 Siege, 5 Unentschieden, 7 Niederlagen) | 64,4 (28.) | 77,6 (18.) |
| Französisch | 38,5 % (10, 0, 16) | 73,3 (25.) | 69,0 (29.) |
| Deutsch | 40,4 % (10, 1, 15) | 65,9 (32.) | 61,4 (37.) |
| Spanisch | 34,6 % (8, 2, 16) | 63,0 (31.) | 56,4 (40.) |
Beide Methoden stimmen in jeder Sprache überein. Dynamic gewinnt Englisch klar; 17GB gewinnt die drei anderen. Die August-Fassung dieses Artikels zeigte auf 25 Duellen je Sprache bereits dieselbe Aufteilung. Sie hat sich nicht bewegt, und die Ranglisten, gebaut auf sechzigmal mehr Daten, bestätigen sie. Eine Erklärung haben wir nicht: Meta gibt für Dynamic die geringere durchschnittliche Verschlechterung an, und in drei von vier Sprachen bevorzugen unsere Juroren die Datei mit der höheren angegebenen Verschlechterung.
Gegen die lokalen Konkurrenten
Punkteanteil jedes Muse-Glimmer-Builds im direkten Duell, etwa 20 Duelle je Zelle. Ein Sieg zählt einen Punkt, ein Unentschieden einen halben.
| Gegner | EN 17GB / Dyn | FR | DE | ES |
|---|---|---|---|---|
| Gemma 4 31B Q8_0 | 64 / 78 | 80 / 81 | 45 / 52 | 33 / 41 |
| Qwen3.6 27B Q4_K_M | 65 / 71 | 75 / 75 | 58 / 63 | 55 / 71 |
| Qwen3.6 35B A3B Q4_K_M | 57 / 81 | 75 / 85 | 67 / 65 | 63 / 73 |
| Qwen3.8 27B Q4_K_M | 43 / 57 | 62 / 35 | 71 / 50 | 82 / 50 |
| Nemotron 3 Nano 30B A3B Q4_K_M | 95 / 100 | 95 / 100 | 100 / 91 | 91 / 90 |
Muse Glimmer schlägt Nemotron 3 Nano fast immer und Qwen 3.6 in Englisch und Französisch deutlich. Gemma 4 31B Q8_0 ist der Konkurrent, der das Blatt wendet: Muse Glimmer gewinnt gegen ihn in Englisch und Französisch und verliert in Deutsch und Spanisch, passend zu den Ranglisten, in denen Gemma 4 31B das beste lokale Modell für Deutsch ist. Qwen3.8 27B ist der neuere, härtere Konkurrent; die Stichprobe ist klein (10 bis 17 Duelle) und die Richtung wechselt mit der Sprache.
Was Muse Glimmer 30B eigentlich ist
Meta Superintelligence Labs veröffentlichte das Modell am 10. August 2026 als offenes agentisches Modell. Meta macht keine Aussage zur Prosaqualität. Die Modellkarte beschreibt einen dichten Transformer mit separatem Wahrnehmungs-Encoder, rund 29,6 Milliarden Parameter, davon etwa 1,8 Milliarden im Vision-Encoder, über 52 Textschichten. Der konfigurierte Kontext beträgt 131 072 Token; der Wissensstand endet am 4. Januar 2026. Meta nennt Trainingsdaten aus über 100 Sprachen, veröffentlicht aber keine Liste, was unsere eigenen Ergebnisse je Sprache relevant machen.
Speicher und Geschwindigkeit
| Build | GGUF-Datei | Mit vollem 128K-Kontext | Metas VRAM-Ziel | Gemessene Geschwindigkeit (Strix Halo) |
|---|---|---|---|---|
| K-Quant 17GB | 15,6 GB | 22,1 GB | 24 GB | 8,8 Tok/s |
| K-Quant Dynamic | 18,3 GB | 24,8 GB | 32 GB | 8,0 Tok/s |
Der optionale Wahrnehmungs-Encoder braucht 1,4 GB und wird nur für Bilder gebraucht; der optionale spekulative Drafter 1,6 GB. Wer nur Text schreibt, lässt beides weg. Beide Builds sind auf unserer Maschine langsam, 8 bis 9 Token pro Sekunde einschließlich Reasoning-Token: Gemma 4 26B A4B liefert auf derselben Hardware 20 bis 40 Token pro Sekunde.
Sollte man damit schreiben?
Für Deutsch ist der 17GB-Build eine brauchbare Wahl für eine 24-GB-Karte, allerdings hinter Gemma 4 31B (Q8_0 oder Q6_K) und Qwen3.8 27B Q8_0, den beiden Alternativen, die Sie an eigenen Texten testen sollten. Wie bei jedem Modell auf dieser Website sagt nichts hier etwas über faktische Richtigkeit; die Duelle beurteilen das Schreiben, Tatsachenbehauptungen bleiben zu prüfen.