Muse Glimmer 30B im Test: Wie gut schreibt das lokale KI-Modell?

Die Stichprobe: 100 Paarurteile, zwei Juroren, 13 Aufgaben

Vor der Auswertung galt eine feste Untergrenze: mindestens zwölf veröffentlichte Urteile pro Juror, pro Sprache und für genau dieses Modellpaar. Diese Schwelle ist in allen vier Sprachen erreicht. Alle folgenden Punktanteile beziehen sich auf die 17GB-Fassung. Ein Wert unter 50 Prozent bedeutet also, dass Dynamic vorn liegt. Unentschieden zählen als halber Punkt.

• Deutsch: 40,0 Prozent für 17GB, 10 Siege, kein Unentschieden, 15 Niederlagen bei 25 Urteilen.
• Englisch: 64,0 Prozent, 14 Siege, 4 Unentschieden, 7 Niederlagen.
• Spanisch: 34,0 Prozent, 8 Siege, 1 Unentschieden, 16 Niederlagen.
• Französisch: 40,0 Prozent, 10 Siege, kein Unentschieden, 15 Niederlagen.

Beide Juroren zeigen in jeder Sprache in dieselbe Richtung. Im Deutschen gibt Claude Opus 5 der 17GB-Fassung 41,7 Prozent, GPT 5.6 Sol 38,5 Prozent; im Englischen sind es 58,3 und 69,2 Prozent, im Spanischen 37,5 und 30,8 Prozent. Kein Sprachergebnis hängt an einem einzelnen Juror.

Die Gegenrechnung: 25 Urteile je Sprache sind wenig. Ein einziges gekipptes Urteil verschiebt den Punktanteil um vier Prozentpunkte, ein zusätzliches Unentschieden um zwei. Dahinter stehen zudem nur 13 verschiedene Aufgaben. Die Zahlen tragen deshalb nicht die Aussage, man solle im Englischen anders quantisieren als im Spanischen. Die laufend erweiterten Auswertungen stehen unter Ergebnisse.

Offizielle Angaben: ein Agentenmodell, kein Prosaspezialist

Meta Superintelligence Labs hat Muse Glimmer 30B am 10. August 2026 veröffentlicht, laut eigener Ankündigung als offenes Agentenmodell für den lokalen Betrieb. Es ist ein dichter kausaler Transformer mit separatem Wahrnehmungsencoder, rund 29,6 Milliarden Parameter insgesamt, davon etwa 1,8 Milliarden im Bildencoder, verteilt auf 52 Textschichten. Es nimmt Text und Bilder entgegen und gibt Text aus. Das Kontextfenster ist auf 131.072 Token konfiguriert, der Wissensstand endet am 4. Januar 2026.

Wer damit schreibt, nutzt das Modell außerhalb des beworbenen Schwerpunkts. Genau deshalb lässt sich die Schreibqualität nicht aus Coding- oder Agentenbenchmarks ableiten, sondern nur aus schreibspezifischen Belegen. Zur Mehrsprachigkeit bleibt die Modellkarte vage: Die Trainingsdaten sollen mehr als 100 Sprachen umfassen, doch es fehlen Sprachliste, Tokenzahl, Sprachanteile, Datensatzverzeichnis und jede Angabe zu Korpora für kreatives Schreiben. Wie viel deutschsprachige Literatur eingeflossen ist, steht dort nicht.

17GB oder Dynamic: die Speicherrechnung

Offizielle Angaben: Meta liefert zwei Textquantisierungen. Die kleinere Datei misst 16,76 Gigabyte, genau 16.756.681.056 Byte, und zielt auf 24 Gigabyte Grafikspeicher. Dynamic misst 19,65 Gigabyte, genau 19.653.957.984 Byte, und zielt auf 32 Gigabyte. Den durchschnittlichen Qualitätsverlust gegenüber der unquantisierten Fassung beziffert Meta mit 1,0 Prozent für 17GB und 0,2 Prozent für Dynamic. Das sind Mittelwerte aus Metas eigener Auswertung, nicht nach Textsorten und schon gar nicht nach Schreibaufgaben aufgeschlüsselt.

Dazu kommen zwei optionale Bausteine: der Wahrnehmungsencoder mit 1,40 Gigabyte und ein Entwurfsmodell für beschleunigte Ausgabe mit 1,63 Gigabyte. Daraus ergeben sich vier realistische Pakete:

• 17GB, nur Text: 16,76 Gigabyte
• 17GB mit Bildencoder und Entwurfsmodell: 19,79 Gigabyte
• Dynamic, nur Text: 19,65 Gigabyte
• Dynamic mit Bildencoder und Entwurfsmodell: 22,69 Gigabyte

Das sind reine Dateigrößen vor Laufzeit- und Kontextaufwand. Wer nur schreibt und keine Bilder einliest, lässt den Wahrnehmungsencoder weg und spart 1,40 Gigabyte. Metas Durchschnittswert und unsere kleine Schreibstichprobe weisen nicht in dieselbe Gesamtrichtung: Unsere Urteile bevorzugen 17GB in drei Sprachen und Dynamic nur im Englischen. Ein Abstand von 0,8 Prozentpunkten im gemittelten Verlust ist klein, und 25 Urteile je Sprache machen einen so kleinen Unterschied nicht verlässlich sichtbar.

Lokal betreiben: Laufzeit, Datenschutz, Kontext

Welcher llama.cpp-Stand nötig ist und welche Laufzeitumgebungen das Modell vollständig unterstützen, dokumentiert das offizielle GGUF-Repository. Das gehört vor den Download geprüft, nicht danach. Für Rechner mit knapperem Speicher gibt es sparsamere Varianten von Drittanbietern. Grundlagen zur Einrichtung sammeln wir unter lokale KI.

Lokale Ausführung kann den Datenschutz verbessern, weil Entwürfe keinen Cloudanbieter erreichen. Das gilt aber nur, wenn Modell, Oberfläche, Erweiterungen und Protokollierung ebenfalls lokal bleiben. Backups, Telemetrie oder eine eingebundene Websuche tragen Text weiterhin nach außen. Wer mit unveröffentlichten Manuskripten oder vertraulichen Kundentexten arbeitet, prüft deshalb Netzwerkzugriffe und Speicherorte, statt sich auf das Wort lokal zu verlassen.

Auch die 131.072 konfigurierten Token sind keine Gratisreserve. Je länger der Kontext, desto mehr zusätzlicher Speicher, der in den Dateigrößen oben nicht enthalten ist. Ein konfiguriertes Fenster belegt zudem nicht, dass Details über die volle Länge erhalten bleiben. Für Überarbeitungen ist es meist ergiebiger, gezielt Kapitel, Stilvorgaben und Notizen einzuspeisen, als ein ganzes Buch zu laden.

Tempo: was die DFlash-Zahlen nicht versprechen

Für das optionale Entwurfsmodell nennt Meta deutliche Zuwächse: Auf einer Nvidia RTX 5090 steigt die Ausgabe von 74,9 auf 233,4 Token pro Sekunde, Faktor 3,1. Auf einem Apple M4 Max sind es 23,7 gegenüber 37,8 Token pro Sekunde, Faktor 1,5, auf einem M5 Max 26,6 gegenüber 50,2, Faktor 1,8.

Gemessen wurde mit Batchgröße 1 und Greedy Decoding, also ohne die Zufallsauswahl, die kreative Texte überhaupt erst variantenreich macht.

Als grober Vergleich zwischen Hardwareklassen taugen die Werte, als Versprechen für Prosa nicht. Wer mit höherer Temperatur und Sampling arbeitet, sollte sie nicht als erwartbare Geschwindigkeit übernehmen. Der Abstand zwischen Desktop-Grafikkarte und Notebook mit vereinheitlichtem Speicher bleibt trotzdem erheblich. Ob und wie stark eine höhere Denkstufe Latenz und Stil verändert, deckt unser Datenstand nicht ab; mehr Rechenzeit ist kein Beleg für besseren Stil.

Unabhängige Belege: Arena-Rang und Faktenrisiko

Stand 11. August 2026: In der Arena-Rangliste für kreatives Schreiben erreicht Muse Glimmer 30B einen stilkontrollierten Wert von 1372 bei einer Unsicherheit von 23 Punkten, gestützt auf 707 Stimmen. Der nominelle Platz 135 von 384 entspricht einem Rangintervall von 107 bis 155. In der Kategorie Schreiben, Literatur und Sprache sind es 1387 Punkte mit einer Unsicherheit von 20, 926 Stimmen und Platz 127 von 385, Rangintervall 97 bis 151.

Beide Momentaufnahmen sind früh, die Intervalle breit, und die Ranglisten geben nicht an, welche Quantisierung oder welche Denkstufe abgestimmt wurde. Sie beantworten unsere Quantisierungsfrage also nicht und lassen sich nicht mit den 25 Paarurteilen je Sprache verrechnen. Ablesen lässt sich ein solides Mittelfeld, keine genaue Platzierung. Auf den schreibspezifischen Ranglisten von EQ-Bench war das Modell zum Prüfzeitpunkt nicht vertreten, was kein negatives Ergebnis ist, sondern eine Lücke.

Artificial Analysis misst am 10. August 2026 einen Intelligenzindex von 35, einen Offenheitsindex von 44, 953 Elo im GDPval-Vergleich gegenüber einer menschlichen Grundlinie von 1000, einen Omniscience-Wert von minus 33 und eine Halluzinationsrate von 82 Prozent. Das sind keine Prosawertungen, aber sie beschreiben das Risiko beim faktischen Schreiben, und dieses Risiko ist hoch.

Empfehlung: welcher Download, welche Aufgaben

Mit 32 Gigabyte Grafik- oder vereinheitlichtem Speicher sollten Sie beide Fassungen testen. Meta gibt für Dynamic den geringeren mittleren Qualitätsverlust an, unsere kleine Stichprobe bevorzugt dagegen 17GB in drei Sprachen. Auf Deutsch erreicht Dynamic 40,0 Prozent und 17GB 60,0 Prozent der Punkte. Die 2,9 Gigabyte Mehrbedarf fallen bei dieser Ausstattung kaum ins Gewicht.

Mit 24 Gigabyte genügt die 17GB-Fassung. Der Unterschied zwischen 1,0 und 0,2 Prozent gemitteltem Verlust ist klein, im Englischen lag Dynamic in unserer Stichprobe vorn, und ohne Bildencoder bleibt es bei 16,76 Gigabyte zuzüglich Laufzeit und Kontext. Wer beides testen kann, sollte das mit identischen Prompts, gleichen Einstellungen und mehreren Aufgaben tun. Ein einzelner gelungener Absatz sagt weniger als eine wiederholbare Präferenz.

Für faktenlastige Texte ist das Modell nicht die erste Wahl. Die gemessene Halluzinationsrate spricht gegen unbeaufsichtigte Recherche, Zahlenzusammenfassungen und alles mit Zitaten. Sinnvoll ist der lokale Einsatz dort, wo Vertraulichkeit zählt und ohnehin redigiert wird: Entwürfe, Umformulierungen, Dialogvarianten, Strukturvorschläge. Vergleichspaare gegen Gemma 4 31B QAT Q4 oder Qwen 3.6 27B Q8, die dieselbe Urteilsschwelle erfüllen, enthält dieser Auszug nicht.

Zur Lizenz gehört eine Einschränkung, die leicht untergeht: Die Gewichte tragen das Etikett Apache 2.0, Meta stellt ihnen aber eine eigene Usage Policy zur Seite. Wer den lokalen Betrieb aus rechtlichen oder redaktionellen Gründen wählt, liest dieses Dokument, statt sich auf die Kurzformel offene Lizenz zu verlassen.