AI PCナビ使うAIと、させたい仕事に合うPC・Macを。
トップ › モデル別 › Muse-Glimmer 30B

Muse-Glimmer 30B を動かすPCスペック（必要VRAM・メモリ・速度の目安）

meta-models ・ 公開 2026-08 ・ 27.85Bパラメータ ・ データ更新 2026-10-02

28Bクラスの画像対応モデル。Apache 2.0。VRAM 24GB / Mac 48GB向け

12GB4bitで動かすのに要るメモリ（会話8,192トークン分込み）
VRAM 16GB実用になるいちばん安いGPU: GeForce RTX 5080
24GB実用になるいちばん小さいMac: M5 Pro（24GB）
131,072最大コンテキスト（学習時）

編集部の見立て

Meta Superintelligence Labが大型のMuse Sparkから蒸留した、画像も読めるdense型の約30Bモデルです。家庭用の機材で自律エージェントを動かす前提で作られ、ツール呼び出しの失敗から立て直す動きまで学習したと配布元は説明しています。

主な量子化はQ5_K_M（17.9GB）で、8kの文脈を足して19.1GB。Radeon RX 7900 XTで推定24.9tok/s、M2 Max（32GB）は推定15.5tok/sの実用域です。GPUなしの32GB機は推定1.2tok/s。毎回すべての重みが動くdense型なので、GPUなしは対象外です。

量子化別の必要メモリ

ファイルサイズは Hugging Face（unsloth/Muse-Glimmer-30B-GGUF） に置かれている実際のファイルサイズです。KVキャッシュ（会話の作業メモリ）は8,192トークン・fp16として、モデルの構造（52層・うち39層は直近の範囲だけを見る層）から計算しています。必要メモリの合計には計算用のバッファも含めています。

量子化ファイルKVキャッシュ（8k）必要合計GPUならMacなら
2bit（IQ2_M）
品質劣化大。最後の手段		11GB0.2GB12GBVRAM 16GB〜24GB〜
3bit（IQ3_M）
メモリ優先		13GB0.2GB14GBVRAM 16GB〜24GB〜
5bit（Q5_K_M）
品質重視		18GB0.2GB19GBVRAM 20GB〜32GB〜
8bit（Q8_0）
無劣化に近い		28GB0.2GB29GBVRAM 32GB〜48GB〜
16bit（BF16）
元精度		52GB0.2GB54GBGPU単体では不可96GB〜

モデルの構造と、必要メモリの増え方

Muse-Glimmer 30Bはmeta-modelsが2026年8月に公開した27.85Bのモデルです。GGUFのヘッダには52層と書かれており、全パラメータを毎回読み出すdense型なので、生成速度はファイルサイズとメモリ帯域幅でほぼ決まります。注意機構は混合型で、全域注意が13層、残り39層は窓2,048トークンのスライディングウィンドウです。

コンテキストに比例して増えるのは全域注意の13層ぶん（1トークンあたり約13KB）だけで、スライディングウィンドウの39層は窓2,048トークンぶん（約0.1GB）で頭打ちになります。実際の値は、8,192トークンで0.2GB、学習時の上限131,072トークンまで伸ばすと1.7GBです。

ライセンス表記: apache-2.0（層数と窓の大きさはGGUFヘッダから取得）

このモデルを実際に使うなら

画像を読むときは本体とは別に約1.8Bの知覚エンコーダが動き、配布元は投機的デコード用の小さな下書きモデルDFlashも同梱しています。3つを同時にメモリへ置く想定は4bit前後で24GBか32GBの枠なので、19.1GBぎりぎりの機材では画像や高速化の分まで収まりません。

GGUFで画像を使うなら、画像用ファイルが別配布かを先に確かめましょう。52層のうち全域注意は13層で、残る39層は窓2048の局所注意。窓の層のKVは2,048トークンで頭打ちになり、長文で増えるのは全域の層ぶんの1トークン13KBです。上限の131,072トークンでも約1.6GB。比べる相手は同じ27B級のQwen3.6 27BとGemma 3 27Bです。

このモデルの系統

GGUFヘッダに書かれたアーキテクチャはmuse-glimmerで、当サイト収録の204モデル中1本が同じ系統です。ツール側の対応状況は、使う前に確認しておくと確実です。

配布元はunsloth/Muse-Glimmer-30B-GGUF、元になったモデルはmeta-models/Muse-Glimmer-30Bです。

得意分野は画像を含む文書の読み取りです。

コンテキスト長を伸ばすと必要メモリはどう増えるか

長い文書を渡す、会話を続ける、コードベース全体を読ませる。こうした使い方ではコンテキスト長を伸ばしますが、その分KVキャッシュがメモリを食います。2bit（IQ2_M）（11GB）を前提に、コンテキスト長ごとの必要メモリを計算しました。このモデルは52層のうち39層がスライディングウィンドウ注意（窓2,048トークン）なので、長くしてもKVが伸びにくい構造です。

コンテキストKVキャッシュ必要合計必要なGPU必要なMac
4,0960.1GB12GBVRAM 16GB〜24GB〜
8,192既定0.2GB12GBVRAM 16GB〜24GB〜
16,3840.3GB13GBVRAM 16GB〜24GB〜
32,7680.5GB13GBVRAM 16GB〜24GB〜
65,5360.9GB13GBVRAM 16GB〜24GB〜
131,0721.7GB14GBVRAM 16GB〜24GB〜

KVキャッシュをq8_0に量子化すると、32,768トークンでのKVは約0.5GBから約0.2GBに減ります（品質はわずかに落ちます）。

同じサイズ帯の他のモデル

モデル開発元4bitで必要一言
Qwen3.8 27BAlibaba17GB2026年8月公開の27Bのdense型。GGUF公開モデルではダウンロード数が最多クラス。VRAM 24GB / Mac 48GB向け
Gemma-2-Llama-Swallow 27BSwallow（東京科学大学・産総研）19GBGemma 2 27Bの日本語強化版。VRAM 24GB向け
Gemma 3 27BGoogle17GBVRAM 24GB向け。日本語品質は最上位クラス
AREX-2 27BBAAI（北京智源）18GB答えを出し、点数やエラーを読んで作り直す周回を重ねる前提で鍛えたBAAIの27B。Apache 2.0。VRAM 20GB / Mac 32GBから
UI-Mate 27BTencent18GBUI-Mateの上位27B。VRAM 24GB / Mac 48GB向け
Fara1.5 27BMicrosoft18GBMicrosoft Researchのブラウザ操作エージェント用27B。画面のスクリーンショットを見て操作する。MIT。VRAM 20GB / Mac 24GBから

2bit（IQ2_M）が動く機種と推定速度

2bit（IQ2_M）なら54機種で20 tok/s以上、17機種で8〜20 tok/s（テキスト生成の推定・計算方法）。

快適 20 tok/s以上（54機種）

実用 8〜20 tok/s（17機種）

遅い 動くが遅い（11機種）

メモリに一部を逃がせば動く（41機種・CPUオフロード、PCのメモリ32GB想定）

動かない機種（17）を見る

今のPCのまま、Muse-Glimmer 30Bを動かすために足すもの

PR: 以下はAmazonアソシエイトの広告リンクを含みます。価格の目安は執筆時点のもので変動します。価格・在庫はリンク先でご確認ください。

NVMe SSD / 外付けSSD 2TB

Muse-Glimmer 30Bは2bit（IQ2_M）で11GB、8bitのQ8_0なら28GB。精度違いを3種類そろえるだけで約42GB使います。何本か試すうちに、まず内蔵SSDが先に埋まります。Macは内蔵を増設できないので外付けが前提です。

Amazonで「NVMe SSD 2TB」を見る →Amazonで「外付けSSD 2TB USB 3.2」を見る →

メモリ増設（32GB化）

VRAMに載りきらない分は、システムメモリに逃がして動かせます（CPUオフロード）。Muse-Glimmer 30Bは12GB要るので、VRAM 12GBのカードなら約1.0GBをメモリ側で受ける計算です。メモリ16GBのままだとOSとブラウザで詰まるので、32GBが下限。

Amazonで「DDR5 16GB 2枚組」を見る →Amazonで「DDR5 SO-DIMM 16GB 2枚組」を見る →Amazonで「DDR4 16GB 2枚組」を見る →

GPUを1枚替える: RTX 5060 Ti 16GB

「あと数GB足りない」を埋めるのに、PC一式を買い替える必要はありません。RTX 5060 Ti 16GBなら2bit（IQ2_M）の12GBがVRAMに収まります。先に見るのは、今のケースに入る長さか、電源の容量と補助電源のコネクタが足りるかの2点です。

Amazonで「RTX 5060 Ti 16GB グラフィックボード」を見る →

ローカルLLM / AIエージェント入門書

Muse-Glimmer 30BのようなGGUF版のモデルを落として動かす手順、量子化の選び方、Ollama と LM Studio の使い分けは、一冊まとまったものを手元に置くと早い。

Amazonで「ローカルLLM 本」を見る →Amazonで「AIエージェント 開発 本」を見る →

Muse-Glimmer 30Bを動かせるPC・Macを今日買うなら

PR: 以下はAmazonアソシエイトの広告リンクを含みます。価格の目安は執筆時点のもので変動します。価格・在庫はリンク先でご確認ください。

ぴったり自作

自作: RTX 5070 Ti（16GB）・メモリ32GB

BTOより同予算で一段上のGPUに届く。画像生成とローカルLLMの定番

Ryzen 7 9700X・DDR5 16GB×2・RTX 5070 Ti・NVMe 2TB・電源850W ・ 目安 27〜35万円

要件を満たす中で最も手頃

Amazonで「RTX 5070 Ti 16GB」を見る →
余裕を持つなら自作

自作: RTX 5090（32GB）・メモリ96GB

動画生成・学習・32BクラスのLLM。メモリ96GBあれば、大型のMoE型を一部メインメモリに逃がして動かせる

Ryzen 9 9950X・DDR5 48GB×2・RTX 5090・NVMe 4TB・電源1000W・大型ケース ・ 目安 60〜80万円

将来の用途拡張（大きなモデル・並列エージェント）に余裕

Amazonで「RTX 5090」を見る →
別の形ならMac

Mac mini M4 Pro（メモリ48GB・SSD 1TB）

30BクラスのローカルLLMとエージェント並列運用を1台で。コスパの中心

M4 Pro・ユニファイドメモリ48GB・SSD 1TB・帯域273GB/s ・ 目安 30〜36万円

Macで同じ仕事をするなら

Amazonで「Mac mini M4 Pro 48GB」を見る →

よくある質問

Muse-Glimmer 30Bを動かすのに必要なVRAMは？

4bit量子化（2bit（IQ2_M））でファイル11GB、8,192トークンのKVキャッシュを含めて約12GBが必要です。GPU単体ならGeForce RTX 5080（VRAM 16GB）から実用速度で動きます。

Muse-Glimmer 30BはMacで動く？

動きます。ユニファイドメモリ24GB以上のApple Silicon（例: Apple M5 Pro（24GB））なら、4bit量子化で実用的な速さが出ます。

このクラスの選び方: ローカルLLM（27〜32Bクラス）に必要なPC / MacかWindowsか

手持ちのPCで判定する