Meta「Muse Glimmer」とQwen「Omni-Flash」――2026年9月下旬のオープンソース・ローカルLLM動向

2026年9月25日

今回はローカルで動かせるオープンウェイトLLMの動きを中心に取り上げる。Metaが「Muse Spark」系の閉じたモデルとは別に、Apache 2.0ライセンスで30Bのローカルエージェント向けモデル「Muse Glimmer」を公開し直したこと、AlibabaのQwenチームが音声・映像まで扱う代理人型モデル「Qwen3.8-Omni-Flash」を投入したこと、そしてllama.cppやOllamaまわりの推論最適化・量子化の進展を紹介する。

Meta「Muse Glimmer」――ローカルAIエージェントへの本気復帰

Meta Superintelligence Labsは8月に公開したMuse Glimmerを、この9月もエコシステム側の対応が進んだことで改めて注目を集めている。約30Bパラメータの密なアーキテクチャで、120K トークン超のコンテキストウィンドウを持ち、単一の消費者向けGPU（24〜32GB級）上で常時稼働するAIエージェントとして動作するよう設計されている。Metaが自社のクローズドモデル「Muse Spark」系列とは別に、Apache 2.0ライセンスで重みを全面公開した点が特徴で、UnslothやOllama、LM Studio向けの量子化版もすでに揃っている。

推論を高速化する仕組みとして、小さな補助ネットワーク「DFlash」がトークンをまとめて予測し、本体モデルがそれを検証するという投機的デコーディングの一種を採用しており、出力品質を保ったまま生成速度を上げているのが技術的な見どころだ。AMD・Arm・Dell・Intel・NVIDIAといったハードウェアパートナーとの最適化も進めており、単体GPUでの常時稼働エージェントという用途を強く意識した設計になっている。

出典: Meta Superintelligence Labs公式ブログ

Qwen3.8-Omni-Flash――音声・映像もこなす代理人型モデル

AlibabaのQwenチームは、次世代のネイティブ・オムニモーダルモデル「Qwen3.8-Omni-Flash」を公開した。テキスト・画像だけでなく音声や動画も含めて理解し、コーディングやGUI操作といった一般的なエージェント能力を、音声・映像を中心とした現実の業務シナリオにまで拡張することを目的としたモデルだ。1Mトークンのコンテキストウィンドウを維持しつつ、29種類の評価タスク平均で前世代のQwen3.5-Omni-Plus比25%以上の性能向上を達成したとされ、音声入力のAPI価格は98%以上、音声・映像入力は93%以上安くなっているという。

同時期には画像生成・編集用の軽量モデル「Qwen-Image-2.1」（7Bパラメータ、透過画像のネイティブ生成に対応）も公開されており、Qwenチームは大きなモデルだけでなく用途特化の小型モデルを矢継ぎ早に出す戦略を続けている。次世代「Qwen4」については、8月公開の実験的プレビュー「Qwen3.8-Flash-Next」がそのアーキテクチャの一部を先出ししたとされ、正式リリース時期はまだ公表されていない。

出典: Qwen公式ブログ

GPUサーバークラスターの写真 — Photo: ChrisDag / CC BY 2.0（Openverse経由）

手元で動かせる主要オープンモデル比較

ローカル環境で実際に動かす際の目安として、代表的なオープンウェイトモデルのサイズと必要ハードウェアを整理した。

モデル	提供元	構成	目安メモリ	想定ハードウェア
Muse Glimmer	Meta	30B 密	約19〜24GB（4bit）	24GB級単体GPU
Qwen3.6-27B	Alibaba	27B 密	約16GB（Q4_K_M）	24GB GPU / 32GB Mac
Gemma 4 31B	Google	31B 密	約19GB	RTX 4090（24GB）
DeepSeek-R1	DeepSeek	671B MoE（37B active）	約403GB（Q4）	8× H100（80GB）

出典: BenchLM.ai「Best Ollama Models」

推論基盤も進化――llama.cpp・Ollamaの量子化最適化

llama.cppでは9月に入ってからも、OpenVINOバックエンドでのステートフルなデコード最適化やGPU向けMoE推論の高速化、CUDAでのNVFP4量子化改善などが継続的にマージされている。あわせてHugging Faceもtransformersライブラリから直接llama.cpp形式のGGUF量子化モデルを読み込めるようにするなど、量子化モデルを扱うための周辺エコシステムが整いつつある。

Ollama側でも、MLXエンジンの性能改善やGGUF互換性の強化（バージョン0.30〜0.31）が進み、Apple Silicon上でGemma 4を高速化する複数トークン同時予測（multi-token prediction）にも対応した。8月末にはPro/Max/Teamプランの課金体系をトークン単価ベースに統一するなど、個人利用からチーム利用まで見据えたサービス面の整備も進めている。

出典: Ollama公式ブログ

DeepSeekは次の一手を極秘準備中

9月10日に軽量モデル「DeepSeek-V4.1-Flash」（ネイティブなマルチモーダル視覚理解に対応）を公開したDeepSeekは、9月21日に北京・杭州のオフィスで投資家向けの非公開説明会を開いたと報じられている。参加者はスマートフォンなど電子機器の持ち込みを禁じられ、紙とペンのみでのメモが許可されるという厳重な情報管理のもと、CEOの梁文峰氏がオンラインで参加し、今後のモデル展開計画が共有されたとされる。詳細な内容は明らかになっていないが、主力の「V4 Pro」系列は当面提供が継続される見通しだ。

出典: GuruFocus