Muse Glimmer 30BはWindowsで動く？Ollama・LM Studio・GGUFの選び方

30秒で分かる結論

WindowsでMuse Glimmer 30Bを試す入口はあります。Ollama公式Windows docsはWindows 10 22H2以降のnativeアプリとNVIDIA・AMD Radeon GPUを案内し、Ollamaの公式モデルページには`ollama run muse-glimmer`があります。LM Studio公式BlogもBionicでMuse GlimmerをPC上のlocal modelとして案内しています。

最初の1本は、コマンドに抵抗がなければOllamaの`muse-glimmer`、画面から選びたいならLM Studio Bionicです。Ollamaの標準tagは約18GB・128K context表示ですが、これはダウンロード対象の表示値であり、18GB RAMやVRAMがあれば快適という意味ではありません。

画像入力やllama.cppを直接制御したい場合は、Meta公式GGUFのtext modelに`mmproj`を追加します。`dflash`は任意の速度向上用companionで、最初の動作確認に必須ではありません。Apple Silicon向けのMLX tagをWindowsの選択肢にしないことも重要です。

Muse Glimmer 30Bは何が違う？

Muse Glimmerは、Meta公式説明ではconsumer hardwareでのlocal agent用途を重視したdense modelです。30Bという表示だけで、他の30Bモデルと同じ速度・同じメモリ・同じ日本語品質になるとは考えません。公式Model Cardは100以上の言語で学習したと説明しますが、特定のWindows実機や日本語タスクの快適さは別の実測です。

• Meta Muse Glimmer 30B公式Model Card - Meta公式Model Card。30B dense、約1.8Bのperception encoder、131,072+ context、agent・tool use、24/32GB向け量子化、Apache 2.0を確認します。
• Ollama Muse Glimmer公式モデルページ - Ollamaの現行モデル情報。30B、agent用途、vision・tools・thinking、標準tagとMLX tagを確認します。
• LM Studio Muse Glimmer公式Blog - LM Studio Bionicでのlaunch-day local support、PCでの利用、agent・image input・local APIの案内を確認します。

Windowsでどの実行経路を選ぶか

Ollama公式Windows docsでは、Windows 10 22H2以降、NVIDIAは551.61以降のdriver、AMDはROCm v7/HIP7またはVulkan対応driverを確認項目として案内しています。これはOllama本体のWindows要件であり、Muse Glimmerの全tag・全GPU・全agent機能が同じ条件で動くという保証ではありません。

Meta公式GGUF Model CardにはWindowsのWinGet経路として`winget install llama.cpp`と、`llama serve -hf meta-models/Muse-Glimmer-30B-GGUF:Q4_K_M`が掲載されています。古いllama.cppはMuse Glimmerのarchitectureを登録していないため、直接GGUFを使う場合はversionを先に確認します。

• Ollama Windows公式docs - Windowsアプリ、CLI、API、GPU・保存先の確認先を案内する公式ドキュメントです。
• LM Studio Muse Glimmer公式Blog - LM Studio Bionicでのlaunch-day local support、PCでの利用、agent・image input・local APIの案内を確認します。
• Meta公式GGUF Model Card - Meta公式GGUF配布。llama.cpp b10353以降、Q4_K_Mのtext model、mmproj、任意のDFlash、WindowsのWinGet手順を確認します。
• LM Studio System Requirements - LM StudioのWindows x64/ARM、AVX2、RAM・VRAMなど、アプリ側の現行要件を確認します。

Ollamaのtag容量をどう読むか

Ollamaのモデルページには`latest`、`30b`、`q4_K_M`、`q8_0`、`bf16`、MLXなど複数のtagがあります。標準tagの18GBと公式GGUFの16.8GBは、配布形式・パッケージングが違うため同じ値ではありません。保存容量、weight、runtime、KV cache、OS・他アプリの余白を分けて見ます。

• Ollama Muse Glimmer公式モデルページ - Ollamaの現行モデル情報。30B、agent用途、vision・tools・thinking、標準tagとMLX tagを確認します。
• Ollama Muse Glimmer公式タグ一覧 - tag別の表示容量、128K context、Text/Image input、Ollama標準とMLXの区別を確認します。
• Ollama context length - context length、VRAMに応じた既定値、OLLAMA_CONTEXT_LENGTH、ollama psの見方を確認します。
• Ollama API /api/ps - ロード中モデルのsize、size_vram、context_lengthなどを確認する公式APIです。
• モデルサイズ早見表 - モデルの規模と保存容量を分けて読む
• メモリガイド - RAM・VRAM・contextの余白を確認する

画像入力とDFlashは後から追加する

Meta公式GGUF Model Cardの概算は、17GB buildでtext only約17GB、vision追加約19GB、vision + drafter約20GB、dynamic buildでそれぞれ約20GB、約22GB、約23GBです。これはweightとworking contextを合わせた概算で、特定のWindows GPUでの動作保証ではありません。

画像を使わない最初の確認では、text modelだけをロードし、短い文章を1つ送ります。画像が必要になったらmmprojを追加し、さらに速度を上げたい場合だけDFlashを追加します。複数のartifact、context、GPU offloadを同時に変えると、どれが原因で重くなったか分からなくなります。

• Meta公式GGUF Model Card - Meta公式GGUF配布。llama.cpp b10353以降、Q4_K_Mのtext model、mmproj、任意のDFlash、WindowsのWinGet手順を確認します。
• GGUFとは？ - GGUFの形式・配布者・量子化を分けて確認する
• Q4/Q5/Q8量子化 - 量子化を品質・速度の保証と混同しない
• GPUオフロード - VRAMに載る範囲とCPU/RAMへのoffloadを見る

Windowsで最初に試す順番

1. `ollama --version`でOllama本体を確認し、Windows docsと利用時点のCLI Referenceを見る。
2. `ollama run muse-glimmer`で標準tagを起動し、公開できる短い文章だけでtext chatを試す。
3. `ollama ps`でモデル、Processor、contextなどを確認し、RAM・VRAM・空き容量・回答開始までの時間を記録する。
4. 同じ質問でcontextだけを少しずつ増やし、速度、OOM、熱、他アプリへの影響を確認する。
5. 画像入力はmmprojや実行backendを確認してから追加し、agentは最後にtool権限、ファイル範囲、web search、外部通信を個別に確認する。

Ollama公式Blogには`ollama launch claude --model muse-glimmer`、`ollama launch pi --model muse-glimmer`、`ollama launch hermes --model muse-glimmer`などの例があります。これはagent harnessへ接続する入口であり、モデルの推論、ファイル操作、web検索、provider、ネットワークがすべてlocalになるという意味ではありません。

• Ollama Muse Glimmer公式Blog - Ollama公式の2026年8月10日発表。Ollamaの実行例、agent連携、reasoning strength、Apple Silicon MLXの境界を確認します。
• Ollama CLI Reference - ollama run、ollama launch、psなど、利用時点のCLI表示を確認します。
• Ollama local/cloudの違い - 推論場所とagent側の通信を分けて確認する
• agentのPC負荷 - tool loop・KV cache・RAGの負荷を測る

llama.cppを使う場合に先に確認すること

Meta公式のGGUF手順には、WindowsのWinGet、b10353以降のrelease、`llama-server`のCUDA/CPU buildが掲載されています。公式のserver例は`--mmproj`、`-ngl 99`、`-c 131072`、`--jinja`を含みますが、同じ数値を自分のPCの最低条件や快適設定としてコピーしません。まず短いcontext・少ないslotから実機で確認します。

• Meta公式GGUF Model Card - Meta公式GGUF配布。llama.cpp b10353以降、Q4_K_Mのtext model、mmproj、任意のDFlash、WindowsのWinGet手順を確認します。
• llama.cpp公式 - Windows buildと対応backendの公式リポジトリを確認する
• Windows ARMのllama.cpp確認 - Arm64 buildとAdreno/OpenCLを分けて確認する

よくある誤解と限界

Metaの公式評価は、K-Quant-17GBをRTX 5090やApple Siliconで測定した条件付きの結果です。数値をWindows全機種へ広げず、まず自分のPCで同じ短いprompt・同じtag・同じcontextを固定して、回答開始時間、tokens/s、メモリ、失敗症状を記録します。

公式ソース

• Meta Muse Glimmer 30B公式Model Card - Meta公式Model Card。30B dense、約1.8Bのperception encoder、131,072+ context、agent・tool use、24/32GB向け量子化、Apache 2.0を確認します。
• Meta Muse Glimmer 30B GGUF公式Model Card - Meta公式GGUF配布。llama.cpp b10353以降、Q4_K_Mのtext model、mmproj、任意のDFlash、WindowsのWinGet手順を確認します。
• Ollama Muse Glimmer公式Blog - Ollama公式の2026年8月10日発表。Ollamaの実行例、agent連携、reasoning strength、Apple Silicon MLXの境界を確認します。
• Ollama Muse Glimmer公式モデルページ - Ollamaの現行モデル情報。30B、agent用途、vision・tools・thinking、標準tagとMLX tagを確認します。
• Ollama Muse Glimmer公式タグ一覧 - tag別の表示容量、128K context、Text/Image input、Ollama標準とMLXの区別を確認します。
• LM Studio Muse Glimmer公式Blog - LM Studio Bionicでのlaunch-day local support、PCでの利用、agent・image input・local APIの案内を確認します。
• LM Studio System Requirements - LM StudioのWindows x64/ARM、AVX2、RAM・VRAMなど、アプリ側の現行要件を確認します。
• Ollama Windows公式ドキュメント - Windowsアプリ、CLI、API、GPU・保存先の確認先を案内する公式ドキュメントです。
• Ollama CLI Reference - ollama run、ollama launch、psなど、利用時点のCLI表示を確認します。
• Ollama Context length公式ドキュメント - context length、VRAMに応じた既定値、OLLAMA_CONTEXT_LENGTH、ollama psの見方を確認します。
• Ollama API /api/ps公式ドキュメント - ロード中モデルのsize、size_vram、context_lengthなどを確認する公式APIです。