크기가 비슷한 다른 오픈 웨이트 모델과 비교하면 Muse Glimmer (High)의 지능은 평균보다 낮고, 가격은 다소 비쌉니다. 또한 작업당 시간은 평균보다 짧고, 답변은 매우 간결합니다. 이 모델의 지원 입력은 텍스트 및 이미지, 출력은 텍스트이며, 컨텍스트 창은 131k토큰이고 학습 데이터 기준일은 2026년 1월입니다.

Muse Glimmer (High)의 Artificial Analysis Intelligence Index 점수는 6점으로, 비교 가능한 모델 중 평균 이하입니다(중앙값: 8). Intelligence Index 평가에서는 39.5M토큰을 생성해, 중앙값 77.7M와 비교할 때 매우 간결한 편입니다.

Muse Glimmer (High)의 입력 토큰 100만 개당 가격은 $0.32(비싼 가격, 중앙값: $0.13)이며, 출력 토큰 100만 개당 가격은 $1.35(비싼 가격, 중앙값: $0.30)입니다. Intelligence Index에서 Muse Glimmer (High)을 평가하는 데 드는 작업당 평균 비용은 $0.18입니다.

Muse Glimmer (High)의 Intelligence Index 작업당 시간은 5.4분으로, 비교 가능한 모델의 중앙값 15.1분과 비교하면 평균보다 짧습니다(값이 낮을수록 좋습니다).

추론	예
입력 모달리티	지원: 텍스트 및 이미지
출력 모달리티	지원: 텍스트
학습 데이터 기준일	2026. 1. 4.
컨텍스트 창	131k Arial 12포인트 기준 A4 약 197페이지
총 파라미터 수	30B
라이선스	Apache 2.0
모델 웨이트	Hugging Face

동일한 등급의 모델과 지표를 비교합니다.

비추론 모델 → 다른 비추론 모델과만 비교
추론 모델 → 추론 및 비추론 모델 모두와 비교
오픈 웨이트 모델 → 같은 크기 등급의 다른 오픈 웨이트 모델과만 비교:

초소형: 파라미터 ≤4B
소형: 파라미터 4B~40B
중형: 파라미터 40B~150B
대형: 파라미터 >150B

독점 모델 → 입력/출력 가격을 3:1로 혼합해 같은 가격대의 독점 모델 및 오픈 웨이트 모델과 비교:

100만 토큰당 <$0.15
100만 토큰당 $0.15~$1
100만 토큰당 >$1

Updated

지능

Artificial Analysis Intelligence Index · Higher is better

No publicly available API

작업당 시간

Inference time (minutes) per Intelligence Index task · Lower is better

No publicly available API

작업당 비용

Weighted average cost (USD) per Intelligence Index task · Lower is better

No publicly available API

지능Updated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v5.0.1 incorporates 9 evaluations: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), and Terminal-Bench-Science 0.1

Artificial Analysis Intelligence Index v5.0.1 includes: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Artificial Analysis Intelligence Index: 오픈 웨이트와 독점 모델

Indicates whether the model weights are available. Models are labelled as 'Commercial Use Restricted' if commercial use is limited by conditions, and as 'Non-commercial' if the license prohibits commercial use.

Intelligence Index와 작업당 비용

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Pareto line

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

역량 지수

특정 역량 및 산업에서 모델의 성능을 측정

Finance & Accounting Index

Incorporates 5 evaluations: AA-Briefcase v1.1, AA-Omniscience v1.1, HLE-Diamond, AutomationBench-AA, GDP.pdf · Higher is better

Strategy & Ops Index

Incorporates 4 evaluations: AutomationBench-AA, AA-Briefcase v1.1, AA-Omniscience v1.1, GDP.pdf · Higher is better

Legal Index

Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf, AutomationBench-AA · Higher is better

Engineering Index

Incorporates 7 evaluations: AA-Omniscience v1.1, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1, HLE-Diamond, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Briefcase v1.1 · Higher is better

Economics Index

Incorporates 4 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf · Higher is better

벤치마크

Evaluations

Evaluations measured independently by Artificial Analysis · AA-PersonalityBench scores are percentile ranks from 1 to 100

AA-Briefcase v1.1

Agentic knowledge work, Elo

AA-Omniscience v1.1 AccuracyUpdated

Knowledge

AA-Omniscience v1.1 Non-Hallucination RateUpdated

1 - hallucination rate

AutomationBench-AA

Agentic SaaS workflows

Terminal-Bench-Science 0.1New

Agentic scientific research workflows in a terminal

FrontierCode-AA 2.0New

Agentic software engineering in open-source repositories

HLE-DiamondNew

Reasoning & knowledge

GDP.pdf

Professional document reasoning, All-pass

Terminal-Bench 4.0

Agentic coding & terminal use

CritPt v2 (Hard Subset)

Physics reasoning

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

EnterpriseOps-Gym-AA

Agentic business operations

GDPval-AA v2.1

Agentic real-world work tasks, Elo

MMMU-Pro

Visual reasoning

AA-PersonalityBench: Expressiveness ScoreNew

Rich, varied, well-crafted language

AA-PersonalityBench: Organization ScoreNew

Well-structured, scannable, answer-first

AA-PersonalityBench: Transparency ScoreNew

Truthful, acknowledges uncertainty, non-sycophantic

AA-PersonalityBench: Slop ScoreNew

Use of filler and generic language

While model intelligence generally translates across use cases, specific evaluations may be more relevant for certain use cases.

AA-PersonalityBenchNew

성격 지수

각 축은 8개 성격 지수 중 하나로, 구성 특성들의 Elo z-점수 평균을 벤치마크에서 평가된 모든 모델 기준 1~100의 백분위 순위로 나타냅니다

Openness Index

Artificial Analysis Openness Index: 점수

Openness Index는 모델의 개방성을 0~100으로 정규화해 평가합니다(높을수록 더 개방적)

비용

Intelligence Index 작업당 비용

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

Artificial Analysis Intelligence Index 실행 비용

Cost (USD) to run all evaluations in the Artificial Analysis Intelligence Index

The cost to run the evaluations in the Artificial Analysis Intelligence Index, calculated using the model's input, cache hit, cache write, reasoning, and answer token prices and the number of tokens used across evaluations (excluding repeats).

가격: 캐시 적중, 입력 및 출력

Price (USD per M Tokens)

Price per token for cached prompts (previously processed), typically offering a significant discount compared to regular input price, represented as USD per million tokens. The values shown here are the cache hit price; cache write and cache storage are billed separately and vary by provider — see "Cache pricing by provider" for detail.

성능

작업당 시간(분), 출력 속도(초당 토큰 수), 첫 답변 토큰까지 걸린 시간과 첫 토큰까지 걸린 시간(초)으로 측정

Intelligence Index 작업당 시간

Output tokens divided by end-to-end output speed (minutes per Intelligence Index task) · Speed at the model's own endpoint or the median across providers · Lower is better

The weighted average time (minutes) per Artificial Analysis Intelligence Index task: output tokens per task divided by output speed, weighted by each benchmark's weight in the Intelligence Index.

Speed and latency metrics average each endpoint's runs over the past 5 days, and the error rate pools them. We run the benchmark every 6 hours, and endpoints of deprecated models every 18 hours.

출력 속도

Output tokens divided by total request time, including time to first token · Higher is better

Output tokens, including reasoning tokens, received per second over a request's full duration, from sending the request to receiving the final token. The headline value averages each Performance v3 workload over the past 5 days, then averages the workloads.

첫 답변 토큰까지 걸린 시간

첫 답변 토큰 수신까지의 초 · 추론 모델의 ‘생각’ 시간 포함

Time to first answer token received, in seconds, after API request sent. For reasoning models, this includes the 'thinking' time of the model before providing an answer. For models which do not support streaming, this represents time to receive the completion.

토큰 사용량

Intelligence Index 작업당 출력 토큰 수

Artificial Analysis Intelligence Index 작업 하나를 실행하는 데 사용된 출력 토큰 수의 가중 평균

The number of tokens required per Intelligence Index task. This is calculated by multiplying the output tokens per eval by the relative weights of each benchmark in the Intelligence Index, then dividing by task count (excluding repeats).

컨텍스트 창

Context window: tokens limit · Higher is better

Larger context windows are relevant to RAG (Retrieval Augmented Generation) LLM workflows which typically involve reasoning and information retrieval of large amounts of data.

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

모델 크기(오픈 웨이트 모델만 해당)

모델 크기: 총 매개변수와 활성 매개변수

Comparison between total model parameters and parameters active during inference (billions)

The total number of trainable weights and biases in the model, expressed in billions. These parameters are learned during training and determine the model's ability to process and generate responses.

The number of parameters actually executed during each inference forward pass, expressed in billions. For Mixture of Experts (MoE) models, a routing mechanism selects a subset of experts per token, resulting in fewer active than total parameters. Dense models use all parameters, so active equals total.

상세 정보

								웨이트
Muse Glimmer (High)	Meta	6	30B	131k	$0.23	5.4	81	🤗

Meta의 다른 릴리스

자주 묻는 질문

Muse Glimmer에 관한 일반적인 질문

Muse Glimmer 모델은 2026년 8월 10일에 출시되었습니다.

Muse Glimmer 모델은 Meta에서 개발했습니다.

Muse Glimmer의 Artificial Analysis Intelligence Index 점수는 6점으로, 크기가 비슷한 다른 오픈 웨이트 모델 중 평균 이하입니다(중앙값: 8).

Muse Glimmer 모델은 Intelligence Index 작업당 5.4분이 걸리며(이 모델을 제공하는 제공업체 중앙값 기준), 크기가 비슷한 다른 오픈 웨이트 모델과 비교하면 가장 빠른 편입니다(중앙값: 15.1분, 값이 낮을수록 좋습니다).

Muse Glimmer의 첫 답변 토큰까지 걸린 시간은 25.30초이며(이 모델을 제공하는 제공업체 중앙값 기준), 크기가 비슷한 다른 오픈 웨이트 모델과 비교하면 상위 구간입니다(중앙값: 4.36초).

Muse Glimmer의 입력 토큰 100만 개당 가격은 $0.32(상위 구간, 중앙값: $0.13)이며, 출력 토큰 100만 개당 가격은 $1.35(상위 구간, 중앙값: $0.30)입니다(이 모델을 제공하는 제공업체 중앙값 기준).

Muse Glimmer의 입력 토큰 100만 개당 가격은 $0.32, 출력 토큰 100만 개당 가격은 $1.35입니다(이 모델을 제공하는 제공업체 중앙값 기준). 캐시 적중/입력/출력 비율을 7:2:1로 가정한 혼합 가격은 100만 토큰당 $0.23입니다. 가격은 제공업체마다 다를 수 있습니다. 제공업체 가격 비교

Intelligence Index 평가에서 Muse Glimmer 모델은 출력 토큰 39.5M개를 생성했으며, 크기가 비슷한 다른 오픈 웨이트 모델과 비교하면 매우 적은 편입니다(중앙값: 77.7M).

예. Muse Glimmer 모델은 추론 모델입니다. 답변하기 전에 확장 사고 또는 연쇄적 사고 추론으로 복잡한 문제를 해결합니다.

Muse Glimmer 모델은 텍스트 및 이미지 입력을 지원합니다.

Muse Glimmer 모델은 텍스트 출력을 지원합니다.

예. Muse Glimmer 모델은 이미지 입력을 지원하며 이미지를 분석하고 설명하고 이미지에 관한 질문에 답할 수 있습니다.

예. Muse Glimmer 모델은 멀티모달 모델로, 텍스트 및 이미지 입력을 처리하고 텍스트 출력을 생성할 수 있습니다.

Muse Glimmer의 컨텍스트 창은 131k토큰입니다. 모델이 단일 요청에서 처리할 수 있는 텍스트와 대화 기록의 양을 결정합니다.

예. Muse Glimmer 모델은 오픈 웨이트이며 모델 웨이트가 공개되어 있어 다운로드한 뒤 자체 호스팅할 수 있습니다.

Muse Glimmer의 파라미터 수는 30B입니다.

Muse Glimmer 모델은 Apache 2.0 라이선스로 공개되었으며 상업적 이용이 허용됩니다. 라이선스 보기

Muse Glimmer의 Artificial Analysis Intelligence Index 점수는 6점입니다. 이 종합 벤치마크는 지식 노동, 코딩, 과학, 일반 지식 전반에서 모델을 평가합니다.

Muse Glimmer의 학습 데이터 기준일은 2026년 1월입니다. 모델의 학습 데이터에는 이 날짜까지의 정보가 포함됩니다.

예. Muse Glimmer 모델은 API 제공업체 2곳을 통해 제공됩니다. API 제공업체 비교

Muse Glimmer 모델은 API 제공업체 2곳을 통해 제공됩니다. 제공업체 비교

Muse Glimmer: 지능, 성능 및 가격 분석

모델 요약

지능Updated

기술 사양

이 등급의 모델 144개

지능Updated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index: 오픈 웨이트와 독점 모델

Artificial Analysis Intelligence Index

Open Weights

Intelligence Index와 작업당 비용

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

역량 지수

Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

AA-PersonalityBenchNew

성격 지수

Openness Index

Artificial Analysis Openness Index: 점수

비용

Intelligence Index 작업당 비용

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index 실행 비용

Cost to Run Artificial Analysis Intelligence Index

가격: 캐시 적중, 입력 및 출력

Cache Hit

성능

Intelligence Index 작업당 시간

Time per Intelligence Index Task

Time Period

출력 속도

End-to-End Output Speed

첫 답변 토큰까지 걸린 시간

Time to First Answer Token

토큰 사용량

Intelligence Index 작업당 출력 토큰 수

Output Tokens per Intelligence Index Task

컨텍스트 창

컨텍스트 창

Context Window for RAG

Context Window

모델 크기(오픈 웨이트 모델만 해당)

모델 크기: 총 매개변수와 활성 매개변수

Total Parameters

Active Parameters at Inference Time

상세 정보

Meta의 다른 릴리스

자주 묻는 질문

Muse Glimmer의 출시일은 언제인가요?

Muse Glimmer을 개발한 곳은 어디인가요?

Muse Glimmer의 지능은 어느 정도인가요?

Muse Glimmer의 속도는 어느 정도인가요?

Muse Glimmer의 지연 시간은 얼마인가요?

Muse Glimmer의 가격은 얼마인가요?

Muse Glimmer API 가격은 얼마인가요?

Muse Glimmer의 답변은 얼마나 장황한가요?

Muse Glimmer 모델은 추론 모델인가요?

Muse Glimmer 모델은 어떤 입력 모달리티를 지원하나요?

Muse Glimmer 모델은 어떤 출력 모달리티를 지원하나요?

Muse Glimmer 모델은 이미지를 처리할 수 있나요?

Muse Glimmer 모델은 멀티모달 모델인가요?

Muse Glimmer의 컨텍스트 창은 얼마인가요?

Muse Glimmer 모델은 오픈 소스인가요?

Muse Glimmer의 파라미터 수는 얼마인가요?

Muse Glimmer의 라이선스는 무엇인가요?

Muse Glimmer의 벤치마크 성능은 어떤가요?

Muse Glimmer의 학습 데이터 기준일은 언제인가요?

Muse Glimmer 모델은 API로 제공되나요?

Muse Glimmer 모델은 어디에서 사용할 수 있나요?