Muse Glimmer 30B von Meta, Qwen3.8-27B von Alibaba und Gemma 4 31B von Google sind drei offene Modelle derselben Größenklasse, alle unter Apache 2.0 und damit auch kommerziell nutzbar. In 4 Bit belegen sie in der Ollama-Bibliothek 18 bis 20 GB und passen damit auf eine Grafikkarte mit 24 GB. Meta nennt für Muse Glimmer ausdrücklich 24 oder 32 GB Grafikspeicher. Nach den Herstellerangaben liegt Qwen3.8-27B beim agentischen Coding vorn: Im Terminal Bench 2.1 nennt Qwen 73,0 für das eigene Modell und 51,7 für Muse Glimmer. Muse Glimmer ist laut Meta für lokale Agenten mit vielen Werkzeugaufrufen gebaut und bringt ein Entwurfsmodell für schnellere Ausgabe mit. Gemma 4 ist die breiteste Familie, von Modellen fürs Handy bis zur 31B-Version. Den längsten Kontext hat Qwen mit 262.144 Tokens nativ. Wie die drei auf meinem DGX Spark abschneiden, zeigt meine eigene Messung weiter unten.
Meine Messung auf dem DGX Spark vom 3. und 4. November 2026: Von den Modellen in diesem Vergleich war Gemma 4 26B-A4B mit 68,0 Tokens pro Sekunde bei deutschem Fließtext am schnellsten. Qwen3.8-27B kam mit seinem Entwurfsmodell DFlash2 auf 18,2 und bei Code auf 50,1, Muse Glimmer auf 12,2. Von den sechs deutschen Prüfaufgaben bestanden Muse Glimmer, Gemma 4 31B und Qwen3.8-27B ohne Entwurfsmodell je fünf.
Ich betreibe mein Business mit einer Belegschaft aus fünfzehn KI-Mitarbeitern auf Claude-Basis. Daneben läuft auf meinem DGX Spark seit August Qwen3.8-27B als lokales Modell, im August 2026 mit 50,7 Tokens pro Sekunde gemessen, bei deutschem Fließtext im November mit 18,2. Muse Glimmer ist für mich der naheliegende Herausforderer: gleiche Größe, gleiche Lizenz, ausdrücklich für lokale Agenten gebaut. Alles zu lokaler KI sammle ich auf der Seite KI.
Die drei Modelle im Überblick
Zu Gemma 4 gehört außerdem eine Mixture-of-Experts-Variante, Gemma 4 26B-A4B mit 25,2 Milliarden Parametern, von denen 3,8 Milliarden je Token aktiv sind. Google schreibt dazu, sie laufe „almost as fast as a 4B-parameter model“. In 4 Bit belegt sie in Ollama 16 bis 19 GB. Wer Tempo vor Qualität stellt, sollte sie mit auf die Liste nehmen.
Lizenz: dreimal Apache 2.0
Alle drei Modelle stehen laut Modellkarte unter Apache 2.0. Das erlaubt die Nutzung im eigenen Betrieb und in Produkten für Kunden, ohne Umsatzgrenze und ohne Pflicht, einen Hinweis wie „Built with …“ anzuzeigen. Gibst du das Modell selbst weiter, gehören der Lizenztext und die Urheberhinweise dazu. Meta verweist bei Muse Glimmer zusätzlich auf eine eigene Nutzungsrichtlinie im Repository. Sie listet verbotene Zwecke, etwa Straftaten oder das Erheben sensibler Daten über Personen ohne Rechtsgrundlage, und hält fest: „Muse Glimmer is not intended for individuals under the age of 18.“ Ich bin Entwickler, kein Anwalt. Das ist keine Rechtsberatung, sondern die Betreiber-Perspektive: meine Lesart der Lizenztexte.
Vorsicht bei Geschwistermodellen: Nicht jedes Qwen-Modell steht unter Apache 2.0. Qwen3.8-Flash-Next etwa hat eine eigene Lizenz mit Sonderregeln für Anbieter von KI-Diensten. Die Unterschiede im Detail stehen in meinem Beitrag über Open-Weight-Lizenzen.
Hardware: was du für die drei brauchst
Meta schreibt auf der Karte von Muse Glimmer, die 4-Bit-Fassung drücke das Sprachmodell auf unter 20 GB. Das lasse genug Platz für Kontext, Bild-Encoder und Entwurfsmodell „within a 24 GB or 32 GB envelope“. Für volle Genauigkeit nennt Meta 64 GB Grafikspeicher. Den Qualitätsverlust der 4-Bit-Fassungen gibt Meta mit 0,2 Prozent (32-GB-Fassung) und 1,0 Prozent (24-GB-Fassung) an, gemittelt über 15 Benchmarks.
Die Größe der Datei ist nicht der ganze Speicherbedarf. Der Kontext braucht zusätzlich Platz, und Ollama stellt ihn laut Doku nach dem Grafikspeicher ein: unter 24 GiB auf 4k Tokens, von 24 bis 48 GiB auf 32k und ab 48 GiB auf 256k. Auf eine Karte mit 24 GB passen die 4-Bit-Fassungen also, Ollama startet sie dort aber mit kleinem Standardkontext. Den kannst du hochsetzen, solange Speicher frei bleibt.
Zur Geschwindigkeit gibt es zwei Arten von Zahlen. Meta hat Muse Glimmer in der 17-GB-Fassung gemessen, mit Batch-Größe 1: auf einer RTX 5090 74,9 Tokens pro Sekunde ohne und 233,4 mit dem Entwurfsmodell DFlash, auf einem Apple M5 Max 26,6 und 50,2. Auf den Macs hat Meta mit ExecuTorch gemessen, auf der RTX mit llama.cpp, also nicht mit Ollama. Meine eigenen Zahlen für Qwen3.8-27B aus dem August 2026: 50,7 Tokens pro Sekunde auf dem DGX Spark unter SGLang in NVFP4 und 11 Tokens pro Sekunde auf meinem MacBook Pro M3 Max mit 64 GB, dort in 8 Bit über LM Studio. Beide Messreihen haben verschiedene Geräte und Aufbauten, du kannst sie nicht direkt gegeneinander lesen.
Was die Hersteller messen
Die folgenden Werte stammen von den Modellkarten. Jeder Hersteller misst mit eigenem Aufbau, und das macht einen Unterschied: Für dasselbe ältere Modell Qwen3.6-27B nennt Metas Karte im OSWorld-Verified 75,6, Qwens Karte 63,9. Lies die Tabelle deshalb als Richtung, nicht als Rangliste.
Qwen vergleicht sich auf seiner Karte direkt mit Muse Glimmer, die Werte für Muse stimmen dort mit Metas eigenen überein. Meta dagegen vergleicht Muse Glimmer mit dem Vorgänger Qwen3.6-27B, nicht mit Qwen3.8. Bei den Werkzeugaufrufen im MCP Atlas, wo Meta sein Modell vorne sieht, fehlt deshalb ein Wert für Qwen3.8.
Wofür welches Modell, nach Herstellerangaben
Qwen3.8-27B hat nach den Karten die höchsten Werte beim Coding und beim Bedienen von Oberflächen und den längsten Kontext. Video nennt Qwen ausdrücklich als Stärke, bis zu stundenlangen Aufnahmen. Für Coding-Agenten auf eigener Hardware ist es nach Papierlage die erste Wahl.
Muse Glimmer 30B ist laut Meta „purpose-built for autonomous agentic tasks on consumer hardware“. Meta hebt Werkzeugaufrufe nach festem Schema und das Wiederholen nach fehlgeschlagenen Aufrufen hervor. Das Entwurfsmodell DFlash liefert Meta gleich mit, die Denktiefe lässt sich in vier Stufen von „low“ bis „xhigh“ einstellen.
Gemma 4 ist die Familie mit der größten Auswahl, von E2B für Handys bis 31B für die Workstation. Die 26B-A4B-Variante ist laut Google die schnelle Wahl. Audio als Eingabe können laut Google nur E2B, E4B und 12B, nicht die 31B-Version.
Meine Messung auf dem DGX Spark
Ich habe alle drei Modelle, dazu Gemma 4 26B-A4B, am 3. und 4. November 2026 auf meinem DGX Spark gemessen, im selben Aufbau wie meine Messreihe für alle Kandidaten: 300 Tokens Ausgabe, ein Stream, Median aus drei Läufen, Denken bei allen aus oder auf der niedrigsten Stufe. Qwen lief unter SGLang einmal mit seinem Entwurfsmodell DFlash2 und einmal ohne, Muse Glimmer in Nvidias NVFP4-Fassung unter vLLM ohne Entwurfsmodell, die beiden Gemma-Modelle in 4 Bit über Ollama. Dazu kamen sechs deutsche Prüfaufgaben aus meinem Alltag: eine Kundenmail aus Stichpunkten, eine Zusammenfassung mit Kontrollfragen, Werkzeugaufrufe mit einer absichtlich fehlerhaften Antwort, eine Python-Funktion mit Tests, ein Agentenlauf im Terminal-Agenten Pi und eine Tabelle aus einem Screenshot. Eine Messung auf dem Mac gehört nicht zu dieser Reihe. Den vollständigen Aufbau und alle Einzelergebnisse beschreibe ich in Beste Modelle für den DGX Spark, gemessen.
¹ vLLM reserviert mit meiner Speichergrenze von 0,50 rund die Hälfte des Geräts. Die Gewichte von Muse Glimmer belegen davon 23,4 GiB.
Die Laufzeiten unterscheiden sich, Gemma lief in 4 Bit über Ollama, Qwen und Muse Glimmer in NVFP4. Die Zahlen gelten deshalb für den jeweiligen Gesamtaufbau, nicht als reiner Modellvergleich.
Was ich daraus lese: Beim Coding unterscheiden sechs Aufgaben die Modelle kaum. Alle vier haben die Python-Aufgabe und den Agentenlauf in Pi bestanden, Qwen mit DFlash2 aber am schnellsten, in 23 Sekunden gegen 152 bei Muse Glimmer. Metas Versprechen, nach fehlgeschlagenen Werkzeugaufrufen erneut zu versuchen, hat Muse Glimmer gehalten: Es hat nach der fehlerhaften Antwort neu angesetzt und die Mail erst nach dem erfolgreichen Termin geschickt. Die beiden Gemma-Modelle meldeten den Fehler ehrlich, versuchten es aber nicht noch einmal. Beim Deutsch lag Gemma 4 31B vorn, mit bestandener Kundenmail und allen fünf Kontrollfragen richtig. Muse Glimmer beantwortete ebenfalls alle fünf Fragen richtig, erfand in der Mail aber eine „Bestellung“, die es nicht gab. Beide Qwen-Läufe rechneten bei einer Frage den richtigen Weg und schrieben das falsche Ergebnis hin. Muse Glimmer lief ohne sein Entwurfsmodell DFlash, weil das Zeitfenster auf dem Gerät nicht reichte. Wie viel es damit auf dem DGX Spark schneller wird, zeigt diese Messung nicht.
Häufige Fragen
Ist Muse Glimmer besser als Qwen 3.8?
Nach den Herstellerwerten nicht beim Coding: Qwen nennt für Qwen3.8-27B in allen Benchmarks, in denen es beide Modelle vergleicht, höhere Werte, etwa 73,0 gegen 51,7 im Terminal Bench 2.1. Meta stellt Muse Glimmer bei Werkzeugaufrufen und Agentenaufgaben stark dar, vergleicht dort aber nur mit dem Vorgänger Qwen3.6.
In meiner Messung auf dem DGX Spark bestanden Muse Glimmer und Qwen3.8-27B ohne Entwurfsmodell je fünf der sechs deutschen Prüfaufgaben, Qwen mit DFlash2 vier.
Darf ich Muse Glimmer kommerziell nutzen?
Ja, Muse Glimmer steht laut Meta unter Apache 2.0. Zusätzlich gilt Metas Nutzungsrichtlinie mit verbotenen Zwecken, die du einmal lesen solltest. Das ist keine Rechtsberatung.
Wie viel Speicher braucht Muse Glimmer?
In 4 Bit laut Meta unter 20 GB für das Sprachmodell, mit allem drum herum 24 oder 32 GB Grafikspeicher. In Ollama ist der Standard-Tag 18 GB groß, die 8-Bit-Fassung 31 GB, volle Genauigkeit 57 GB.
Läuft Muse Glimmer in Ollama?
Ja, unter dem Namen muse-glimmer. Die Bibliothek nennt für den Standard-Tag 18 GB, 128K Kontext und Text und Bild als Eingabe. Der Aufruf ist ollama run muse-glimmer.
Gemma 4 oder Qwen 3.8?
Für Coding und lange Dokumente spricht nach den Herstellerwerten mehr für Qwen3.8-27B. Für schnelle Antworten auf wenig Speicher spricht die Gemma-4-Variante 26B-A4B mit nur 3,8 Milliarden aktiven Parametern.
Auf meinem DGX Spark kam Gemma 4 26B-A4B auf 68,0 Tokens pro Sekunde bei Fließtext und 84,4 bei Code, Qwen3.8-27B mit DFlash2 auf 18,2 und 50,1.
Wie du weitermachst
Wie sich ein lokales Qwen im Alltag gegen Claude schlägt, beschreibe ich in Qwen vs Claude: lokal gegen Cloud. Wenn du auf einem Mac starten willst, lies Lokale KI auf dem Mac: Mini als KI-Server. Meine Erfahrung mit dem Gerät, auf dem ich messe, steht in DGX Spark im Test: lohnt sich der Kauf?, und einen Überblick über alle offenen Modelle gebe ich in meinem Vergleich der Open-Source-KI-Modelle. Welche Modelle in Ollama wirklich lokal laufen und welche nur in der Cloud, steht in Ollama-Modelle: lokal oder nur in der Cloud?.
