何が起きたか
2026年8月10日、開発者のSimon Willison氏が、Metaの新モデル「Muse Glimmer」を手元で試したレポートを公開しました。事実関係はシンプルです。Metaはオープンウェイトモデルの公開に戻り、30Bの新モデルをApache 2.0ライセンスで出しました。Meta自身は、エンドツーエンドのエージェント的タスク遂行、信頼性の高いツール利用、マルチステップ推論に最適化したと説明しています。ベンチマークとしてはDeepSearch QA、MCP-Atlas、𝛕-Bench、SWE-Benchが挙げられ、いずれも「スキャフォールドの中で動き、コードを書いてデバッグし、複数ターンの要求を最後まで片付ける」能力を測るものだとされています。
なぜ重要か：ライセンスが「Llama」から「Apache 2.0」へ
技術的なスペックよりも、まず効いてくるのはライセンスです。Willison氏はApache 2.0を、従来のLlamaライセンスからの前進だと評価しています。Llama系のライセンスは、独自の利用条件が付いた「オープンウェイトだがオープンソースではない」形態で、法務レビューが必要でした。Apache 2.0は広く実績のある標準ライセンスであり、社内の承認プロセスにおいて「前例のある条項」として扱えます。導入判断のボトルネックが技術検証ではなく法務確認だった企業にとって、これは実質的な障壁の低下です。
30Bという「サイズの選択」
もう一つの論点はサイズです。LM Studio上の量子化版は18.16GB。Willison氏は、32GB以上のメモリを積んだマシンなら他のアプリケーションを同時に動かす余地が残るという理由で、このサイズを気に入っていると述べています（同氏のマシンは128GB）。つまり、専用GPUサーバーを立てる話ではなく、開発者の手元のマシンで日常業務と並走できる規模だということです。「巨大モデルをAPIで叩く」以外の選択肢が、実務レベルで成立し始めています。
実際にコードベースを読ませてみると
検証では、llm-coding-agentプラグイン経由で、Datasetteの新規チェックアウトに対して「how does auth work?」と尋ねる形が試されています。結果は、コードベースを探索するツール呼び出しの長いトランスクリプトでした（実行にはllm-lmstudioにLLM 0.32互換のパッチを当てています）。ベンチマーク数値の高低よりも、「未知のリポジトリに投げ込まれて、自力でツールを連鎖させながら答えを探す」という挙動そのものが、エージェント用途で問われる能力です。
見落とされがちな点：これはビジョンモデルである
Glimmerは画像も扱います。iNaturalist上の写真を渡して説明させたところ、曇天の防波堤状の岩場にいる2羽のカッショクペリカン（Pelecanus occidentalis）と、岩の間にいる複数の小型の暗色の海鳥を識別しました。コーディングエージェントの文脈で語られがちなモデルが、同時に画像理解も持っている——この組み合わせは、後述するように用途の幅を大きく変えます。
💼 事業会社視点：これは自社にどう効くか
効くのは「コードと画像を外に出さずに済む」という一点です。受託開発・SIerにとって、顧客コードを外部APIに送信しない前提でコーディングエージェントを回せる意味は大きく、NDAや金融・公共案件のセキュリティ要件を理由にAI活用を止めていた現場の言い訳が一つ消えます。Apache 2.0であることは、法務が過去に判断済みの条項として扱えるため、稟議の所要時間そのものを短縮します。
ECや製造では、ビジョン機能の方が本命かもしれません。商品画像の説明文生成やalt属性の付与、検品画像の一次仕分けは、1件あたりの単価が低く件数が膨大なため、従量課金APIでは採算が合いにくい領域でした。18.16GBのモデルが手元で回るなら、原価構造が固定費側に移ります。
SaaS事業者は逆風も直視すべきです。「LLMを薄くラップした機能」の値付け根拠は、こうしたモデルが標準装備化するたびに削られます。
経営としての打ち手は明快です。32GB以上のメモリを積んだ開発機を数台用意し、自社の実リポジトリと実データで2週間の検証を行う。投資額が小さいうちに、外部API依存と自社実行のコスト分岐点を自社の数字で持っておくことが、次の交渉力になります。