モデル一覧に戻る
meta logoMeta
muse-glimmer-30b

Muse Glimmer 30B

Meta Superintelligence Labs のオープンウェイト・マルチモーダルモデル。Muse Spark から蒸留された 30B の高密度モデルで、コンシューマ向けハードウェア上の長期エージェントタスクに最適化されています。常時推論(reasoning)と 131k トークンのコンテキスト、画像入力に対応します。

2026/8/10
131,072 トークン
入力: ¥58.8/M
出力: ¥252/M

仕様

モダリティ

入力
text
image
出力
text

推論設定

既定の動作
思考オン(強度: medium)
指定できる強度
xhigh
high
medium
low
思考のオフ
不可(常に思考します)

思考の制御方法と課金を見る

データの取り扱い

プロンプトの保持
不明 — 確認できていません
学習への利用
学習には利用されません

「不明」は「問題なし」ではありません。確認できていない、という意味です。

学習の可否は提供元との条件に基づく申告値です。保持の可否は、このモデルが到達しうる実行先すべてについて上流が公表する一覧から判定しています。いずれも推測は含みません。

実測パフォーマンス

応答開始 (p50)467ms

    FastMetalのゲートウェイ経由で実測した値です(直近30日・応答開始606回)。

    応答開始は最初の応答が返るまで、生成速度は思考トークンを含む出力トークン数から算出しています。実測値であり、性能を保証するものではありません。

    コード例

    curl https://api.fastmetal.ai/v1/chat/completions \
      -H "Content-Type: application/json" \
      -H "Authorization: Bearer YOUR_API_KEY" \
      -d '{
        "model": "muse-glimmer-30b",
        "messages": [{"role": "user", "content": "Hello!"}]
      }'

    Muse Glimmer 30Bの実際の回答

    FastMetal上で実際に記録した、標準プロンプトへの回答です。

    このエラーをデバッグして

    以下のエラーがPythonアプリケーションで発生しています。原因を特定して修正してください。 Traceback (most recent call last): File "app.py", line 23, in get_user_orders total = sum(order["price"] * order["quantity"] for order in orders) TypeError: unsupport…

    このエラーは `order["price"]` が文字列 `str` で、`order["quantity"]` が整数 `int` のため `str * int` の演算ができないことで起きています。 多くのDBドライバはDBの数値型でも Python 側では文字列で返してくることがあります。`SELECT price, quantity FROM ...` の結果が ```python [{'price': '1200', 'quantity': 2}, ...] ``` のような形になっているため ` '1200' * 2 ` となり `TypeError: unsupported operand type(s) for *: 'str' and 'int'` が発生します。 ### 修正方法 金額計算では `float` より `Decimal` を使うのが安全です。取得時に明示的に型変換します。 ```python from decimal import Decimal def get_user_orders(user_id): rows = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id) orders = [] total = Decimal('0') for row in rows: # DBからの値を必ず数値型へ変換 price = Decimal(str(row["price…
    応答時間 8.6秒出力 1180 トークン

    コードレビュー

    以下のTypeScript関数をレビューして、可読性・パフォーマンス・ベストプラクティスの観点から改善点を提案してください。 async function fetchAllUsers(page: number = 1): Promise<any[]> { let allUsers: any[] = []; let hasMore = true; let currentPage = page; while (hasMo…

    この関数は動きますが、型安全性・保守性・安全性の面で改善余地が大きいです。 ### 主な問題点 **1. 型安全性・ベストプラクティス** * `Promise<any[]>` と `any[]` は TypeScriptを使う意味をなくす。DTOとドメイン型を分ける。 * `fetch` のエラー、HTTPステータス、JSONパースエラーのハンドリングがない。`response.ok` チェックなしだと404でも `json()` が走る。 * `data.users.length < 100` で終了判定しているのは脆弱。API側がちょうど100件返してきた場合に無限ループするリスクがある。`nextPage` / `hasNext` のような明示的なフラグを使うべき。 * マジックナンバー `100` が直書き。 * `let` の多用、インデックスforループ、ミューテーションによる可読性低下。 **2. 可読性** * `for (let i = 0; i < data.users.length; i++)` は `for...of` / `filter + map` で置き換えられる。 * ユーザー作成ロジックがループ内にベタ書き。 * `hasMore` と `currentPage` の状態管理が冗長。 **3. パフォーマンス** * 逐次 `await` は仕方ないが、1件ずつ `push` するよりまとめて展開した方が高速。 * 巨大データセットを全件メモリに保持する設計自体が危険。必要ならジェネレータでストリーミングする。 ### 改善版 `…
    応答時間 13.0秒出力 1804 トークン

    SQLクエリの最適化

    以下のSQLクエリは500万行のテーブルに対して実行すると30秒以上かかります。最適化してください。 SELECT p.product_name, c.category_name, COUNT(o.order_id) as order_count, SUM(o.amount) as total_sales, AVG(r.rating) as avg_rating FROM products p LEFT JOIN…

    このクエリが遅いのは JOIN の組み合わせでデカルト的な膨張が起きているのと、インデックスが全くないことが原因です。 ### 問題点 1. **LEFT JOIN が実質 INNER JOIN になっている** `WHERE o.created_at >= '2024-04-01'` が付いているため `o` が NULL の行は WHERE で落とされます。`products` と `orders` は実質 INNER になっています。意図が `完了` 以外も出したいなら条件は ON 側へ。 2. **集計の重複** `order_details` 1行 × `reviews` N行 で結合されるため `SUM(o.amount)` `AVG(r.rating)` がレビュー数分だけ膨らみます。`COUNT(o.order_id)` も `order_details` の行数カウントになってしまいます。 3. **GROUP BY に文字列** `GROUP BY p.product_name, c.category_name` は可変長文字列のソート・ハッシュになります。`id` で集計して最後に名前を引く方が圧倒的に軽い。 4. **インデックス不足** `products(id)` `orders(order_id)` しかないため `products.is_active` `order_details.product_id` `orders.status/created_at` `reviews.product_id` の全てでSeq S…
    応答時間 30.1秒出力 2476 トークン

    他のモデルと並べて比較する →

    よくある質問

    Muse Glimmer 30BのAPI料金はいくらですか?
    FastMetalでは100万トークンあたり入力¥58.8・出力¥252(税別)の円建て従量課金です。前払いクレジットから使った分だけ差し引かれ、月額料金やサブスクリプションはありません。
    Muse Glimmer 30BはOpenAI SDKからそのまま使えますか?
    はい。base_url を https://api.fastmetal.ai/v1 に変更し、model に "muse-glimmer-30b" を指定するだけで、既存のOpenAI向けコードから呼び出せます。ストリーミング、ツール呼び出し、構造化出力にも対応しています。
    Muse Glimmer 30Bのコンテキスト長はどのくらいですか?
    131,072トークンです。プロンプトと回答を合わせてこの範囲に収める必要があります。
    Muse Glimmer 30Bを試すには何が必要ですか?
    アカウントを作成してクレジットをチャージすると、ブラウザのチャット画面とAPIの両方から利用できます。契約や最低利用額はありません。

    Muse Glimmer 30Bを今すぐ試す

    Muse Glimmer 30BはFastMetalのAPIキー1つで利用できます。ブラウザですぐに試す、またはOpenAI SDKからそのまま呼び出せます。