Muse Glimmer 30B (Deep Infra)

Muse Glimmer 30B 属于 muse 系列，2026-08-10 发布，权重开源，知识截止 2026-01-04。它的核心特点是把长上下文做成了默认能力：上下文窗口 131072 tokens，单次最大输出同样是 131072 tokens，意味着整本手册、整套合同或长对话记录可以一次性读入，并直接生成同样量级的长文，而不必先做分块摘要。输入侧支持 text 与 image，输出为 text，因此带图表的截图、扫描页与文字提问可以放在同一次请求里处理。能力清单包含推理、工具调用、结构化输出、附件输入与温度调节，适合嵌入需要固定 JSON 字段的 Agent 流程。价格上输入 0.3 美元、输出 1.2 美元、缓存读 0.04 美元每百万 tokens，处在长上下文模型的低价区间，适合把调用量堆上去的生产场景。需要留意的是，本站仅记录到 1 家平台供应，也未收录任何第三方跑分，选型时性能判断仍需靠自建评测。

选型建议需要长上下文、图像输入与工具调用且预算敏感时值得选它；若要求公开跑分背书或多平台冗余供应，则应另选。

• 把上百页合同或技术手册整篇读入，做要点抽取与结构化字段输出
• 在 Agent 工作流中调用外部工具，并按固定 JSON 结构返回结果
• 解析带图表、截图的文档页面，结合文字提问生成内容解读
• 用低缓存价维护长系统提示，支撑多轮客服与知识问答
• 对长会议记录或访谈稿做长文改写，一次生成完整成稿

官方未公布逐层结构细节，可确认的是它走开源权重路线，并原生支持文本与图像两种输入、纯文本输出。

• 结构公开资料较少，层数、注意力方案与是否采用混合专家均未披露，只能从命名判断为 30B 量级的参数规模。
• 能力输入侧接受图像附件，上下文与单次输出同为 131072 tokens，长文档读入与长文生成不需要分块拼接。
• 披露开源权重已确认，但训练数据构成、对齐方式与许可证条款细节未完整说明，商用前需自行核对许可范围。

开源权重

是

模型家族

muse

缺少公开跑分，性能只能从能力清单与规格做定性判断，实际表现需以自有任务实测为准。

• 强项推理、工具调用、结构化输出与温度调节同时具备，适合把模型放进需要稳定 JSON 返回与多步工具编排的流程。
• 短板本站未收录任何第三方跑分，也没有同尺寸对照数据，推理深度与图像理解精度无法在接入前预判。
• 适合知识截止 2026-01-04，适合处理该时点之前的文档与图像类任务，之后的事实需要外部检索补齐。

按输入 0.3 美元、输出 1.2 美元、缓存读 0.04 美元每百万 tokens 计价，在长上下文模型里属于低价档，但要注意渠道报价并不统一。

• 定位输入价处于低位、输出价为输入的数倍，长输入短输出的抽取类任务成本优势明显，长回答场景则要控制篇幅。
• 横向对比输入价低于 Nano Banana 2（价差 +66.7%），高于 GPT OSS 120B 系列与 GPT OSS 20B（价差分别 -50.0% 与 -76.7%）。
• 平台差价models.dev 报 0.3/1.2 美元，edenai 渠道报 0.35/1.5 美元，输入价高出 16.7%，接入前先确认走哪个渠道。
• 省钱把稳定的系统提示与长文档前缀放进缓存，缓存读 0.04 美元远低于正常输入价，重复问答场景可显著压低成本。

同一个模型在不同网关的报价可能不同。本页基准取官方口径 $0.3/M / $1.2/M（输入 / 输出，美元 / 百万 tokens），其余来源的差价在「相对输入价」列列出，供比价参考。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径跑分栏为空是本站未收录，不代表模型没有能力；对比表的评测列同样为空，横向比较只能参考价格与上下文长度。
• 边界收录平台仅 1 家，供应稳定性与价格调整都依赖单一渠道；知识截止 2026-01-04，之后的信息需靠检索或外部数据补齐。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。