Muse Glimmer 30B vs Qwen3.6 27B：30Bクラスのオープンモデルを円建てで比べる

2026年8月10日、Meta が Muse Glimmer 30B を Apache 2.0 で公開しました。コンシューマ GPU 1枚でも動く「ローカルエージェント」向けの 30B モデルという位置づけで、Meta 自身が比較対象に挙げているのが、4月公開の Qwen3.6 27B です。どちらも FastMetal に載っているので、同じキーで並べて比較できます。

先に結論を書きます。コーディングの精度を最優先するなら Qwen3.6 27B、エージェントループを安く回すなら Muse Glimmer 30B という構図です。そして FastMetal の円建て単価では、Muse Glimmer が入力・出力とも下回ります。

スペックと単価

（単価は 2026年8月11日時点の FastMetal の円建て価格です。最新はモデルカタログでご確認ください。Qwen3.6 27B は上流では画像・動画入力も告知されていますが、FastMetal の経路では現時点でテキスト入力のみの提供です。）

ベンチマークの比較

Meta の公表では、エージェント評価の Beam128K で 65.1 を記録し、Gemma 4 31B や Qwen3.6 27B を上回るとしています。ただし、同じ Meta の公表資料の中でも、コーディング系とコンピュータ操作系のいくつかの評価では Qwen 側が上回っていることが指摘されています。第三者集計の BenchLM の公開スコアでは、Muse Glimmer は 52.31（218モデル中110位）と、クラス上位ではなく中位です。

Qwen3.6 27B は「27B の高密度モデルでフラッグシップ級のコーディング」を掲げて公開されたモデルで、リポジトリ規模のコード理解やフロントエンド系の作業を得意とします（いずれも提供元の主張です）。公開から4ヶ月が経ち、実運用の報告が蓄積している点も無視できない強みです。

それぞれの弱点

• Muse Glimmer 30B — コーディングは Meta 自身の比較表でも Qwen に劣る項目があります。思考（reasoning）が常時オンでオフにできず、短い応答でも出力トークンに思考分が含まれます（FastMetal の実測では 51 出力トークン中 44 が思考分でした）。文脈長 131k は Qwen の半分です。そして公開翌日のモデルなので、実運用の報告はまだほぼありません。
• Qwen3.6 27B — FastMetal の単価では出力が Muse Glimmer の約1.8倍です。キャッシュ済み入力の割引もこの経路では設定がなく、同じ文脈を送り続けるループではコスト差がさらに開きます。また FastMetal 経由では画像入力を有効にしていません。

実際の請求額の差

入力20万トークン・出力2万トークンの、まとまったコードや資料を読ませて作業させる規模の1タスクで比べます。

約1.5倍の差です。さらに Muse Glimmer はキャッシュ済み入力が約7円/100万トークンで課金されるため、毎ターン同じ文脈を送り直すエージェントループでは、入力側の実効単価が大きく下がり、差はこの表より開きます。

使い分け

• Muse Glimmer 30B が向くケース — 多ターンで回し続けるエージェント処理、画像を含む入力、コスト重視の定型タスク。オープンウェイトなので、将来のローカル移行を視野に入れた検証にも向きます。
• Qwen3.6 27B が向くケース — コード修正・生成の精度を優先する作業、131k を超える長い文脈、枯れた構成で安定運用したい場合。
• 現実的な組み立て — ループの回転は Muse Glimmer に任せ、難所のコード修正だけ Qwen3.6 27B（またはさらに上位のモデル）に投げる二段構えです。

両方を同じキーで試す

どちらが合うかは、自分のプロンプトでしか分かりません。FastMetal では同じ API キー・同じ円建て残高のまま model を差し替えるだけで比較できます。

# Muse Glimmer 30B
curl https://api.fastmetal.ai/v1/chat/completions \
  -H "Authorization: Bearer $FASTMETAL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "muse-glimmer-30b", "messages": [{"role": "user", "content": "こんにちは"}]}'

# Qwen3.6 27B（model を差し替えるだけ）
curl https://api.fastmetal.ai/v1/chat/completions \
  -H "Authorization: Bearer $FASTMETAL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "qwen3.6-27b", "messages": [{"role": "user", "content": "こんにちは"}]}'

よくある質問

Q. 結局どちらが優秀ですか？ コーディング精度の評価では Qwen3.6 27B が優勢、エージェント向けの設計と単価では Muse Glimmer 30B が優勢です。公表ベンチマークだけでは決められないため、実際のタスクで比較することをおすすめします。

Q. Muse Glimmer 30B はローカルでも動きますか？ Apache 2.0 のオープンウェイトで、4bit 量子化なら 24GB クラスの GPU に収まると案内されています。FastMetal ではホスト型で提供しているので、セットアップなしで同じモデルを試せます。

Q. 日本語の品質はどちらが上ですか？ 日本語に特化した公開ベンチマークは両モデルとも確認できませんでした。多言語対応は Muse Glimmer が100以上、Qwen3.6 が201の言語をうたっています。日本語が中心の業務では、実際のプロンプトで検証してください。

まとめ

Muse Glimmer 30B は、ベンチマークの絶対値で選ぶモデルではなく、エージェントループの単価と設計思想で選ぶモデルです。コーディングの一発精度は Qwen3.6 27B が依然として強く、公開直後の Glimmer には実運用の実績がまだありません。量とループは Glimmer、精度の要る難所は Qwen から試すのが、いまの時点では無駄の少ない組み立てです。

各モデルの詳細は Muse Glimmer 30B の紹介を、対応モデルの一覧はモデルカタログ、料金は料金ページをご覧ください。