Meta veröffentlicht Muse Spark Open als Konkurrenz zu chinesischen KI-Modellen, mit Einschränkungen bei Hardware und kommerzieller Nutzung

Ein Modell mit 816 Milliarden Parametern steigt ins Rennen um offene KI ein

Meta hat am 15. Oktober 2026 Muse Spark Open veröffentlicht. Entwickler können das Modell herunterladen, verändern und selbst betreiben. Es umfasst 816 Milliarden Parameter, unterstützt ein Kontextfenster von 1 Million Tokens und lässt sich laut Meta auf zwei Apple M5 Ultra Mac Studio Computern mit ausreichend Arbeitsspeicher ausführen.

Mit der Veröffentlichung tritt ein weiterer US-amerikanischer Wettbewerber in einen Markt ein, in dem chinesische Entwickler deutlich aufgeholt haben. Eine im März 2026 veröffentlichte Auswertung von Hugging Face ergab, dass chinesische Modelle im vorangegangenen Jahr 41 % der Downloads ausmachten und damit US-amerikanische Modelle übertrafen. Alibaba Qwen, Kimi von Moonshot AI und GLM von Z.ai gehören zu den Modellen, die um Entwickler konkurrieren, die ihre KI-Systeme selbst kontrollieren wollen.

Meta bezeichnet Muse Spark Open als sein leistungsfähigstes Open-Weights-Modell aus den USA. Die unternehmenseigenen Tests zeichnen ein differenzierteres Bild: Bei bestimmten Tests zur Werkzeugnutzung und Aufgabenerledigung liegt das Modell vor mehreren aufgeführten Wettbewerbern, während chinesische Konkurrenten bei mehreren Bewertungen zu Programmierung und professioneller Arbeit besser abschneiden.

Meta, der Mutterkonzern von Facebook, Instagram und WhatsApp, hält sein fortschrittlichstes Modell Muse Wonder weiterhin geschlossen. Die Veröffentlichung verfolgt damit zwei Ziele: Entwickler sollen eine anpassbare Technologie erhalten, während ein leistungsfähigeres Produkt für kommerzielle Dienste vorbehalten bleibt.

Für Unternehmen hängt die praktische Entscheidung von mehr als Benchmark-Ergebnissen ab. Muse Spark Open bietet Kontrolle über Bereitstellung und Daten, benötigt aber viel Arbeitsspeicher. Außerdem verlangt die Lizenz von manchen Unternehmen, die Zugang zum Modell verkaufen, eine separate Vereinbarung.

Was Entwickler herunterladen und verändern können

Als Urheber ist Meta Superintelligence Labs in der offiziellen Modellkarte von Muse Spark Open angegeben. Sie beschreibt ein System, das für Programmierung, mehrstufiges Schlussfolgern und die Erledigung von Aufgaben mithilfe von Softwarewerkzeugen entwickelt wurde.

Modellgewichte sind die während des Trainings erlernten numerischen Einstellungen. Wenn sie heruntergeladen werden können, lässt sich das Modell auch von anderen Entwicklern ausführen, in seinem Verhalten anpassen und in ein Produkt integrieren, ohne jede Anfrage an Meta zu senden. Bei geschlossenen Modellen erfolgt der Zugriff üblicherweise über Dienste, die von den jeweiligen Entwicklern kontrolliert werden.

Open Weights und Open Source bezeichnen unterschiedliche Grade des Zugangs. Bei einer vollständigen Open-Source-Veröffentlichung würden auch die relevanten Trainingsdaten und der Trainingscode unter geeigneten Bedingungen bereitgestellt. Muse Spark Open wird unter Metas eigener Lizenz verbreitet, die Bedingungen für die Nutzung und Weiterverbreitung festlegt.

Das Modell verarbeitet Text, Bilder, Videos und Audios und gibt Text aus. Entwickler könnten damit etwa einen Screenshot untersuchen, ein Diagramm interpretieren oder eine aufgezeichnete Besprechung zusammen mit schriftlichen Anweisungen auswerten. Das Kontextfenster von 1 Million Tokens bestimmt, wie viel Material das Modell gleichzeitig berücksichtigen kann. Tokens sind kleine Einheiten aus Text oder anderen codierten Informationen, die das System verarbeitet.

Metas Modellübersicht hebt Programmierung, die Analyse von Bildern und Dokumenten sowie Arbeitsabläufe mit mehreren KI-Agenten hervor. Ein Agent ist ein System, das Schritte zur Erledigung einer Aufgabe ausführen kann, etwa ein Werkzeug aufrufen, das Ergebnis prüfen und anschließend über das weitere Vorgehen entscheiden.

Wo Meta vorne liegt und wo chinesische Konkurrenten

In Metas Benchmark-Tabelle erreicht Muse Spark Open bei JobBench 61,8 Punkte, verglichen mit 61,4 für GLM 5.3 und 54,3 für Kimi K3. Bei MCP-Atlas, einem Test zur Werkzeugnutzung, gibt Meta für sein Modell 89,2 Punkte an. Damit liegt es vor Qwen3.8 mit 84,5, GLM 5.3 mit 84,2 und Kimi K3 mit 82,3 Punkten.

Bei mehreren Messgrößen zur Programmierung schneiden die chinesischen Wettbewerber besser ab. Im Test Terminal-Bench 2.1 gibt Meta für Muse Spark Open 76,4 Punkte an, verglichen mit 83,9 für GLM 5.3 und 85,0 für Kimi K3. Kimi liegt damit 8,6 Punkte vorn. Bei DeepSWE 1.1 erreicht Muse Spark Open 60 Punkte, GLM 67 und Kimi 68.

Für die Vergleiche bei DeepSWE wird jeweils die bevorzugte oder leistungsfähigste verfügbare Agentensoftware der Modelle verwendet. Diese Software hilft dabei, die Arbeit zu organisieren. Das ausgewiesene Ergebnis spiegelt daher die Leistung des Modells in einer bestimmten Konfiguration wider. Außerdem verwendet Meta für die konkurrierenden Modelle unterschiedliche, eigens benannte Einstellungen für das Schlussfolgern.

Meta gibt für Muse Spark Open einen Wert von 39 im Artificial Analysis Intelligence Index an. Damit liegt das Modell über den für Inkling von Thinking Machines ausgewiesenen 26 und den 23 Punkten für Nvidia Nemotron 3 Ultra. In Metas Tabelle kommt GLM 5.3 auf 45, Kimi K3 auf 44 und Qwen3.8 auf 40 Punkte. Diese Zahlen stammen aus Metas Modellkarte.

Welche Lösung sich eignet, hängt deshalb von der jeweiligen Aufgabe ab. Ein Unternehmen, das einen Assistenten zur Koordination von Werkzeugen entwickelt, kann andere Ergebnisse höher gewichten als ein Team, das KI für anspruchsvolle Wartungsarbeiten an Software einsetzen will. Metas Veröffentlichung bietet Stärken bei bestimmten Aufgaben, steht im breiteren Testspektrum aber in starkem Wettbewerb.

Warum herunterladbare Modelle an Bedeutung gewonnen haben

Die von Hugging Face ermittelte Downloadquote von 41 % erklärt den kommerziellen Druck auf US-amerikanische Entwickler. Herunterladbare Modelle ermöglichen es Organisationen, auf einem bestehenden System aufzubauen, statt ein großes Modell von Grund auf zu trainieren. Sie können es auch an ihre eigene Terminologie, Abläufe und Anwendungen anpassen.

OpenRouter zufolge entfielen im September auf seiner Plattform 60 % des Tokenvolumens von Anfragen aus den USA auf Open-Weights-Modelle. Chinesische Entwickler stellten den Großteil des Datenverkehrs mit offenen Modellen. Diese Kennzahl beschreibt die Aktivität auf OpenRouter; die Zahl von Hugging Face erfasst Downloads auf einer anderen Plattform und über einen anderen Zeitraum.

Alexandr Wang, Chief AI Officer von Meta, stellte den Wettbewerb als nationale Frage dar. US-amerikanische Unternehmen müssten Modelle veröffentlichen, die Entwickler breit einsetzen können, argumentierte er.

Der Großteil der weltweiten KI wird auf offenen Modellen laufen. Sie sollten aus den USA stammen.

Unternehmen können selbst entscheiden, wo sie herunterladbare Modelle betreiben, auch wenn diese im Ausland entwickelt wurden. Wird ein System auf der eigenen Infrastruktur ausgeführt, können Eingaben und Dokumente in dieser Umgebung bleiben, sofern die verbundenen Werkzeuge und Dienste entsprechend konfiguriert sind. Wo die Verarbeitung stattfindet, hängt von der gewählten Bereitstellung ab.

Zwei Desktop-Computer und hoher Speicherbedarf

Metas Ankündigung vom 15. Oktober beschreibt eine Apple-Konfiguration mit zwei M5 Ultra Mac Studios, jeweils mit bis zu 512 GB einheitlichem Arbeitsspeicher. Apples MLX-Framework ermöglicht es den Rechnern, zusammenzuarbeiten und das Modell über insgesamt rund ein Terabyte Arbeitsspeicher hinweg zu halten.

Muse Spark Open verwendet eine Mixture-of-Experts-Architektur. Es umfasst zahlreiche spezialisierte Parametergruppen, von denen bei jedem verarbeiteten Token nur einige aktiviert werden. Von insgesamt 816 Milliarden Parametern sind jeweils 42 Milliarden aktiv, also rund 5,1 % der Gesamtzahl. Dadurch sinkt der Rechenaufwand für jeden Verarbeitungsschritt. Um das vollständige Modell zu speichern, ist jedoch weiterhin sehr viel Arbeitsspeicher erforderlich.

Die Modellkarte nennt für die NVFP4-Version mindestens 700 GB Grafikspeicher und für BF16 2 TB. Dabei handelt es sich um unterschiedliche Zahlenformate zur Speicherung der Gewichte. NVFP4 benötigt weniger Bits und weniger Speicher; BF16 belegt mehr Speicher. Meta weist darauf hin, dass komprimierte Inferenz in manchen Fällen zu geringfügigen Qualitätsunterschieden führen kann.

Die Apple-Konfiguration des Mac Studio mit 512 GB sollte später im Oktober verfügbar sein; zum Zeitpunkt der Vorstellung war der Preis noch nicht bekannt. Ein Gerät mit dem erforderlichen M5-Ultra-Chip und 256 GB Arbeitsspeicher kostete ab 10.799 US-Dollar. Vier Rechner zu diesem Preis würden vor Steuern und Zubehör 43.196 US-Dollar kosten und zusammen die gleiche Speicherkapazität wie die vorgeschlagene Zweierkonfiguration bieten.

Meta zeigte lokale Arbeitsabläufe, bei denen Änderungen an Ice Cubes, einer Mastodon-App, vorgenommen und DaVinci Resolve bedient wurde, um Videomaterial zu prüfen und Hochkantzuschnitte vorzubereiten. Einen vollständigen Preis oder eine gemessene Textgenerierungsrate für das vorgeschlagene Rechnerpaar nannte das Unternehmen nicht.

Apple und Meta finden gemeinsame Interessen

Apple und Meta arbeiteten monatelang gemeinsam an der Bereitstellung. Die Partnerschaft bringt Unternehmen zusammen, deren Verhältnis durch Auseinandersetzungen über Datenschutz und Werbung belastet war. Meta schätzte, dass die 2021 eingeführten Datenschutzänderungen von Apple den Umsatz des Unternehmens 2022 um 10 Milliarden US-Dollar schmälern würden.

Meta hatte bereits Hunderte Mac-Computer für sein Superintelligence-Team gekauft, um lokale KI und Agenten zu erproben. Wang zufolge war der KI-Forscher und ehemalige Apple-Manager Daniel Gross ein Grund dafür, dass die Zusammenarbeit zustande kam.

Apple kann damit demonstrieren, wie seine Hardware ein sehr großes KI-Modell außerhalb eines Rechenzentrums ausführt. Meta eröffnet Entwicklern einen weiteren Weg, lokal zu arbeiten. Keines der beiden Unternehmen hat sich öffentlich zu einer weitergehenden Partnerschaft bekannt.

Meta unterstützt außerdem Hardware von AMD, Intel und Nvidia über mehrere Inferenz-Engines, also Software zum Ausführen trainierter Modelle. In der Ankündigung führt das Unternehmen SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, MLX, llama.cpp und Unsloth auf.

Die Leistungsverbesserungen unterscheiden sich je nach Komponente und System. Für einzelne Helion-GPU-Kernel, also kleine Rechenroutinen, gibt Meta Beschleunigungen um das 1,03- bis 3,95-Fache an. Für den vollständigen Arbeitsablauf auf AMD-MI350-Hardware berichtet das Unternehmen von einer Geschwindigkeitssteigerung um 3 %.

Was die kostenlose Nutzung erlaubt und wo ihre Grenzen liegen

Die Muse Model License erlaubt vielen Entwicklern, das Modell ohne Zahlungen an Meta auszuführen, zu verändern und anzupassen. Für bestimmte Unternehmen, die Modelle als Dienstleistung anbieten, gilt eine besondere kommerzielle Bestimmung. Gemeint sind Anbieter, die Kunden gegen Bezahlung Zugang zu einem gehosteten Modell gewähren.

Überschreiten ein Lizenznehmer und seine verbundenen Unternehmen in einem beliebigen zusammenhängenden Zeitraum von zwölf Monaten gemeinsam einen Bruttoumsatz von 20 Millionen US-Dollar, erfordern bestimmte Angebote zum Betrieb des Modells eine Mitteilung an Meta und eine separate schriftliche Vereinbarung. Bei der Umsatzberechnung zählen das Unternehmen und seine verbundenen Unternehmen, nicht nur die durch Muse Spark Open erzielten Erlöse.

Für die interne Nutzung und weitere ausdrücklich genannte Aktivitäten gelten Ausnahmen von dieser Bestimmung. Die Lizenz verlangt außerdem, dass Produkte, die das Modell oder davon abgedeckte Ableitungen nutzen, den Hinweis „Built with Muse Spark Open“ anzeigen. Unternehmen sollten daher sowohl ihre geplante Nutzung als auch die geltenden Bedingungen prüfen.

Entwickler können die Gewichte über Amazon SageMaker AI, Google Cloud Model Garden, Hugging Face und Microsoft Foundry Models herunterladen. Gehosteten Zugang bieten Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter und Together AI an.

Together AI nennt für serverlose Nutzung Preise von 1,25 US-Dollar je Million Eingabe-Tokens und 4,25 US-Dollar je Million Ausgabe-Tokens. Die Verarbeitung von 1 Million Eingabe-Tokens und die Erzeugung von 1 Million Ausgabe-Tokens würden zu diesen Preisen 5,50 US-Dollar kosten. Die Kosten für den lokalen Betrieb hängen dagegen von den Hardwareausgaben, der Auslastung, dem Stromverbrauch und dem technischen Support ab.

Sicherheitsmaßnahmen gehen über den Download hinaus

Meta zufolge basiert Muse Spark Open auf Muse Spark, das im August veröffentlicht wurde. Zusätzliche Sicherheitstrainings sollen den Einsatz außerhalb der Schutzsysteme von Meta vorbereiten. In der Modellkarte werden schädliche Inhalte, über Werkzeuge ausgeführte Handlungen, Datenschutz sowie Risiken in den Bereichen Cybersicherheit, Chemie, Biologie und Kontrollverlust bewertet.

Meta gibt an, dass das veröffentlichte Modell bei seinem internen Benchmark für Cyber-Jailbreaks 99,2 % der Versuche abgelehnt hat. Bei einem Jailbreak wird versucht, ein Modell dazu zu bringen, seine Einschränkungen zu umgehen. Über drei weitere zusammengefasste Testsätze zur Cybersicherheit hinweg nennt Meta eine Ablehnungsquote von 94,8 %.

Beim Verbinden des Modells mit realen Systemen tragen Entwickler weiterhin Verantwortung. Meta empfiehlt an die jeweilige Anwendung angepasste Schutzmaßnahmen, darunter eine Bestätigung durch Menschen vor unumkehrbaren Aktionen. Ein Assistent, der Code bearbeiten, Dateien verschieben oder externe Werkzeuge aufrufen kann, braucht klare Beschränkungen für die zulässigen Aktionen.

Laut Modellkarte kann das System ungenaue, voreingenommene oder anstößige Antworten liefern und bei komplexen Schlussfolgerungen Fehler machen. Es wurde mit Daten aus mehr als 100 Sprachen trainiert, doch Meta hat nicht alle im Training verwendeten Sprachen bewertet. Entwickler, die das Modell anpassen, müssen ihre eigenen Anwendungen und Sprachen testen, besonders nachdem sie Gewichte oder Verhalten verändert haben.

Eine Veröffentlichung, die auch Metas geschlossenem Geschäft nützt

Meta behält Muse Wonder, sein fortschrittlicheres Modell, unter Verschluss. Wang sagte, dass Sicherheits- und Leistungsaspekte beeinflussen, welche Modelle das Unternehmen zum Download freigibt.

Aus Sicherheits- und Leistungsgründen werden wir unsere leistungsfähigsten Modelle im Allgemeinen nicht als Open Source veröffentlichen.

Meta betrachtet den kostenlosen Zugang auch als Möglichkeit, Entwickler zu gewinnen, die später über das geplante Cloud-Geschäft des Unternehmens für zusätzliche Werkzeuge und Rechenleistung bezahlen könnten. Entwickler können zunächst unabhängig experimentieren und bei steigendem Bedarf gehostete Dienste nutzen.

Der Wettbewerb geht über Meta hinaus. Das französische Unternehmen Mistral kündigte Anfang Oktober Mistral Large 4 an und bezeichnete es als sein bislang größtes und leistungsfähigstes Modell, mit insgesamt 1 Billion Parametern und 49 Milliarden aktiven Parametern. Die Veröffentlichung der Gewichte war für den 27. Oktober geplant. Auch Reflection AI plante, sein Modell Beam noch im Oktober herauszubringen.

Die wichtigsten Meilensteine:

• August 2026: Meta veröffentlichte Muse Spark und das kleinere Open-Weights-Modell Muse Glimmer.
• Anfang Oktober: Mistral kündigte Mistral Large 4 an.
• 15. Oktober: Meta veröffentlichte Muse Spark Open.
• Später im Oktober: Apples Mac-Studio-Konfiguration mit 512 GB Arbeitsspeicher sollte auf den Markt kommen.
• 27. Oktober: Mistral plante die Veröffentlichung der Gewichte von Large 4.

Metas Veröffentlichung bietet Organisationen ein weiteres leistungsfähiges Modell, das sie selbst betreiben und anpassen können. Seine Attraktivität beruht auf der Kombination aus Leistung bei bestimmten Aufgaben, lokalen Einsatzmöglichkeiten und Lizenzbedingungen. Die leistungsfähigste Technologie des Unternehmens bleibt derweil einem kostenpflichtigen Dienst vorbehalten.

Wichtigste Punkte

• Meta veröffentlichte Muse Spark Open am 15. Oktober 2026. Das Modell umfasst insgesamt 816 Milliarden Parameter, von denen jeweils 42 Milliarden aktiv sind.
• Das Modell verarbeitet Text, Bilder, Videos und Audios, gibt Text aus und unterstützt ein Kontextfenster von 1 Million Tokens.
• Metas Tests zeigen Stärken bei der Werkzeugnutzung; Kimi K3 und GLM 5.3 liegen bei mehreren Programmiermessungen vorn.
• Der lokale Betrieb erfordert viel Arbeitsspeicher. Metas vorgeschlagene Desktop-Konfiguration besteht aus zwei M5 Ultra Mac Studios mit jeweils 512 GB.
• Unternehmen, die das Modell als Dienstleistung anbieten und den Umsatzschwellenwert von 20 Millionen US-Dollar überschreiten, benötigen eine separate Vereinbarung mit Meta.
• Muse Wonder bleibt geschlossen. Mit herunterladbaren Modellen will Meta Entwickler und potenzielle Cloud-Kunden gewinnen.