Meta veröffentlichte die Gewichte für Muse Spark Open am 15. Oktober 2026 und positionierte das Modell als das leistungsfähigste offene KI-System, das jemals von einem US-Unternehmen herausgebracht wurde. Laut Metas offiziellem Forschungsblog kombiniert das Modell gewaltige 816 Milliarden Gesamtparameter mit einem spärlichen Expertenmix-Design, das nur 42 Milliarden Parameter pro Token aktiviert, zusammen mit einem Kontextfenster von 1 Million Token.

Die Veröffentlichung erfolgt einen Tag, nachdem Meta Muse Wonder Full, sein Closed-Frontier-Modell, auf den Markt gebracht hat, und signalisiert, dass das Unternehmen beabsichtigt, an beiden Fronten zu konkurrieren: Frontier-Leistung durch seine API-Produkte und Community-Zugänglichkeit durch offene Gewichte. Meta war der beständigste Open-Weight-Publisher unter den US-Frontier-Labors, und diese Veröffentlichung erweitert diese Strategie auf das Agentenzeitalter. Weitere Informationen zu dieser Geschichte finden Sie in unserer KI-Branchenberichterstattung.

Was Muse Spark Open ist

Muse Spark Open ist ein natives multimodales Modell, das für die Codierung und Agentenarbeit entwickelt wurde. Laut Meta zeichnet es sich durch Aufgaben mit langem Horizont, komplexer Softwareentwicklung und mehrstufigem Denken aus – die Arbeitslasten, die im Jahr 2026 agentische KI-Produkte ausmachen. Die 816B/42B-Aufteilung der aktivierten Parameter folgt dem spärlichen Architekturmuster, das von Modellen wie DeepSeek und Qwen populär gemacht wird, und hält die Inferenzkosten trotz der enormen Gesamtparameterzahl überschaubar.

Das 1M-Token-Kontextfenster platziert das Modell in der obersten Ebene für Arbeiten mit langem Kontext. Entwickler können ganze Code-Repositories, lange Dokumentensätze oder stundenlange Transkripte in einer einzigen Anfrage einspeisen, ohne dass ein Abrufgerüst erforderlich ist.

Der Apple Silicon Angle

Die Hauptfunktion kann der Ort sein, an dem das Modell ausgeführt wird. Laut Meta ist Muse Spark Open das erste Modell seiner Klasse, das auf einem Desktop-Setup läuft, das aus zwei Apple M5 Ultra Mac Studios mit dem neuesten MLX-Framework besteht. Jede M5 Ultra-Maschine stellt ihrer integrierten GPU bis zu 512 GB einheitlichen Speicher zur Verfügung, sodass zwei Maschinen zusammen das vollständige Modell bilden – und sich in Metas Worten praktisch wie ein Supercomputer mit einem Terabyte einheitlichem Speicher verhalten. Die Speicherbandbreite des Chips von 1,2 TB/s liefert den Durchsatz, den die Sparse-Architektur benötigt.

Meta demonstrierte das Setup, bei dem Agenten-Workflows vollständig auf dem Gerät über Muse Code ausgeführt wurden, einschließlich der Übertragung echter iOS-Änderungen an Ice Cubes, einem Open-Source-Mastodon-Client, und der End-to-End-Ansteuerung von DaVinci Resolve – wobei das Modell das Filmmaterial Bild für Bild überprüfte, um die stärksten Momente zu finden und sie vertikal zuzuschneiden.

Verfügbarkeit und Ökosystemunterstützung

Die Gewichte können von Hugging Face, Amazon SageMaker AI, Google Cloud Model Garden und Microsoft Foundry Models heruntergeladen werden. Entwickler, die gehostete Inferenz bevorzugen, können über Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter und Together AI auf das Modell zugreifen.

Meta lieferte außerdem Optimierungen für die wichtigsten Inferenz-Engines: SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, Apple MLX, llama.cpp und Unsloth, mit Unterstützung für AMD-, Apple-, Intel- und NVIDIA-Silizium. Die Open-Weight-Version umfasst benutzerdefinierte, automatisch abstimmbare Helion-GPU-Kernel in SGLang, die eine 1,03- bis 3,95-fache Beschleunigung auf Kernel-Ebene auf NVIDIA- und AMD-GPUs sowie eine End-to-End-Beschleunigung von 3 Prozent auf dem MI350 von AMD bieten.

Ein überfülltes Open-Weight-Feld

Metas Anspruch auf die Krone mit offenem Gewicht kommt in einem Markt zustande, in dem chinesische Labore einen großen Teil des Tempos vorgegeben haben. Die GLM-Serie von Z.ai, die Qwen-Familie von Alibaba und die Modelle von DeepSeek haben in diesem Jahr allesamt offene Gewichte in grenzüberschreitendem Maßstab ausgeliefert, und die Veröffentlichungen offener Gewichte aus US-Laboren waren im oberen Preissegment vergleichsweise selten. Ein in dieser Größe konkurrierendes Modell mit US-Ursprung ist für Unternehmen und Regierungen wichtig, die starke Modelle mit Gewichten wollen, die sie prüfen, prüfen und ändern können, ohne auf einen chinesischen Anbieter oder eine geschlossene API angewiesen zu sein.

Bemerkenswert ist auch das Timing. Nur einen Tag zuvor brachte Meta sein Closed-Frontier-Modell Muse Wonder Full auf den Markt. Durch den Versand eines geschlossenen Flaggschiffs und eines offenen Gegenstücks innerhalb von 24 Stunden kann Meta sowohl Käufer bedienen, die eine schlüsselfertige API-Leistung wünschen, als auch Entwickler, Forscher und Unternehmen, die sich selbst hosten möchten – zwei Märkte, die zunehmend unterschiedliche Produkte nachfragen.

Sicherheitshaltung

Freigaben mit offenem Gewicht in dieser Größenordnung erfordern offensichtlich Überlegungen zur doppelten Verwendung. Laut Meta erhielt Muse Spark Open speziell für die offene Veröffentlichung zusätzliche Sicherheitsnachschulungen und die im Rahmen des Superintelligence Scaling Framework des Unternehmens durchgeführten Bewertungen zeigten starke Schutzmaßnahmen in allen gemessenen Risikokategorien. Unabhängige Red-Teaming-Ergebnisse werden wichtiger sein als die Behauptungen der Anbieter, und die Veröffentlichung wird mit ziemlicher Sicherheit von denselben politischen Gruppen geprüft, die im Laufe des Jahres 2026 über Open-Weight-Release-Normen debattiert haben.

Welche Änderungen an der Desktop-Klasseninferenz vorgenommen werden

Der Betrieb eines Modells dieser Fähigkeit auf zwei Desktop-Rechnern statt auf einem Rack mit Rechenzentrums-GPUs hat praktische Konsequenzen, die über die Kosten hinausgehen. Organisationen mit strengen Anforderungen an die Datenverwaltung – Krankenhäuser, Anwaltskanzleien, Rüstungsunternehmen, Finanzinstitute – können Eingabeaufforderungen und Dokumente vollständig in ihren eigenen vier Wänden aufbewahren. Entwickler erhalten Latenz- und Ratenbeschränkungen, die von ihrer eigenen Hardware und nicht von der Warteschlange eines Anbieters abhängen. Und Bastler erhalten ein Modell im Grenzmaßstab, das sie ohne Erlaubnis verfeinern, quantifizieren und modifizieren können.

Auch die Kompromisse sind real. Zwei M5 Ultra-Maschinen stellen immer noch eine erhebliche Hardware-Investition dar, und einem Desktop-Cluster mangelt es an Redundanz, Betriebszeit und Durchsatz gehosteter Inferenz. Meta geht davon aus, dass ein bedeutender Teil des Marktes Besitz und Privatsphäre so schätzt, dass er diese Einschränkungen akzeptiert – und dass der Demonstrationseffekt der Ausführung eines 816B-Parameter-Modells zu Hause selbst für Käufer von Bedeutung ist, die sich letztendlich für die API entscheiden.

Warum es wichtig ist

Die Veröffentlichung verschärft die offene versus geschlossene Debatte, die die Branche in diesem Jahr geprägt hat. Meta setzt darauf, dass frei herunterladbare, grenzüberschreitende Gewichte sein Ökosystem vergrößern und Konkurrenten unterbieten, die ihre besten Modelle proprietär halten. Für Entwickler liegt die praktische Bedeutung auf der Hand: ein Agentenmodell der Spitzenklasse, das fein abgestimmt, selbst gehostet und Air-Gap-fähig ist und auf verbrauchernaher Hardware ausgeführt werden kann, anstatt über den Token gemietet zu werden.

Ob Muse Spark Open tatsächlich den Titel „leistungsfähigstes US-Open-Weight-Modell“ trägt, hängt von unabhängigen Benchmarks ab, die zum Zeitpunkt der Veröffentlichung nicht verfügbar waren. Aber die Kombination aus Umfang, langem Kontext, Hardwareunterstützung der Desktop-Klasse und breiter Inferenz-Engine-Abdeckung macht es zu einer der bedeutendsten Open-Weight-Veröffentlichungen des Jahres – und zu einer direkten Herausforderung für jedes geschlossene Modell, das zu Premium-API-Preisen verkauft wird.

---

Bleib vorne bei KI

Die neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.

Mehr KI-Nachrichten lesen →