Meta veröffentlicht Muse Spark Open: Ein 816B-Modell mit eingeschränkten kommerziellen Bedingungen

Meta hat am 15. Oktober 2026 Muse Spark Open veröffentlicht und damit ein massives Modell mit 816 Milliarden Parametern eingeführt, das für komplexe agentische Aufgaben konzipiert ist. Das Unternehmen positioniert diese Veröffentlichung als das leistungsfähigste Open-Weight-Modell aus den USA und zielt darauf ab, die Leistung führender chinesischer Alternativen zu erreichen oder zu übertreffen, während eine eigenständige Lizenzstruktur beibehalten wird.

Was passiert ist

Das neue Modell verfügt über 42 Milliarden aktive Parameter und unterstützt einen Kontextfenster von einer Million Tokens. Meta hat die Gewichte zum Download über große Plattformen wie Amazon SageMaker AI, Google Cloud Model Garden, Hugging Face und den Microsoft Foundry Model Catalog bereitgestellt. Entwickler können auch über APIs von Anbietern wie Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter und Together AI auf das Modell zugreifen.

Obwohl die Gewichte öffentlich zugänglich sind, legt die zugehörige Muse Model License spezifische kommerzielle Einschränkungen fest. Unternehmen, die in einem zusammenhängenden Zeitraum von zwölf Monaten mehr als 20 Millionen US-Dollar an Bruttoumsatz generieren, müssen Meta benachrichtigen und vor der Bereitstellung des Modells oder seiner Derivate als Dienstleistung eine separate schriftliche Vereinbarung treffen. Diese Schwelle schränkt die uneingeschränkte kommerzielle Nutzung effektiv auf kleinere Akteure und die interne Unternehmensnutzung ein.

Die Lizenz schreibt zudem vor, dass jedes Produkt oder jeder Dienst, der unter Verwendung von Muse Spark Open entwickelt wurde, den Hinweis „Built with Muse Spark Open“ prominent in seiner Benutzeroberfläche anzeigen muss. Diese Bedingungen spiegeln Einschränkungen wider, die in jüngsten Lizenzen chinesischer Wettbewerber wie Moonshot für Kimi K3 zu finden sind. Die Richtlinie untersagt ausdrücklich militärische Einsätze und den Einsatz in kritischer Infrastruktur – eine Einschränkung, die Meta bereits 2024 für seine Llama-Modelle eingeführt hatte –, enthält jedoch nicht die breiteren Nutzungsverbote, die in einigen Richtlinien der Konkurrenz zu finden sind.

Wie es funktioniert

Muse Spark Open nutzt eine sparse Architektur, bei der nur 42 Milliarden seiner 816 Milliarden Parameter während eines einzelnen Inferenzschritts aktiv sind. Dieses Design ermöglicht es dem Modell, eine umfangreiche Wissensbasis und Reasoning-Fähigkeit aufrechtzuerhalten, während die Rechenkosten pro Token im Vergleich zu dichten Modellen ähnlicher Gesamtgröße gesenkt werden. Das Fenster von einer Million Tokens erlaubt es dem Modell, umfangreiche Codebasen, lange Dokumente oder mehrstufige Agent-Workflows zu verarbeiten, ohne den Kontext zu verlieren.

Meta hat das Modell für Coding- und agentische Arbeiten optimiert und sich dabei auf langfristige Aufgaben und mehrstufiges Reasoning konzentriert. Um die lokale Durchführbarkeit zu demonstrieren, arbeitete Meta mit Apple zusammen, um das Modell auf zwei Mac Studio-Einheiten laufen zu lassen, die jeweils mit M5 Ultra-Chips und 512 GB Speicher ausgestattet waren und über das MLX-Framework miteinander verbunden wurden. Mit diesem Setup konnte Meta Muse Code betreiben und Updates für den Ice Cubes Mastodon-Client bereitstellen, obwohl solche Hardware für die meisten individuellen Entwickler prohibitiv teuer bleibt.

Wichtige Details

• Modellgröße: 816 Milliarden Gesamtparameter mit 42 Milliarden aktiven Parametern.
• Kontextfenster: Unterstützt bis zu einer Million Tokens.
• Umsatzschwelle: Unternehmen mit einem jährlichen Bruttoumsatz von über 20 Millionen US-Dollar müssen für Dienstleistungsangebote eine separate Vereinbarung unterzeichnen.
• Attributionspflicht: Produkte müssen „Built with Muse Spark Open“ in der Benutzeroberfläche anzeigen.
• Verfügbarkeit: Die Gewichte sind auf Hugging Face, SageMaker, Google Cloud und Microsoft Foundry verfügbar; APIs stehen über acht große Anbieter zur Verfügung.
• Hardware-Demo: Lokaler Betrieb auf zwei Mac Studios mit M5 Ultra-Chips und jeweils 512 GB RAM.

Warum es wichtig ist

Für Software-Ingenieure und technische Gründer stellt Muse Spark Open eine leistungsstarke Option für agentische Workflows dar, die mit chinesischen Modellen wie Kimi K3, GLM 5.3 und Qwen3.8 konkurriert. In Benchmarks, die sich auf Tool-Nutzung und agentische Aufgaben konzentrieren, wie JobBench und MCP-Atlas, führt Muse Spark Open diese Wettbewerber an. Allerdings liegt es in reinen Coding-Benchmarks noch zurück und erzielt 76,4 Punkte im Terminal-Bench 2.1 im Vergleich zu 85,0 Punkten bei Kimi K3. Dies deutet darauf hin, dass das Modell am besten für komplexe, mehrstufige Reasoning-Aufgaben geeignet ist, weniger für reine Codegenerierung.

Die Lizenzstruktur zieht eine klare Compliance-Grenze für wachsende Startups. Während die interne Nutzung und die Integration in proprietäre Produkte für alle kostenlos bleiben, löst das Überschreiten der Umsatzschwelle von 20 Millionen US-Dollar eine Verhandlungspflicht für dienstleistungsbasierte Angebote aus. Dies schafft einen vorhersehbaren Weg für die Skalierung, bringt aber rechtlichen Aufwand für erfolgreiche Unternehmen mit sich. Die obligatorische Attributionsklausel beeinflusst auch das Produktdesign und erfordert sichtbares Branding, das möglicherweise nicht mit allen White-Label-Strategien vereinbar ist.

Was Sie tun können

• Bewerten Sie Muse Spark Open für agentische Aufgaben und Long-Context-Reasoning, wo es US-Rivalen wie Thinking Machines’ Inkling übertrifft.
• Prüfen Sie den Bruttoumsatz Ihres Unternehmens gegen die Schwelle von 20 Millionen US-Dollar, um festzustellen, ob für kommerzielle Dienstleistungsangebote eine separate Vereinbarung mit Meta erforderlich ist.
• Implementieren Sie die erforderliche Attribution „Built with Muse Spark Open“ in Ihrer Benutzeroberfläche, wenn Sie das Modell oder seine Derivate einsetzen.
• Testen Sie das Modell über API-Anbieter wie Fireworks AI oder Groq, bevor Sie sich auf Kosten für lokale Infrastruktur festlegen.
• Berücksichtigen Sie die Lücke in der Coding-Leistung, wenn Ihr primärer Anwendungsfall die eigenständige Codegenerierung ist, da das Modell in relevanten Benchmarks hinter Kimi K3 und GLM 5.3 liegt.
• Beobachten Sie die Hardware-Anforderungen, wenn Sie eine lokale Bereitstellung planen, und beachten Sie, dass optimale Leistung derzeit High-End-Setups wie zwei Mac Studios mit 512 GB RAM erfordert.