Muse Spark Open: Metas Flaggschiff-Gewichte sind da — die Zahlen dahinter nicht.

Muse Spark Open ist real, es ist herunterladbar, und es ist das größte Set offener Gewichte, das ein US-Labor veröffentlicht hat. Das Repository dahinter — Muse-Spark-Open-816B-A42B — tauchte erstmals am 15. September 2026 auf Hugging Face auf und lag dort einen Monat lang, zugangsbeschränkt und unangekündigt. Am 15. Oktober 2026 veröffentlichte Meta die Gewichte, einen Launch-Beitrag, eine Benchmark-Scorecard und eine Lizenz, und das Ganze wurde an einem einzigen Nachmittag offiziell. Die ehrliche Einordnung ist also weder „Stealth Drop“ noch „Launch“: Das Artefakt existierte vier Wochen lang im Stillen, und dann zog die Bürokratie nach. Was nicht nachgezogen ist, ist die Messung. Einen Tag nach der Veröffentlichung sind die Zahlen des Anbieters veröffentlicht und nicht reproduziert, die unabhängigen Zahlen sind unvollständig, und die Sicherheitsbewertung, die laut Meta die Veröffentlichung stützt, ist noch nicht draußen. Das ist es, was die öffentliche Quellenlage heute tatsächlich hergibt.

Ein Monat Stille, dann alles auf einmal.

Die Datumsangaben sind wichtig, denn sie verändern, wie man das Release liest. Die Hugging Face Repositories – der BF16-Checkpoint und ein zweiter NVFP4-Build – tragen Erstellungszeitstempel vom 2026-09-15. Die letzte Änderung ist 2026-10-15, und der Lizenztext im zugangsbeschränkten Formular ist auf den 15. Oktober 2026 datiert, wobei die Nutzungsrichtlinie auf denselben Tag datiert ist. Metas Launch-Post trägt einen Veröffentlichungszeitstempel vom 2026-10-15. Die Abfolge ist also: Repository im September, Ankündigung im Oktober.

Das ist eine andere Geschichte als die, die der Ausdruck „shipped quietly“ für gewöhnlich beschreibt. Meta hat dies sehr wohl angekündigt, und zwar an drei Stellen gleichzeitig – im eigenen Forschungsblog, in einem Entwickler-Build-Leitfaden auf seiner Entwicklerseite und in einem gemeinsam verfassten Beitrag im Hugging Face Blog, geschrieben von Mitarbeitenden von Hugging Face. Was fehlte, war der Pressezyklus. Eine rund einwöchige Berichterstattung zum Start ist nicht zustande gekommen; außerhalb der eigenen Seiten des Anbieters und ein oder zwei Aggregator-Beiträgen wird über ein Modell dieser Größe sehr wenig geschrieben. Das Leise daran ist die Rezeption, nicht die Veröffentlichung.

Was das Repository von selbst bestätigt

Alles Nachfolgende ist anhand der Checkpoint-Metadaten, der Konfiguration, der Modellkarte und von Metas Launch-Post verifizierbar, ohne dass man für eine Benchmark jemandem einfach glauben muss. Dies ist der Teil der Aufzeichnung, der feststeht.

• Umfang — insgesamt etwa 816 Milliarden Parameter, davon rund 42 Milliarden pro Token aktiv.

• Architektur — dünn besetzte Mixture-of-Experts: 62 Schichten, Hidden-Dimension 8.192, 256 Experten pro MoE-Schicht, von denen pro Token 8 ausgewählt werden, und auf Experten entfallen etwa 97 % der Gesamtparameter. Grouped-Query-Attention mit 128 Query-Heads und 16 Key-Value-Heads mit jeweils 64 Dimensionen.

• Kontext — 1.048.576 Token, das Fenster, das Meta zu 1M abkürzt und Text-, Bild-, Video- und Audio-Token im selben Budget umfasst.

• Eingaben und Ausgabe — Text, Bilder, Video und Audio als Eingabe; Text als Ausgabe. Dies ist ein multimodaler Reader, kein Generator.

• Checkpoints – zwei Formate. BF16, ungefähr 1,5 TB safetensors, und NVFP4, ein 4-Bit-Build für NVIDIA Blackwell, der laut Meta auf einem einzelnen B200-Knoten läuft.

• Speicherarithmetik — Grouped-Query-Attention hält den Cache für ein Modell dieser Größe klein, aber jedes Token fügt weiterhin 126.976 Werte hinzu. In BF16 sind das etwa 250 KB pro Token bzw. rund 266 GB für einen vollständigen 1-M-Token-Kontext.

• Reasoning — eine Einstellung für den Reasoning-Aufwand mit den Stufen low, medium, high und xhigh. Metas eigenes Tooling merkt an, dass es nicht möglich ist, Reasoning zu deaktivieren.

• Laufzeitumgebungen — Unterstützung ab dem ersten Tag in Transformers, llama.cpp, SGLang, vLLM, TensorRT-LLM, Apple MLX und Unsloth, wobei Meta eigene, automatisch optimierbare Helion-Kernel für SGLang ausliefert, die laut eigenen Angaben 1,03–3,95-fache Geschwindigkeitssteigerungen auf Kernel-Ebene über NVIDIA- und AMD-Hardware hinweg erzielen.

• Desktop — die Vorzeige-Demo. Meta ließ sie auf zwei Mac-Studio-Rechnern mit M5 Ultra-Chips unter MLX laufen, was funktioniert, weil jeder bis zu 512 GB Unified Memory bei 1,2 TB/s Bandbreite bereitstellt, sodass zwei Maschinen einen vollständigen BF16-Checkpoint aufnehmen können. Metas Demos spielten echte Änderungen in einen Open-Source-iOS-Client ein und steuerten DaVinci Resolve durchgängig.

Die Lizenz ist der Teil, den die meisten überspringen.

Muse Spark Open erscheint unter der Muse Model License, die laut Meta vielen Entwicklern erlaubt, das Modell kostenlos zu nutzen. Zwei Klauseln darin verändern, was „kostenlos“ in der Praxis bedeutet, und keine von beiden steht in der Schlagzeile.

Der erste ist Abschnitt 3, die Klausel zu Model-as-a-Service. Wenn Sie oder Ihre verbundenen Unternehmen Dritten Zugang zum Modell als Produkt oder Dienstleistung über eine API gewähren und Ihr aggregierter Bruttoumsatz in einem beliebigen Zeitraum von zwölf aufeinanderfolgenden Monaten zwanzig Millionen US-Dollar übersteigt, müssen Sie Meta benachrichtigen und eine separate schriftliche Vereinbarung treffen, bevor Sie dieses Geschäft betreiben. Die Integration in Ihr eigenes Produkt ist ausgenommen; der Weiterverkauf des Modells nicht.

Der zweite Punkt ist die Namensnennung. Die Lizenz verpflichtet Lizenznehmer, „Built with Muse Spark Open“ gut sichtbar in der Benutzeroberfläche jedes Produkts, das das Modell oder ein Derivat davon verwendet, oder in der begleitenden Dokumentation, auf der Website oder im Einstellungsmenü anzuzeigen.

Zwei Dinge, die die Lizenz eindeutig gewährt, und sie sind erwähnenswert, weil sie der eigentliche Kern offener Gewichte sind: Sie dürfen feinabstimmen, destillieren, zusammenführen, veröffentlichen, unterlizenzieren und Ableitungen verkaufen, und Meta erhebt keinen Anspruch auf Eigentum an den Ausgaben. Meta kontrolliert zudem den Download selbst – das Repository ist zugriffsgeschützt, und das Anfrageformular verlangt Ihren vollständigen rechtlichen Namen, Ihr Geburtsdatum und Ihre Organisation mit Unternehmenskennungen und kann nach dem Absenden nicht mehr bearbeitet werden. Wer einen Ein-Klick-Download erwartet, sollte mit einer Warteschlange rechnen.

Was Meta behauptet hat, aber noch nicht veröffentlicht hat

Meta hat mit dem Release eine Benchmark-Übersicht veröffentlicht, und das Muster darin ist nützlicher als jede einzelne Zeile. Die unten stehenden Zahlen sind Herstellerangaben, jedes Modell auf der Übersicht wurde in seinem eigenen Agent-Harness gemessen statt in einem gemeinsamen, und wir haben keine davon reproduziert. Sie sind eine Behauptung über Leistungsfähigkeit, keine geprüfte Rangfolge.

• Terminal-Bench 2.1, Terminus-2-Agent — 76.4

• MCP-Atlas — 89,2

• GDPval-AA v2 — 1401

• SciCode — 58.5

• JobBench — 61.8

• HLE-Diamond, ohne Tools — 26.1

• DeepSWE 1.1 — 60, selbst angegeben auf dem besten verfügbaren Harness

Die stärksten Zeilen sind agentische und Tool-Use-Evaluierungen; die schwächste ist Closed-Book-Reasoning. Das deckt sich damit, wofür Meta das Modell vorgesehen hat – langfristiges Coden, das Lesen einer Codebasis, Debugging, das Aufrufen von Tools über lange Läufe – und widerspricht der Lesart, es sei ein allgemeines Reasoning-Upgrade gegenüber irgendetwas.

Dann gibt es die Evaluation, die Meta nicht veröffentlicht hat. In Metas Launch-Post heißt es, das Modell sei unter dem Meta Superintelligence Scaling Framework bewertet worden, es habe „die Schwellenwerte erfüllt, die unser Framework für eine Veröffentlichung voraussetzt“, und die detaillierten Ergebnisse stünden in der Model Card. Die Model Card verweist auf einen vollständigen Evaluationsbericht, der als bald verfügbar angekündigt wird. Zum Zeitpunkt dieses Textes ist er noch nicht erschienen. Eine Sicherheitsaussage, die ein internes Framework passiert hat, ist etwas anderes als ein Sicherheitsbericht, den ein Leser einsehen kann, und nur Erstere existiert heute.

Die einzelne unabhängige Zahl und die Lücke um sie herum

Artificial Analysis hat einen Eintrag für Muse Spark Open, und er ist derzeit die einzige Drittanbieter-Messung in öffentlich zugänglichen Aufzeichnungen. Darin wird das Modell bei 39 auf dem Artificial Analysis Intelligence Index geführt, auf Platz neun von 118 Einträgen in seiner Klasse der Open-Weight-Modelle mit mehr als 150 Milliarden Parametern, über dem Klassenmedian von 19. Außerdem misst er die Ausgabegeschwindigkeit mit 103,4 Tokens pro Sekunde und bepreist die gehostete Route mit 1,25 $ pro Million Eingabe-Tokens und 4,25 $ pro Million Ausgabe-Tokens, bei 0,84 $ pro Aufgabe des Intelligence Index. Dieser Eintrag ist mehr wert als der Index: Er bedeutet, dass die Durchsatz- und Kostenspalten, die bei der Veröffentlichung leer waren, jetzt gefüllt sind.

Liest man die beiden Zahlenreihen zusammen, liegt die Lücke nicht in der Spezifikation, sondern darin, wie viel davon tatsächlich geprüft wurde. Die Auflistung des Analysten verzeichnet unabhängig 816B Gesamtparameter und 42B aktive Parameter, ein 1M-Token-Kontextfenster, Hugging Face als Quelle der Gewichte und die Muse Model License — dieselbe Architektur, dieselbe Lizenz und dieselben Modalitäten, die Meta angibt, beschrieben als Eingabe von Text, Bild, Sprache und Video und Ausgabe von Text. Der Punkt, an dem die beiden Darstellungen auseinandergehen, ist die Abdeckung. Meta berichtet über acht Benchmarks, alle unter seinem eigenen Harness. Die unabhängige Aufzeichnung besteht aus einem Index, einer Geschwindigkeitszahl und einem Preis. Es gibt nirgends öffentlich eine Audiomessung und keine Videomessung, keinen Durchsatzvergleich mit der geschlossenen Produktlinie Muse Spark und keinen zweiten Analysten, der den ersten überprüft. Übereinstimmung beim Datenblatt ist nicht dasselbe wie Übereinstimmung bei den Zahlen, und nur die Zahlen hier wurden getestet.

Was es tatsächlich kostet, es selbst zu betreiben

Die relevante Kostenfrage bei offenen Gewichten ist die Hardware, und hier sind die veröffentlichten Details ungewöhnlich konkret.

• BF16, Rechenzentrum — Metas eigenes Transformers-Rezept führt den BF16-Checkpoint mit Tensor-Parallelität von 32 über vier Knoten mit je acht H200-GPUs aus. Das sind 32 Beschleuniger für ein einziges Modell.

• NVFP4, Rechenzentrum — der quantisierte Build ist auf einem einzelnen B200-Knoten dokumentiert, und Metas SGLang-Referenzkonfiguration dafür läuft über vier GB300-GPUs.

• Desktop, quantisiert — Hugging Face und das llama.cpp-Team testeten eine 2-Bit-Quantisierung auf einem 512GB M3 Ultra: 304 GB Speicher wurden verbraucht, mit 18 Tokens pro Sekunde, und es blieb noch Platz für den KV-Cache. Das ist langsam, und es ist ein anderes Modell als der BF16-Checkpoint, den Meta evaluiert hat.

• Das Fenster, das Ihnen versprochen wird, und das Fenster, das Sie sich leisten können, sind zwei verschiedene Budgets – bei vollem 1M-Token-Kontext in BF16 kommt allein der KV-Cache auf rund 266 GB. Die Speicherangabe, die alle zitieren, ist der Preis für das Laden des Modells, nicht der Preis für die Nutzung der Kontextlänge, die das Modell bewirbt.

Was das für jemanden bedeutet, der heute einfach nur ein Modell braucht

Muse Spark Open ist kein Modell, auf das man einen API-Schlüssel richtet. Es ist ein Download, eine Lizenz, ein zugangsbeschränktes Anfrageformular und eine Hardware-Entscheidung – und wenn Ihre Workload diese Woche eine Antwort braucht, ist das eine Menge Oberfläche, bevor das erste Token fließt. Die praktische Variante der Frage ist, welches Muse-Modell Sie gerade jetzt erreichen können: Muse Spark 1.2 und Muse Spark 1.1 sind die beiden Mitglieder der geschlossenen Muse-Spark-Reihe, die OrcaRouter routet, beide zum Listenpreis von Meta mit 0 % Aufschlag, weil der Listenpreis des Anbieters durchgereicht und nicht aufgeschlagen wird. Muse Spark Open ist nicht in unserem Katalog, und wir werden nichts anderes suggerieren – ein Modell, dessen ganzes Versprechen darin besteht, dass man es herunterladen kann, ist ein Modell, das man selbst betreibt.

Diese Aufteilung ist zugleich das Argument dafür, beides an einem Ort zu belassen. Eine einzige API über 200+ Modelle hinweg bedeutet, dass ein nicht erprobtes Modell keine Produktionswette sein muss: Automatisches Failover kann eine Anfrage an einen zweiten Anbieter weiterreichen, wenn die Leistung des ersten nachlässt, und die Routing-DSL verlagert Traffic zwischen Modellen per Konfiguration statt per Codeänderung. Für ein Modell, das vor einem Tag veröffentlicht wurde und für das es keine unabhängige Benchmark-Suite gibt, ist das der günstigste Weg herauszufinden, wie es sich auf Ihren Traffic auswirkt.

Worauf man achten sollte und was dieses Stück verändern würde

Drei Dinge sind eher ungeklärt als unbekannt, und jedes davon würde das Bild verändern.

Das erste ist der Evaluierungsbericht, von dem Meta sagt, dass er kommt. Bis er vorliegt, stützen sich die Sicherheitsaussagen des Modells auf eine Schwellenwert-Aussage statt auf ein Dokument.

Der zweite Punkt ist, ob unabhängiges Benchmarking über einen einzigen Index hinausgeht. Ein einzelner Analystenwert ohne Reproduktion, ohne Durchsatzvergleich mit der gehosteten Muse-Reihe und ohne Audio- oder Videomessung ist ein Ausgangspunkt, kein Urteil.

Das Dritte ist, ob das Fine-Tuning-Ökosystem entsteht. Meta hat TorchTitan genau dafür veröffentlicht, und offene Gewichte zahlen sich in den Derivaten aus – Merges, Quantisierungen, Domain-Tunes –, nicht in der Download-Zahl. In vier Wochen ist die Spur der Derivate der ehrliche Maßstab dafür, ob dieses Release von Bedeutung war.

Vorerst ist die treffende Zusammenfassung knapp: Meta hat das bislang größte US-Modell mit offenen Gewichten veröffentlicht, es gründlich dokumentiert, es nirgends bepreist, es mit einer Umsatzklausel lizenziert und die Messungen demjenigen überlassen, der sie als Nächstes vornimmt.

Benchmarks veralten und Preise bewegen sich; die Fehlerhistorie nicht: Die dokumentierten KI-Vorfälle und Agentenfehler hinter Modellen dieser Klasse sind gesammelt im OrcaRouter AI Incident Archive, wo jeder Eintrag seine eigenen Quellen, seinen Schweregrad, seinen Konfidenzgrad und eine Kennzeichnung als umstritten enthält.