Muse Spark Open: Das beste US-Open-Weight-Modell ist eine Behauptung mit Bedingungen und Auflagen.

Die Behauptung tauchte am Abend des 15. Oktober 2026 auf X auf, und sie ist von der Sorte, die im einen Satz zutrifft und im nächsten verhandelbar ist. Meta veröffentlichte die Gewichte für Muse Spark Open – den Checkpoint mit 816 Milliarden Parametern und 42 Milliarden aktiven Parametern, den man seit dem Auftauchen des Repositorys auf Hugging Face einen Monat zuvor zurückgehalten hatte –, und innerhalb weniger Stunden hing ihm die Bezeichnung „bestes offenes US-Modell mit offenen Gewichten" an. Die Zahl, die das am direktesten stützt, ist nicht die von Meta. Es ist die 39: die Punktzahl, die der eigene gehostete Eintrag von Artificial Analysis Muse Spark Open bei dessen xhigh-Reasoning-Einstellung gibt – Platz neun unter den 118 Open-Weight-Modellen mit mehr als 150 Milliarden Parametern auf dieser Bestenliste, gegenüber einem Klassenmedian von 19. Das ist eine echte Messung durch Dritte an einem echten herunterladbaren Modell. Separat davon: Muse Spark 1.3 – der aktuelle Checkpoint der geschlossenen Muse-Spark-Reihe, allgemein verfügbar seit dem 2. September 2026 – erzielt 48 auf demselben Index. Beide Zahlen gehören Meta. Nur eine von ihnen gehört zu etwas, das man herunterladen kann, und nur eine von ihnen wird von jemand anderem als Meta gemessen.

Die Daten, denn das Framing hängt von ihnen ab.

Nichts hier ist ein Launch, und die Verwirrung ist leicht zu erklären. Meta Superintelligence Labs stellte die Muse Spark-Familie am 8. April 2026 vor. Muse Spark 1.1 erschien am 16. Juli, Muse Spark 1.2 am 5. August und Muse Spark 1.3 am 2. September — wobei letzteres am 4. September nach zusätzlichen Sicherheitstests seine Reasoning-Stufe „max“ erhielt. Diese Reihe ist proprietär und wird als Dienst bereitgestellt. Muse Spark Open ist ein separates Artefakt: ein zugangsbeschränktes Hugging Face-Repository, meta-models/Muse-Spark-Open-816B-A42B, dessen Erstellungszeitstempel 2026-09-15 lautet, plus einen NVFP4-Build, der Sekunden früher erstellt wurde. Die Gewichte lagen dort vier Wochen lang in einem zugriffsgeschützten Formular. Am 15. Oktober 2026 veröffentlichte Meta den Lizenztext, einen Forschungs-Blogbeitrag, eine Build-Anleitung für Entwickler und eine Benchmark-Scorecard, und das Repository war damit kein Artefakt mehr, das niemand angekündigt hatte.

Die korrekte Lesart ist also weder „Stealth-Drop“ noch „Launch“. Das Modell existierte einen Monat lang still und leise; der Papierkram holte am 15. Oktober auf. Was sich für alle, die entscheiden, was sie laufen lassen, geändert hat, ist eng und spezifisch: Es gibt jetzt eine Lizenz, die man lesen kann, eine angegebene Hardware-Konfiguration, Day-One-Support in den Frameworks, die die Leute tatsächlich nutzen, und eine unabhängige Messung. Was sich nicht geändert hat, ist die geschlossene Linie, der Preis der geschlossenen Linie oder irgendetwas an den API-Modellen, die die meisten Leser dieser Website aufrufen.

„Offen“ ist der Teil mit den Bedingungen.

Die Lizenz ist der Ort, an dem die Schlagzeilenbehauptung ihr Kleingedrucktes erhält, und es lohnt sich, sie zu lesen, bevor man sie wiederholt. Muse Spark Open erscheint unter der Muse Model License. Meta beschreibt sie so, dass sie vielen Entwicklern die kostenlose Nutzung des Modells erlaubt, und zwei Klauseln definieren, wo „kostenlos“ endet.

• Model-as-a-Service — wenn Sie oder Ihre verbundenen Unternehmen Dritten Zugang zum Modell als Produkt oder Dienst über eine API gewähren und der aggregierte Bruttoumsatz in einem beliebigen aufeinanderfolgenden Zwölfmonatszeitraum zwanzig Millionen US-Dollar übersteigt, müssen Sie Meta benachrichtigen und eine separate schriftliche Vereinbarung unterzeichnen, bevor Sie dieses Geschäft betreiben. Das Einbetten des Modells in Ihr eigenes Produkt ist ausgenommen; der Weiterverkauf des Zugangs dazu nicht.

• Namensnennung — die Lizenz verlangt, dass „Built with Muse Spark Open" gut sichtbar in der Benutzeroberfläche jedes Produkts angezeigt wird, das das Modell oder eine Ableitung davon verwendet, oder in der zugehörigen Dokumentation, auf der Website oder im Einstellungsmenü.

• Was Sie ohne Weiteres tun dürfen – Feinabstimmung, Destillation, Zusammenführung, Veröffentlichung, Unterlizenzierung und Verkauf von Derivaten, wobei Meta kein Eigentum an den Ausgaben beansprucht.

• Wie Sie es erhalten – das Repository ist zugangsbeschränkt. Das Antragsformular verlangt den vollständigen rechtlichen Namen, das Geburtsdatum und die Organisation mit Unternehmenskennungen und kann nach dem Absenden nicht mehr bearbeitet werden.

Diese Kombination ist es, die die Formulierung „bestes US-Open-Weight-Modell“ zu einer Kategorieaussage statt zu einer absoluten Aussage macht. Im selben Panel von Artificial Analysis ist der stärkste permissiv lizenzierte US-Open-Weight-Eintrag NVIDIA Nemotron 3.5 Super VL mit 26,49, dahinter folgt Inkling Small mit 25,66. Muse Spark Open erzielt einen höheren Wert als beide und fällt nicht in dieselbe Adoptionskategorie: Eine maßgeschneiderte kommerzielle Lizenz hinter einem Anfrageformular ist etwas anderes als ein Checkpoint, den man noch heute Nachmittag unter OpenMDW-1.1 klonen und einsetzen kann. Metas eigener Blogbeitrag verwendet die Formulierung „leistungsfähigstes US-Open-Weight-Modell bis heute“, was mit Blick auf den Index vertretbar und enger gefasst ist, als „bestes“ impliziert, sobald die Lizenz im Satz steht.

Was der Checkpoint ohne Metas Hilfe klärt

Dieser Teil ist aus dem Repository selbst verifizierbar, noch bevor irgendeinem Benchmark geglaubt wird.

• Umfang – rund 816 Milliarden Parameter insgesamt, mit etwa 42 Milliarden aktiven pro Token, eine sparse Mixture-of-Experts über 62 Schichten und eine Hidden-Dimension von 8.192, mit 256 Experten pro MoE-Schicht und 8 ausgewählten pro Token. Grouped-Query-Attention mit 128 Query-Heads und 16 Key-Value-Heads mit jeweils 64 Dimensionen.

• Kontext — 1.048.576 Tokens, das Fenster, das Meta als 1M bezeichnet, gemeinsam genutzt von Text-, Bild-, Video- und Audio-Tokens in einem Budget.

• Modalitäten — Text, Bilder, Video und Audio als Eingabe; Text als Ausgabe. Es liest multimodale Eingaben und schreibt Text, was nicht dasselbe ist wie das Generieren einer dieser Modalitäten.

• Checkpoints – ein BF16-Build aus etwa 1,5 TB Safetensors und ein NVFP4-4-Bit-Build, von dem Meta sagt, dass er auf einem einzelnen B200-Knoten läuft. Dritte haben seitdem ihre eigenen Quantisierungen hinzugefügt, von GGUF-Builds bis hin zu MLX-3-Bit- und 4-Bit-Konvertierungen mit Datum vom Tag der Veröffentlichung.

• Reasoning-Steuerung — eine Einstellung für den Reasoning-Aufwand mit den Stufen niedrig, mittel, hoch und xhigh. Die Tooling-Hinweise von Meta besagen, dass das Deaktivieren von Reasoning keine Option ist.

• Runtimes — Transformers, llama.cpp, SGLang, vLLM, TensorRT-LLM, Apple MLX und Unsloth ab Tag eins, mit benutzerdefinierten automatisch optimierbaren Helion-Kernels für SGLang, die Meta als Geschwindigkeitssteigerungen auf Kernel-Ebene von 1,03x bis 3,95x über NVIDIA- und AMD-Hardware meldet.

• Die Desktop-Demo – zwei Mac-Studio-Rechner mit M5-Ultra-Chips unter MLX, was funktioniert, weil jeder bis zu 512 GB Unified Memory bei 1,2 TB/s bereitstellt. Metas Demos bewirkten echte Änderungen in einem Open-Source-iOS-Client und führten DaVinci Resolve durchgängig aus.

Nichts davon ist eine Marketing-Behauptung; es ist eine Konfigurationsdatei, eine Dateiauflistung und ein veröffentlichtes Rezept. Es ist auch der Punkt, an dem sich die praktischen Kosten von „offen“ niederschlagen — die Speicherarithmetik interessiert nicht, welche Lizenz Sie akzeptiert haben. Bei einem vollen 1-Mio.-Token-Kontext in BF16 kommt der KV-Cache allein auf rund 266 GB, sodass das Fenster, mit dem das Modell wirbt, und das Fenster, das Sie sich auf Ihrer Hardware leisten können, zwei verschiedene Budgets sind.

Die eine Zahl, die Meta nicht geschrieben hat

Der Eintrag von Artificial Analysis ist derzeit die einzige Drittanbieter-Messung von Muse Spark Open in öffentlich zugänglichen Aufzeichnungen und sagt mehr aus als der Index allein.

• Intelligenz — ein Artificial Analysis Intelligence Index von 39 bei der xhigh-Einstellung, Rang 9 von 118 Open-Weight-Modellen mit über 150 Mrd. Parametern, über einem Klassenmedian von 19.

• Geschwindigkeit — 103,4 Ausgabe-Token pro Sekunde, Rang 18 von 76 in dieser Kohorte.

• Kosten — 0,84 $ pro abgeschlossener Aufgabe im Intelligence Index, auf einer gehosteten Route mit 1,25 $ pro Million Eingabe-Tokens und 4,25 $ pro Million Ausgabe-Tokens.

• Effizienz — Die Auflistung stuft das Modell als recht knapp ein, da es im Indexlauf etwa 110 Millionen Token erzeugt, gegenüber einem Median von 130 Millionen.

Vergleicht man diese mit Metas eigener Scorecard, so liegt die Lücke nicht in der Spezifikation, sondern in der Abdeckung. Metas Karte meldet Terminal-Bench 2.1 bei 76,4 mit dem Terminus-2-Agenten, MCP-Atlas bei 89,2, GDPval-AA v2 bei 1401, SciCode bei 58,5, JobBench bei 61,8, HLE-Diamond bei 26,1 ohne Tools und DeepSWE 1.1 bei 60 auf dem, was die Karte den besten verfügbaren Harness nennt. Jede einzelne dieser Zeilen wurde innerhalb des eigenen Agent-Harness des Modells erzeugt und nicht in einem gemeinsamen, was sie zu einer Fähigkeitsaussage statt zu einem direkten Vergleich macht, und wir haben keine davon reproduziert. Die Übereinstimmung zwischen den beiden Darstellungen betrifft das Datenblatt — 816B gesamt, 42B aktiv, 1M Kontext, dieselbe Lizenz, dieselben Eingabemodalitäten. Die Uneinigkeit besteht darin, dass die eine Seite acht Benchmarks hat und die andere einen Index, eine Geschwindigkeitszahl und einen Preis. Bisher gibt es an keiner öffentlichen Stelle eine Audiomessung und auch keine Videomessung, obwohl die Modalitätszeile das Unterscheidendste am Modell ist.

Dann gibt es da noch die Auswertung, die Meta nicht veröffentlicht hat.

Der Launch-Post besagt, dass Muse Spark Open unter dem Meta Superintelligence Scaling Framework bewertet wurde und „die Schwellenwerte erfüllte, die unser Framework für eine Veröffentlichung voraussetzt“, mit detaillierten Ergebnissen in der Modellkarte; die Modellkarte verweist auf einen vollständigen Evaluierungsbericht, der als bald verfügbar beschrieben wird. Eine Sicherheitsaussage, die ein internes Framework passiert hat, ist ein anderes Objekt als ein Sicherheitsbericht, den ein Leser einsehen kann, und nur Ersteres existiert zum Zeitpunkt des Verfassens.

Was dies für niemanden mit einer Deadline ändert

Muse Spark Open ist nichts, worauf man einen API-Schlüssel ansetzt. Es ist ein Download, eine Lizenz, ein zugangsbeschränktes Anfrageformular und eine Hardware-Entscheidung, und wenn die Arbeitslast diese Woche eine Antwort braucht, ist der Vorbereitungsaufwand bis zum ersten Token groß. Die praktische Frage ist, welches Muse-Modell Sie gerade jetzt erreichen können, und die Antwort liegt in der geschlossenen Linie: Muse Spark 1.2 und Muse Spark 1.1 sind die beiden Checkpoints, die OrcaRouter routet, beide werden zu Metas Listenpreis von 1,25 $ pro Million Eingabe-Tokens und 4,25 $ pro Million Ausgabe-Tokens mit 0 % Aufschlag bereitgestellt, weil der Listenpreis des Anbieters durchgereicht und nicht aufgeschlagen wird. Sie akzeptieren Text-, Bild-, Video-, Audio- und PDF-Eingaben innerhalb desselben 1.048.576-Token-Fensters, sodass das multimodale Verhalten, für das der offene Checkpoint gelobt wird, heute ohne Download-Warteschlange auf der bereitgestellten Linie verfügbar ist.

Muse Spark Open steht nicht in unserem Katalog, und wir werden auch nichts anderes behaupten — ein Modell, dessen gesamtes Versprechen darin besteht, dass man es selbst betreiben kann, ist ein Modell, das man selbst betreibt. Wo ein geroutetes Setup trotzdem hilft, ist drumherum: eine API über 200+ Modelle hinweg bedeutet, dass ein unerprobter Checkpoint kein Produktionsrisiko sein muss, automatisches Failover eine Anfrage an einen zweiten Anbieter weiterreichen kann, wenn der erste schwächelt, und die Routing-DSL Traffic per Konfiguration statt per Codeänderung zwischen Modellen verschiebt. Für ein Modell, das vor einem Tag veröffentlicht wurde, mit einem einzigen unabhängigen Benchmark und einem unveröffentlichten Evaluierungsbericht, ist das der günstigste Weg herauszufinden, was es mit Ihrem Traffic macht, während die Infrastruktur von jemand anderem die Varianz abfedert.

Was würde dieses Stück bewegen?

Drei Dinge sind offen statt unbekannt, und jedes würde die Lesart ändern. Das erste ist Metas Evaluierungsbericht, der den Unterschied zwischen einer Sicherheitsbehauptung und einer Sicherheitsbilanz ausmacht. Das zweite ist eine zweite unabhängige Messung – ein Analyst mit einem Index ist ein Datenpunkt, kein Konsens, und noch nichts hat Muse Spark Open einer Audio- oder Videoevaluierung unterzogen, obwohl genau diese seine beworbenen Differenzierungsmerkmale sind. Das dritte ist, wie sich die Lizenz in der Praxis verhält: Die Schwelle von zwanzig Millionen Dollar und die Namensnennungsklausel sind die Bedingungen, die bestimmen werden, ob das nach Punktzahl stärkste US-Open-Weight-Modell das meistgenutzte wird oder dasjenige bleibt, das Teams herunterladen, um es zu testen, und dann von woanders aus bereitzustellen. Bis mindestens eines davon geklärt ist, lautet die ehrliche Version der Schlagzeile, dass Meta das leistungsfähigste US-Open-Weight-Modell nach dem einzigen verfügbaren unabhängigen Maßstab veröffentlicht hat – unter einer Lizenz, die das Wort „offen“ spezifisch statt absolut hält.

Was die Zahlen Ihnen nicht sagen können, ist, ob irgendetwas davon im Praxiseinsatz schiefgegangen ist: Die dokumentierten KI-Vorfälle und Agenten-Ausfälle rund um Modelle dieser Klasse sind gesammelt in dem OrcaRouter AI Incident Archive, wobei jeder Eintrag eigene Quellen, Schweregrad, Konfidenzstufe und Kennzeichnung als strittig enthält.