Die offenen Gewichte von Metas Muse Spark Open mit 816 Milliarden Parametern sind jetzt öffentlich

Meta veröffentlichte am 15. Oktober 2026 die Gewichte von Muse Spark Open, einem von Grund auf multimodalen Modell mit offenen Gewichten, insgesamt 816 Milliarden Parametern, 42 Milliarden aktiven Parametern und einem Kontextfenster mit 1 Million Tokens. Die KI-Forschung von Meta bezeichnet es als das bislang leistungsfähigste Modell mit offenen Gewichten aus den USA. Es wurde für Programmieraufgaben und agentische Tätigkeiten wie Aufgaben mit langem Planungshorizont, komplexe Softwareentwicklung und mehrstufiges Schlussfolgern entwickelt.

Architektur und Trainingsdaten

Laut der von Meta Superintelligence Labs veröffentlichten Modellkarte ist Muse Spark Open ein Transformer mit Expertenmischung, der mit einem Perception Encoder kombiniert wird. Das Sprachmodell hat 62 Schichten, eine verborgene Dimension von 8192 und 256 Experten, von denen durch Top-k-Routing acht pro Token aktiviert werden. Sein Attention-Block nutzt gated Attention mit QK-Norm, 128 Query-Heads und 16 Key-Value-Heads in einer Grouped-Query-Konfiguration sowie eine Head-Dimension von 64. Das Vokabular umfasst 202.048 Einträge; die Einbettungen für Eingabe und Ausgabe sind nicht geteilt. Der Perception Encoder verfügt über 1,8 Milliarden Parameter in 50 Schichten, eine verborgene Dimension von 1536, 16 Heads, eine Patchgröße von 14 × 14, eine Ausgabedimension von 4096 und Sparse Attention mit einem Faktor von vier. Dabei verwendet jede vierte Schicht sowie die letzte Schicht vollständige Attention.

Das Modell verarbeitet Text-, Bild-, Video- und Audioeingaben und gibt Text aus. Laut der Modellkarte umfassen die Trainingsdaten Text, Bilder, Audio und Video aus öffentlichen Quellen, Internet-Crawls, von Drittanbietern, aus Metas eigenen Produkten und Diensten sowie synthetisch erzeugtes Material. Sie decken mehr als 100 Sprachen ab und wurden unter anderem bereinigt, verarbeitet, dedupliziert und gefiltert. Ein Parameter namens reasoning_effort steuert, wie intensiv das Modell vor einer Antwort nachdenkt. Zur Auswahl stehen die Einstellungen low, medium, high und xhigh; standardmäßig ist xhigh eingestellt. Jeder andere Wert führt zu einer Fehlermeldung. Für die meisten Bereitstellungen empfiehlt Meta eine Temperatur von 1,0, top_p von 1,0 und ein deaktiviertes top_k. Für komplexe Problemlösungen, Programmierung und agentische Aufgaben empfiehlt Meta einen reasoning_effort von high oder xhigh.

Verfügbarkeit und Optimierung für Apple Silicon

Muse Spark Open ist über die API-Plattformen Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter und Together AI verfügbar. Die Gewichte können von Amazon SageMaker AI, Google Cloud Model Garden, Hugging Face und Microsoft Foundry Models heruntergeladen werden. Das Modell läuft unter anderem auf den Inferenz-Engines SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, Apple MLX, llama.cpp und Unsloth. Es ist für Chips von AMD, Apple, Intel und NVIDIA optimiert; außerdem können Entwickler das Modell mit TorchTitan von PyTorch weiter abstimmen. Die Gewichte werden in den Versionen BF16 und NVFP4 bereitgestellt. Für den lokalen Betrieb ist eine GPU mit mindestens 700 GB VRAM für NVFP4 oder 2 TB für BF16 erforderlich.

Meta zufolge ist Muse Spark Open das erste Modell seiner Klasse, das auf einem Desktopcomputer läuft. Dafür kommen zwei Apple M5 Ultra Mac Studios mit dem neuesten MLX-Framework zum Einsatz, das die Gewichte direkt von Hugging Face abruft. Dank Apples Unified-Memory-Architektur kann die integrierte GPU des M5 Ultra in jedem Mac Studio bis zu 512 GB nutzen. Meta zufolge ermöglicht die Speicherbandbreite des Chips von 1,2 TB/s, dass zwei Rechner das gesamte Modell aufnehmen und als ein einziges System mit einem Terabyte gemeinsam genutztem Speicher arbeiten.

Meta erklärte, das Unternehmen habe mit Muse Spark Open agentische Abläufe getestet, die vollständig auf dem Gerät ausgeführt wurden. In einem Test lieferte die Konfiguration echte iOS-Änderungen für Ice Cubes aus, einen Open-Source-Mastodon-Client. Dazu gehörten Fehlerbehebungen, neue Funktionen und ein vollständiger Build. In einem weiteren Test steuerte sie DaVinci Resolve vom Anfang bis zum Ende: Das Material wurde Bild für Bild geprüft, um herausragende Momente auszuwählen und als vertikale Ausschnitte neu zu gestalten. Die Version mit offenen Gewichten enthält außerdem speziell entwickelte, automatisch abstimmbare Helion-GPU-Kernels in SGLang. Laut Meta erzielen sie auf NVIDIA- und AMD-GPUs auf Kernel-Ebene eine Beschleunigung um den Faktor 1,03 bis 3,95 und auf AMD MI350 eine Beschleunigung von 3 % über die gesamte Verarbeitungskette hinweg.

Von Meta gemeldete Benchmark- und Sicherheitsergebnisse

Die Modellkarte vergleicht Muse Spark Open bei einem reasoning_effort von xhigh mit Inkling, Nemotron 3 Ultra, Beam, Mistral Large 4, Qwen3.8-2.4T-A95B, GLM 5.3 und Kimi K3. Meta meldet einen Wert von 39 im Artificial Analysis Intelligence Index; in derselben Tabelle sind GLM 5.3 mit 45, Kimi K3 mit 44 und Qwen3.8-2.4T-A95B mit 40 aufgeführt. Bei agentischen Evaluierungen meldet Meta Werte von 61,8 in JobBench und 89,2 in MCP-Atlas. Unter den in der Tabelle der Modellkarte aufgeführten Modellen sind dies die höchsten Ergebnisse in diesen Tests. Bei Wissen und Schlussfolgern meldet Meta 26,1 in HLE-Diamond ohne Tools, 25 in AA Omniscience und 89,0 in GPQA Diamond. In der Tabelle sind für Qwen3.8-2.4T-A95B und Kimi K3 dort jeweils 93,5 aufgeführt.

Bei Programmier-Benchmarks meldet Meta 76,4 in Terminal-Bench 2.1. In der Modellkarte sind dort für Kimi K3 85,0 und für GLM 5.3 83,9 angegeben. Außerdem meldet Meta Werte von 60 in DeepSWE 1.1 und 58 in SWE-Atlas-QnA; in der Modellkarte stehen für Kimi K3 in diesen Tests 68 beziehungsweise 66. Bei multimodalen Tests mit Tool-Unterstützung meldet Meta 50,0 in ZeroBench, 73,6 in SimpleVQA und 80,2 in BabyVision, verglichen mit 85,7 für Kimi K3 in der Tabelle. In VideoMMEv2 meldet Meta 61,5; für Kimi K3 sind dort 65,4 angegeben.

Meta erklärte, dass die Version mit offenen Gewichten zusätzlich auf Sicherheit nachtrainiert und gemäß dem Meta Superintelligence Scaling Framework hinsichtlich Inhaltssicherheit, agentischer Risiken, Datenschutz und Einsatzbereitschaft bewertet wurde. Dabei erfüllte sie die vom Framework für eine Veröffentlichung geforderten Schwellenwerte. Laut Model Card verweigerte Muse Spark Open bei 99,2 % der Jailbreaks im internen Cybersecurity-Benchmark von Meta die Anfrage und bei insgesamt 94,8 % in der Cyber-Teilmenge von PolyGuard, RedCode und CyberBench 2024. Im selben Testaufbau weist die Model Card für Kimi K3 Werte von 75,5 % und 70,2 % aus.

Meta berichtet, dass das Modell bei mehr als 98 % der schädlichen Anfragen im BioTIER-Benchmark von SecureBio und bei mehr als 99 % in einem internen Chemie-Benchmark mit einzelnen Gesprächsrunden die Anfrage verweigerte. Bei internen agentischen Benchmarks mit mehreren Gesprächsrunden verweigerte es außerdem mehr als 97 % der schädlichen Anfragen zur Biologie und 98 % der schädlichen Anfragen zur Chemie. Laut Model Card erreichte das Modell im MASK-Benchmark eine Ehrlichkeitsrate von 98,1 %, im Agentic-Misalignment-Benchmark eine Fehlverhaltensrate von 0 % und bei StrongREJECT v2 einen Wert von 0,5, wobei niedrigere Werte besser sind. Meta weist darauf hin, dass die Ergebnisse den veröffentlichten Checkpoint unter den getesteten Bedingungen beschreiben und nachgelagerte Änderungen die Sicherheit beeinträchtigen könnten. Außerdem empfiehlt das Unternehmen, das Modell in ein umfassenderes KI-System einzubetten, dessen Schutzvorkehrungen auf den jeweiligen Anwendungsfall zugeschnitten sind.

Lizenzbedingungen und angegebene Einschränkungen

Die Gewichte werden unter der Muse Model License vom 15. Oktober 2026 veröffentlicht. Diese erlaubt die kostenlose Nutzung, das Kopieren, Änderungen einschließlich Feinabstimmung, die Erstellung abgeleiteter Werke, die Destillation und die Weitergabe, vorbehaltlich bestimmter Bedingungen. Lizenznehmer müssen in der Benutzeroberfläche jedes Produkts oder Dienstes, das beziehungsweise der die Software oder davon abgeleitete Werke nutzt, gut sichtbar den Hinweis „Built with Muse Spark Open“ anzeigen. Alternativ kann der Hinweis in der begleitenden Dokumentation, auf einer Website oder in einem Einstellungsmenü erscheinen.

Lizenznehmer, die Modelle künstlicher Intelligenz als Dienst anbieten und mit verbundenen Unternehmen in einem beliebigen zusammenhängenden Zeitraum von 12 Monaten einen Gesamtbruttoumsatz von mehr als 20 Millionen US-Dollar erzielen, müssen Meta benachrichtigen und eine separate schriftliche Vereinbarung abschließen, bevor sie die Software in diesem Geschäft einsetzen. Diese Bestimmung gilt weder für die interne Nutzung, die Forschung oder andere Geschäftstätigkeiten, bei denen es sich nicht um einen Modelldienst handelt, noch für die Nutzung der Software als Komponente, die ein eigenes Produkt des Lizenznehmers antreibt. Laut Lizenz erhebt Meta keinen Eigentumsanspruch auf die mit der Software erzeugten Ergebnisse.

Die beigefügte Nutzungsrichtlinie besagt, dass das Modell nicht für Personen unter 18 Jahren bestimmt ist. Sie untersagt unter anderem rechtswidrige Aktivitäten, die Erstellung von Schadsoftware, die Entwicklung von Waffen, den Betrieb kritischer Infrastrukturen und vorsätzliche Täuschung wie Betrug, Desinformation und Identitätsbetrug. Zu den von Meta genannten Einschränkungen zählen möglicherweise ungenaue, voreingenommene oder anstößige Antworten, Fehler bei mehrstufigen Schlussfolgerungen in neuartigen Szenarien, eine geringere Leistung bei Sprachen außerhalb der umfassend unterstützten Sprachgruppe, geringfügige Qualitätsunterschiede bei quantisierter Inferenz sowie eine unzuverlässige Analyse sehr kurzer oder niedrig aufgelöster Videos. Meta teilte mit, dass in Kürze ein vollständiger Evaluierungsbericht verfügbar sein werde.