Muse Spark Open: Metas Open-Weight-Modell mit 816 Milliarden Parametern

Meta hat am 15. Oktober 2026 die Gewichte von Muse Spark Open freigegeben. Das Modell hat 816 Milliarden Parameter, von denen pro Token 42 Milliarden aktiv sind, und verarbeitet bis zu eine Million Token Kontext. Für Unternehmen, die KI-Agenten oder Coding-Assistenten ohne Cloud-Anbieter betreiben wollen, ist es damit eine neue Option in der obersten Größenklasse. Lokal reicht dafür kein einzelner Rechner: Laut Modellkarte braucht schon die 4-Bit-Variante mindestens 700 GB GPU-Speicher, alternativ zwei Mac Studio mit M5 Ultra und je 512 GB Arbeitsspeicher.

Dringenden Handlungsbedarf gibt es nicht. Wer heute mit kleineren lokalen Modellen arbeitet, muss nichts ändern. Interessant ist die Veröffentlichung für Teams, die Daten nicht an externe KI-Dienste geben dürfen und bereits über große GPU-Server verfügen oder eine solche Anschaffung ohnehin planen. Vor einem Einsatz gehört die Muse Model License auf den Prüftisch, denn sie enthält Pflichten über klassische Open-Source-Lizenzen hinaus.

Was hat Meta veröffentlicht?

Laut Meta-Forschungsblog und Modellkarte auf Hugging Face ist Muse Spark Open ein Mixture-of-Experts-Modell mit 256 Experten, von denen pro Token acht aktiv werden. Es nimmt Text, Bilder, Videos und Audio entgegen, gibt aber nur Text aus. Meta positioniert es für Programmierung und Agenten, die Werkzeuge aufrufen und längere Aufgaben abarbeiten. Die Eckdaten:

• 816 Milliarden Parameter insgesamt, 42 Milliarden aktiv pro Token.
• Kontextfenster von einer Million Token bei der Inferenz.
• Gewichte in BF16 und in NVFP4, einer weitgehend auf vier Bit quantisierten Variante. Hugging Face weist für die Repositories rund 1,6 TB beziehungsweise rund 530 GB Speicherbedarf aus.
• Unterstützte Inferenz-Software laut Modellkarte: SGLang, vLLM, Hugging Face Transformers, TensorRT-LLM, Unsloth, llama.cpp sowie MLX auf Apple-Hardware.
• Gehostete Nutzung über Drittanbieter, laut Meta unter anderem Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter und Together AI.

Anders als das drei Tage zuvor vorgestellte Muse Wonder, das nur über Metas API läuft, sind hier die Gewichte frei herunterladbar.

Für wen ist das relevant?

Die Zielgruppe ist enger, als die Schlagzeile vermuten lässt. Sinnvoll ist ein genauerer Blick für:

• Entwicklungsteams, die Coding-Agenten mit vertraulichem Quellcode betreiben und dafür keine externen KI-Dienste nutzen dürfen.
• Rechenzentren und Hoster mit GPU-Clustern, die eigene KI-Endpunkte für interne Nutzer anbieten.
• Organisationen, die ohnehin leistungsstarke Mac Studio für lokale KI anschaffen wollen.

Für klassische kleine Unternehmen mit einem einzelnen KI-Server oder einer Workstation mit einer Grafikkarte ist das Modell schlicht zu groß. Dort bleiben kleinere Modelle mit Ollama oder LM Studio die realistische Wahl. Wer KI nur über Cloud-Dienste nutzt, erreicht das Modell über die genannten API-Anbieter.

Hardwarebedarf und Apple-Optimierung

Die Modellkarte nennt für den Eigenbetrieb mindestens 700 GB GPU-Speicher für NVFP4 und 2 TB für BF16. Apple hat parallel einen eigenen Forschungsbericht veröffentlicht, in dem Muse Spark Open mit der neuen MLX-Version auf Mac Studio mit M5 Ultra läuft. Die NVFP4-Gewichte belegen dort rund 493 GB. Zusammen mit dem Speicher für Zwischenergebnisse passt das Modell nicht auf einen einzelnen Mac Studio mit 512 GB, es braucht mindestens zwei Geräte.

Die Rechner werden über Thunderbolt 5 mit RDMA verbunden, was macOS 26.2 und MLX ab Version 0.30.1 voraussetzt. Bei 8.192 Token Kontext maß Apple folgende Ausgabegeschwindigkeiten:

• zwei Mac Studio mit Pipeline-Parallelisierung: rund 15,7 Token pro Sekunde,
• zwei Mac Studio mit Tensor-Parallelisierung: rund 25 Token pro Sekunde,
• vier Mac Studio mit Tensor-Parallelisierung: rund 36,7 Token pro Sekunde.

Laut heise sollen Mac Studio mit 512 GB Arbeitsspeicher erst Ende Oktober erhältlich sein. Für einen einzelnen Coding-Agenten ist das brauchbar, für Mehrbenutzerbetrieb ersetzt es keinen GPU-Server.

Lizenz und Verfügbarkeit in der EU

Meta veröffentlicht die Gewichte unter der eigenen Muse Model License, nicht unter einer Open-Source-Lizenz. Sie erlaubt Nutzung, Fine-Tuning und Weitergabe unter Bedingungen:

• Produkte und Dienste, die das Modell oder abgeleitete Modelle nutzen, müssen sichtbar den Hinweis Built with Muse Spark Open zeigen.
• Wer das Modell als API-Dienst für Dritte anbietet und mit verbundenen Unternehmen mehr als 20 Millionen US-Dollar Bruttoumsatz in zwölf Monaten erzielt, braucht vorher eine gesonderte Vereinbarung mit Meta. Interne Nutzung und eigene Produktfunktionen fallen laut Lizenz ausdrücklich nicht darunter.
• Eine Nutzungsrichtlinie ist Teil der Lizenz. Sie verbietet unter anderem militärische Anwendungen, den Betrieb kritischer Infrastruktur und das Erzeugen von Schadcode.

Eine Einschränkung für die EU enthält der veröffentlichte Lizenztext nicht. Für Lizenznehmer mit Sitz im europäischen Raum ist Meta Platforms Ireland Limited der Vertragspartner. Der Download auf Hugging Face ist allerdings zugangsbeschränkt: Interessenten müssen Name, Geburtsdatum, Land und Organisation angeben, Hugging Face kennzeichnet die Freigabe als manuell. Wie schnell Anfragen aus der EU freigegeben werden, nennen die Quellen nicht.

Wie stark ist das Modell?

Meta nennt Muse Spark Open das leistungsfähigste Open-Weight-Modell aus den USA und verweist auf eigene Benchmarks. Unabhängige Zahlen liefert laut heise Artificial Analysis: Im dortigen Intelligence Index erreicht das Modell 39 Punkte und liegt damit vor anderen US-Modellen, aber hinter führenden chinesischen Open-Weight-Modellen wie GLM-5.3 mit 45 Punkten. Schwächen zeigt es ausgerechnet bei Agentenaufgaben, Stärken bei einer niedrigen Halluzinationsrate. Meta selbst empfiehlt, das Modell nur innerhalb eines Systems mit zusätzlichen Schutzmechanismen einzusetzen und bei Agenten mit realen Aktionen eine menschliche Bestätigung für nicht umkehrbare Schritte vorzusehen.

Was sollten Admins jetzt tun?

• Bedarf prüfen: Gibt es Fälle, in denen Daten das Haus nicht verlassen dürfen und kleinere lokale Modelle nicht ausreichen?
• Vorhandene GPU-Kapazität gegen die Mindestwerte der Modellkarte abgleichen, also 700 GB GPU-Speicher für NVFP4.
• Vor Hardwarekäufen die Leistung zuerst über einen gehosteten API-Anbieter mit unkritischen Testdaten bewerten.
• Die Muse Model License juristisch prüfen lassen, insbesondere die Kennzeichnungspflicht und die Nutzungsrichtlinie.
• Bei Agenten mit Schreibrechten auf Systeme Freigabeschritte und Protokollierung einplanen, wie Meta selbst empfiehlt.
• Nicht nötig: bestehende Setups mit kleineren Modellen umzustellen, nur weil ein größeres Open-Weight-Modell verfügbar ist.

Passende Anleitungen auf S-EDV

• Meta Muse Wonder: Neue KI-Agenten für API und Muse Code: Hintergrund zum geschlossenen Schwestermodell, das nur über Metas API verfügbar ist.
• LM Studio als lokale KI-Workstation einrichten: der realistische Einstieg mit kleineren Modellen auf einem einzelnen Rechner.
• Qwen3 lokal mit Ollama und vLLM betreiben: Praxis zu vLLM, einer der Inferenz-Engines, die auch Muse Spark Open unterstützt.

Quellen

• Meta AI Research: Introducing Muse Spark Open (15.10.2026)
• Hugging Face: Modellkarte und Lizenz Muse Spark Open
• Apple Machine Learning Research: verteilte Inferenz mit MLX auf Mac Studio (15.10.2026)
• heise online: Meta und Apple optimieren riesiges KI-Modell für Mac Studios
• THE DECODER: Muse Spark Open, Meta meldet sich mit Open-Weight-Modell zurück