Die Kurzfassung
Muse Spark Open gibt Teams in den USA und der EU eine starke, in den USA entwickelte Open-Weight-Option für Coding-Agenten, die in der eigenen Infrastruktur laufen kann. Das 816B-Mixture-of-Experts-Modell aktiviert 42 Mrd. Parameter pro Token, verarbeitet bis zu eine Million Token Kontext und ist als Gewichte oder über gehostete APIs verfügbar, etwa bei Together AI für 1,25 US-Dollar pro Million Input-Token. Für Teams, die eine GenAI-Integration planen, bei der Code oder Daten die eigene Umgebung nicht verlassen dürfen, verdient es einen Platz im Benchmark – nachdem die Lizenz gelesen wurde.
Was hat Meta veröffentlicht?
Am 15. Oktober hat Meta die Gewichte von Muse Spark Open veröffentlicht, nach eigenen Angaben das bislang leistungsfähigste Open-Weight-Modell aus den USA. Laut Metas Entwickler-Blog ist es die Open-Weight-Version von Muse Spark 1.3 und auf „long-horizon agentic work“ ausgelegt: Codebasen lesen, Änderungen planen, Tools aufrufen und sich erholen, wenn ein Schritt scheitert. Meta gibt an, zusätzliches Safety-Post-Training ergänzt zu haben, damit das Modell auch ohne die Schutzmechanismen seiner gehosteten Produkte robust bleibt.
Die Veröffentlichung folgt einer klaren Strategie. Bloomberg beschrieb sie so, dass Meta ein offenes Modell herausgibt und seine beste Technologie geschlossen hält: Drei Tage zuvor hatte Meta die proprietäre Muse-Wonder-Familie vorgestellt, deren stärkste Version nicht einmal über die API verfügbar ist. CNBC hob die andere Hälfte der Geschichte hervor – eine Partnerschaft mit Apple, damit Entwickler das Modell lokal auf leistungsstarken Macs ausführen können.
Wie offen ist die Muse Model License?
Offen genug für die meisten Produktteams, aber mit Bedingungen. Muse Spark Open steht unter der Muse Model License statt unter Apache 2.0, die Meta im August für sein kleineres Modell Muse Glimmer nutzte. Laut VentureBeat sind interner Einsatz, Forschung und die meisten Produkte abgedeckt; Unternehmen, die das Modell Dritten als Dienst anbieten und mehr als 20 Mio. US-Dollar Bruttoumsatz erzielen, brauchen eine schriftliche Vereinbarung mit Meta. Eine Kennzeichnung wie „Built with Muse Spark Open“ ist Pflicht, und Meta beansprucht kein Eigentum an generierten Ausgaben.
Auch der Zugang ist beschränkt. VentureBeat zufolge verlangt der Download auf Hugging Face den vollständigen Namen, das Geburtsdatum und den Namen der Organisation. Nichts davon verhindert einen Pilot, aber Einkauf und Rechtsabteilung sollten zustimmen, bevor das Modell Kundendaten verarbeitet.
Was braucht man, um Muse Spark Open zu betreiben?
Vor allem Speicher. Meta und Apple beschreiben ein Desktop-Setup aus zwei M5 Ultra Mac Studios mit je 512 GB Unified Memory oder vier Geräten mit je 256 GB, betrieben über Apples MLX-Framework; VentureBeat beziffert die Variante mit vier Geräten auf rund 43.000 US-Dollar. Im Rechenzentrum nennt Hugging Face einen einzelnen B200-Knoten für den 4-Bit-NVFP4-Checkpoint und vier Knoten mit je acht H200-GPUs für volle BF16-Präzision. Das Modell läuft außerdem auf SGLang, vLLM, TensorRT-LLM und llama.cpp auf Hardware von NVIDIA, AMD, Intel und Apple.
Die meisten Teams werden gehostet starten. Meta nennt Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter und Together AI für den API-Zugang sowie Amazon SageMaker AI, Google Cloud Model Garden und Microsoft Foundry für den Einsatz der Gewichte im eigenen Cloud-Konto. VentureBeat nennt bei Together AI Preise von 1,25 US-Dollar pro Million Input-Token und 4,25 US-Dollar pro Million Output-Token.
Wie schlägt sich Muse Spark Open gegen andere offene Modelle?
Wettbewerbsfähig, aber nicht dominant. Im von VentureBeat zitierten Artificial Analysis Intelligence Index erreicht Muse Spark Open 39 Punkte, hinter den chinesischen offenen Modellen MiMo-V2.6-Pro mit 46, GLM-5.3 mit 45 und Kimi K3 mit 44. Seine Stärke ist Tool-Nutzung: 89,2 auf MCP-Atlas gegenüber 84,2 für GLM-5.3. Bei Terminal- und Repository-Aufgaben liegt es zurück – mit 76,4 auf Terminal-Bench 2.1 gegenüber 85,0 für Kimi K3 und 60 auf DeepSWE 1.1 gegenüber 68.
Für viele Käufer in den USA und der EU zählt allerdings nicht nur die Qualität. Ein in den USA entwickeltes Modell mit dokumentierter Herkunft lässt sich oft leichter durch Lieferantenrisiko-Prüfungen bringen als ein gleichwertiges chinesisches Modell – selbst wenn beide auf den eigenen Servern laufen.
Was das für Softwareteams in den USA und der EU bedeutet
Die größte Veränderung betrifft Teams, die bislang keine Coding-Agenten der Spitzenklasse nutzen konnten, weil Quellcode, Gesundheits- oder Zahlungsdaten nicht an eine Drittanbieter-API gehen dürfen. Ein selbst gehostetes Muse Spark Open in der eigenen Cloud-Region hält Prompts, Repositories und Ausgaben innerhalb des eigenen Perimeters. Das vereinfacht Fragen zur Datenübermittlung nach der DSGVO und Branchenvorgaben wie HIPAA oder PCI DSS – erledigt sie aber nicht: Logging, Zugriffskontrolle und Aufbewahrung müssen weiterhin konzipiert werden.
Fine-Tuning ist die zweite Chance. Meta unterstützt Supervised Fine-Tuning, LoRA und Reinforcement Learning über Werkzeuge wie TorchTitan, NVIDIA NeMo, Hugging Face TRL, Fireworks und Together. Damit wird es realistisch, das Modell an ein internes Framework, an Code-Konventionen oder an eine domänenspezifische API anzupassen – etwas, das geschlossene Frontier-Modelle in dieser Größe selten erlauben.
Der Preis dafür ist der Betrieb. Ein 816B-Modell zu betreiben heißt, Inferenzkapazität, Upgrades, Evaluierung und Sicherheitspatches selbst zu verantworten. Für ein Team ohne MLOps-Tiefe kann ein gehosteter Endpunkt mit privatem Deployment oder Zero-Retention-Vereinbarung den Großteil des Nutzens mit einem Bruchteil des Aufwands liefern. Und die Lücke zwischen diesem offenen Release und Metas geschlossenem Muse Wonder erinnert daran, vor jedes Modell eine anbieterunabhängige Schicht zu setzen.
Was das für den DACH-Markt bedeutet
Im DACH-Raum ist die Frage „Wo läuft das Modell?“ oft wichtiger als ein paar Benchmark-Punkte. Ein Open-Weight-Modell lässt sich in einer Cloud-Region in Frankfurt oder im eigenen Rechenzentrum betreiben, was Datenübermittlungen in Drittländer nach der DSGVO von vornherein vermeidet; bei Cloud-Anbietern achten viele Einkaufsabteilungen zusätzlich auf ein BSI-C5-Testat. Für Banken und Versicherer kommt DORA hinzu: Ein gehostetes Modell ist ein IKT-Drittdienstleister mit Register- und Exit-Pflichten, ein selbst betriebenes Modell verlagert diese Pflichten in die eigene IT.
Ein zweiter, typisch deutscher Punkt ist die Mitbestimmung. Coding-Agenten, die Commits, Tickets und Arbeitszeiten auswerten, können als technische Einrichtung zur Leistungs- oder Verhaltenskontrolle gelten – dann hat der Betriebsrat nach § 87 BetrVG mitzubestimmen. Wer einen Pilot mit Muse Spark Open plant, sollte Betriebsrat und Datenschutzbeauftragte früh einbinden; die Lizenzprüfung durch die Rechtsabteilung gehört in denselben Schritt.
Wie Sie Muse Spark Open in diesem Quartal evaluieren
- Gehostet starten. Vor dem Hardwarekauf über eine gehostete API gegen Ihr aktuelles Coding-Modell an echten Tickets benchmarken.
- Dort testen, wo es Stärke verspricht. Mehrstufige Tool-Aufrufe und MCP-Workflows messen und die Schwachstellen bei langen Terminal- und Repository-Aufgaben prüfen.
- Die Lizenz früh lesen. Klären, ob Ihr Produkt als Bereitstellung des Modells gilt und ob die Schwelle von 20 Mio. US-Dollar greift.
- Self-Hosting ehrlich kalkulieren. Kosten für GPUs oder Mac Studios, Strom und Engineering-Zeit mit den gehosteten Token-Preisen bei Ihrem realen Volumen vergleichen.
- Die Anpassung einplanen. Besteht das Modell den Test, vor dem vollständigen Rollout ein LoRA-Fine-Tuning auf Ihre Code-Konventionen pilotieren.
Häufig gestellte Fragen
Was ist Meta Muse Spark Open?
Muse Spark Open ist ein Open-Weight-KI-Modell, das Meta am 15. Oktober 2026 veröffentlicht hat. Es ist ein Mixture-of-Experts-Modell mit rund 816 Milliarden Parametern insgesamt und 42 Milliarden aktiven Parametern pro Token, einem Kontextfenster von bis zu einer Million Token sowie Text-, Bild-, Audio- und Videoeingabe. Es teilt die Basis mit Muse Spark 1.3 und ist auf Coding und Agenten-Aufgaben abgestimmt.
Darf man Muse Spark Open kommerziell kostenlos nutzen?
Weitgehend ja, aber es ist nicht Apache 2.0. Das Modell steht unter Metas eigener Muse Model License. Laut VentureBeat sind interner Einsatz und die meisten Produkte abgedeckt, während Model-as-a-Service-Anbieter mit mehr als 20 Mio. US-Dollar Bruttoumsatz eine gesonderte schriftliche Vereinbarung mit Meta brauchen; zudem ist eine Kennzeichnung wie „Built with Muse Spark Open“ Pflicht. Lassen Sie die Lizenz vor dem Produktiveinsatz juristisch prüfen.
Welche Hardware braucht Muse Spark Open?
Viel Speicher. Meta und Apple beschreiben ein Desktop-Setup aus zwei M5 Ultra Mac Studios mit je 512 GB Unified Memory oder vier Geräten mit je 256 GB, betrieben über MLX. Im Rechenzentrum nennt Hugging Face einen einzelnen B200-Knoten für die NVFP4-Version und vier Knoten mit je acht H200-GPUs für volle BF16-Präzision. Die meisten Teams starten stattdessen mit einer gehosteten API.
Wie schneidet Muse Spark Open im Vergleich zu chinesischen Open-Weight-Modellen ab?
Bei einigen Agenten-Benchmarks liegt es vorn, bei anderen zurück. VentureBeat nennt einen Wert von 39 im Artificial Analysis Intelligence Index, unter MiMo-V2.6-Pro mit 46, GLM-5.3 mit 45 und Kimi K3 mit 44. Bei der Tool-Nutzung auf MCP-Atlas erreicht es 89,2 gegenüber 84,2 für GLM-5.3, auf Terminal-Bench 2.1 jedoch 76,4 gegenüber 85,0 für Kimi K3.
Quellen
Meta — Build with Muse Spark Open (15. Oktober 2026)
Hugging Face — Welcome Muse Spark Open: open-weight frontier multimodal mixture-of-experts model from Meta (15. Oktober 2026)
TechCrunch — Meta launches an open-weight AI model that runs on Macs (15. Oktober 2026)
Bloomberg — Meta Releases Open AI Model While Keeping Its Best Tech Closed (15. Oktober 2026)
CNBC — Apple and Meta team up to make Muse AI model run on Mac computers (15. Oktober 2026)
VentureBeat — Meta unveils Muse Spark Open, the new top U.S. open weights model (Oktober 2026)