Muse Spark Open ist Metas neues offenes KI-Modell – und laut Meta das „leistungsfähigste US-amerikanische Open-Weight-Modell bisher“. Am 15. Oktober 2026 hat Meta die Modellgewichte veröffentlicht: 816 Milliarden Parameter, ein Kontextfenster von einer Million Token und Unterstützung für Text, Bilder, Video und Audio. Die Überraschung: Meta hat dafür mit Apple zusammengearbeitet, damit das Modell auf zwei vernetzten Mac Studios läuft, wie CNBC berichtet.

Klingt nach Rechenzentrum? Teilweise. Dieser Einstieg erklärt in Klartext, was Muse Spark Open ist, was „offen“ hier genau bedeutet, welche Hardware du für den lokalen Betrieb bräuchtest – und wie du das Modell auch ganz ohne teure Technik ausprobierst.

Muse Spark Open Einstieg: Titelbild zum offenen KI-Modell von Meta mit 816 Milliarden Parametern, das auf Mac Studios läuft
Muse Spark Open ist Metas bisher stärkstes offenes KI-Modell. Foto (bearbeitet): Growtika / Unsplash

🔍 Muse Spark Open kurz erklärt: Was ist Metas offenes KI-Modell?

„Open Weight“ bedeutet: Meta stellt die trainierten Gewichte – also das eigentliche „Wissen“ des Modells – zum Download bereit. Jeder darf das Modell herunterladen, auf eigener Hardware betreiben und anpassen. Das ist etwas anderes als vollständiges Open Source, denn Trainingsdaten und Lizenzbedingungen bleiben in Metas Hand. Die wichtigsten Eckdaten laut Modellkarte auf Hugging Face:

  • 816B-A42B: 816 Milliarden Parameter insgesamt, aber pro Wort (Token) sind nur rund 42 Milliarden aktiv. Das Prinzip heißt Mixture of Experts: Das Modell besteht aus 256 Spezialisten („Experten“), von denen jeweils nur acht rechnen – das spart Rechenzeit.
  • 1 Million Token Kontext: So viel Text kann das Modell auf einmal „im Blick“ behalten – etwa mehrere Bücher oder ein ganzes Software-Projekt.
  • Nativ multimodal: Es versteht Text, Bilder, Video und Audio und antwortet mit Text.
  • Mehrsprachig: Trainiert mit Daten aus mehr als 100 Sprachen.
  • Gebaut für Agenten: Meta nennt Programmieren, Werkzeugnutzung und lange, mehrstufige Aufgaben als Hauptstärken.

Wichtig zur Einordnung: Muse Spark Open ist nicht Metas stärkstes Modell. Das bleibt das geschlossene Muse Wonder, das wir im Einstieg zu Muse Wonder vorgestellt haben. Metas KI-Chef Alexandr Wang sagte laut CNBC selbst, dies seien „nicht die leistungsfähigsten Modelle“, die Meta entwickelt habe.

Infografik Muse Spark Open Steckbrief: Größe, Kontextfenster, Eingaben, Stärken, Benchmark-Einordnung und Lizenz
Infografik: Muse Spark Open auf einen Blick (laut Meta und Hugging Face, Stand 17. Oktober 2026)
Abstrakte KI-Illustration als Symbol für die Mixture-of-Experts-Architektur von Muse Spark Open
Mixture of Experts: Von 816 Milliarden Parametern arbeiten pro Wort nur rund 42 Milliarden. Foto: Google DeepMind / Unsplash

📊 Wie gut ist Muse Spark Open? Benchmarks verständlich eingeordnet

Meta vergleicht das Modell in seiner Modellkarte mit anderen großen offenen Modellen. Alle folgenden Zahlen stammen von Meta selbst – unabhängige Nachtests stehen teilweise noch aus:

  • Stark bei Agenten-Aufgaben: Im Werkzeug-Test MCP-Atlas erreicht Muse Spark Open 89,2 Punkte und liegt damit vor allen verglichenen offenen Modellen. Bei JobBench (realistische Arbeitsaufgaben) sind es 61,8 Punkte.
  • Nicht ganz vorn beim Programmieren: Im Terminal-Bench 2.1 kommt es auf 76,4 Punkte, die chinesischen Modelle GLM 5.3 (83,9) und Kimi K3 (85,0) schneiden besser ab.
  • Gesamtwertung: Im Intelligence Index von Artificial Analysis nennt Meta 39 Punkte – GLM 5.3 (45) und Kimi K3 (44) liegen auch hier vorn.
  • Sicherheit: Laut Meta lehnte das Modell in Tests 99,2 Prozent der Versuche ab, es für Cyberangriffe zu missbrauchen. Die offene Version hat dafür zusätzliches Sicherheitstraining bekommen.

Laut Engadget sieht Meta das Modell vor allem bei Agenten-Aufgaben und visuellem Verständnis vor den chinesischen Konkurrenten. Unterm Strich heißt das: Muse Spark Open ist eines der stärksten offenen Modelle aus den USA, aber nicht das stärkste offene Modell weltweit. Wie gut es bei deinen eigenen Aufgaben ist, zeigt erst ein Test.

🍎 Muse Spark Open auf dem Mac Studio: Was Meta und Apple gemeinsam ermöglichen

Der eigentliche Clou der Ankündigung ist die Zusammenarbeit mit Apple – laut CNBC ungewöhnlich, weil sich beide Konzerne jahrelang eher bekämpft haben. Apple-Chef John Ternus gratulierte laut MacRumors öffentlich auf X. Technisch funktioniert es so:

  • Gemeinsamer Speicher: Bei Apple-Chips teilen sich Prozessor und Grafikeinheit den Arbeitsspeicher („Unified Memory“). Ein Mac Studio mit M5 Ultra kann laut Meta bis zu 512 GB davon für KI nutzen.
  • Mehrere Macs als ein Rechner: Das Modell passt auch komprimiert nicht in einen einzelnen Mac. Apples Framework MLX verteilt es deshalb laut Apple Machine Learning Research über direkte Thunderbolt-5-Kabel auf zwei oder vier Geräte.
  • Komprimiertes Format: Lokal läuft die 4-Bit-Version (NVFP4). Sie braucht laut Apple rund 493 GB nur für das Modell – in voller Präzision wären es über 1,6 TB.
  • Tempo: Apple misst knapp 16 Token pro Sekunde mit zwei Macs (Pipeline-Verfahren), rund 25 mit zwei Macs im Tensor-Verfahren und fast 37 mit vier Macs – laut Apple „deutlich über der durchschnittlichen menschlichen Lesegeschwindigkeit“.

Meta zeigt im Blog Beispiele, die komplett auf den Geräten liefen: Fehlerbehebungen und neue Funktionen in einer iOS-App sowie Videoschnitt in DaVinci Resolve, bei dem das Modell Material Bild für Bild sichtet. Wer sich generell für KI auf dem eigenen Rechner interessiert, findet im Einstieg zu Nemotron 3.5 Bolt eine deutlich günstigere Variante für PCs mit Grafikkarte.

MacBook mit Code auf einem Schreibtisch als Symbol für Muse Spark Open auf Apple-Rechnern mit MLX
Meta und Apple haben Muse Spark Open für Mac Studios mit M5 Ultra optimiert. Foto: Christopher Gower / Unsplash

🧰 Hardware und Kosten für Muse Spark Open: Lohnt sich der lokale Betrieb?

Ehrlich gesagt: Für die meisten Privatleute nicht. Die Mac-Anleitung von Meta nennt diese Voraussetzungen:

  • Zwei Mac Studio mit M5 Ultra und je 512 GB Arbeitsspeicher – oder vier mit je 256 GB.
  • macOS 26.2 oder neuer, MLX ab Version 0.30.1 und eine direkte Thunderbolt-5-Verbindung zwischen jedem Mac-Paar.
  • Genug Speicherplatz für das komplette Modell auf jedem Mac und rund vier Stunden Einrichtungszeit (laut Meta).

Laut CNBC kostet schon ein Mac Studio mit M5 Ultra und 256 GB mindestens 10.799 US-Dollar. Die 512-GB-Version ist laut MacRumors noch nicht erhältlich und soll Ende Oktober folgen; vier 256-GB-Geräte kosten laut Engadget grob 38.000 US-Dollar. Auf anderer Hardware braucht es laut Meta-Dokumentation zum Beispiel vier bis acht NVIDIA-Blackwell-Grafikkarten oder acht AMD-Instinct-Beschleuniger – also klar Rechenzentrumsklasse.

Interessant ist der lokale Betrieb vor allem für Firmen, Agenturen oder Forschungsteams, die viele Anfragen haben und ihre Daten nicht in die Cloud geben wollen. Für Einsteiger und Hobbyisten ist der Weg über einen Cloud-Anbieter deutlich sinnvoller.

Infografik Muse Spark Open Hardware-Check: Speicherbedarf, Mac-Studio-Setup, Software, Tempo, Kosten und Cloud-Alternative
Infografik: Welche Hardware Muse Spark Open lokal braucht (laut Meta, Apple, CNBC und Engadget)

🚀 Muse Spark Open ausprobieren ohne eigene Hardware: Cloud-Anbieter und API

Laut Meta ist das Modell direkt bei mehreren API-Anbietern verfügbar, darunter Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter und Together AI. Eine API ist eine Programmierschnittstelle: Deine App oder dein Tool schickt eine Anfrage, der Anbieter rechnet und schickt die Antwort zurück. So kommst du am einfachsten hin:

  1. Bei OpenRouter ein Konto anlegen und etwas Guthaben aufladen. OpenRouter listet für Muse Spark Open aktuell 1,25 US-Dollar pro Million Eingabe-Token und 4,25 US-Dollar pro Million Ausgabe-Token (Stand 17. Oktober 2026).
  2. Im Chat-Bereich des Anbieters das Modell auswählen und mit eigenen Fragen, Texten oder Screenshots testen.
  3. Wer programmiert, nutzt die OpenAI-kompatible Schnittstelle – viele bestehende Tools und Coding-Agenten lassen sich so einfach auf Muse Spark Open umstellen.
  4. Ergebnisse mit deinem bisherigen KI-Assistenten vergleichen, bevor du dich festlegst.

Für Mac-Profis mit passendem Setup startet laut Apple ein lokaler Server, den Coding-Agenten wie OpenCode ansprechen können, mit diesem Befehl:

mlx.launch --hostfile hostfile.json --backend jaccl --env MLX_METAL_FAST_SYNCH=1 -- \
  mlx_lm.server --model meta-models/Muse-Spark-Open-816B-A42B-NVFP4 --port 8080

Datenschutz-Tipp: Bei Cloud-Anbietern verlassen deine Eingaben deinen Rechner. Schicke dort keine sensiblen Kundendaten, Passwörter oder Gesundheitsinfos hin.

Serverschränke im Rechenzentrum als Symbol für die Nutzung von Muse Spark Open über Cloud-Anbieter per API
Ohne Mac-Cluster läuft Muse Spark Open bei Cloud-Anbietern im Rechenzentrum. Foto: Taylor Vick / Unsplash
Laptop mit Code, Kaffeetasse und Pflanze als Symbol für den einfachen Einstieg in Muse Spark Open
Zum Ausprobieren reicht ein normaler Laptop – das Modell läuft dann in der Cloud. Foto: Daniil Komov / Unsplash

📜 Muse Model License: Was du bei der Nutzung von Muse Spark Open beachten musst

Muse Spark Open ist kostenlos, aber nicht bedingungslos. Die Muse Model License erlaubt Nutzung, Anpassung und Weitergabe – mit diesen Regeln:

  • Pflicht-Hinweis: Produkte, die das Modell oder davon abgeleitete Modelle nutzen, müssen gut sichtbar „Built with Muse Spark Open“ anzeigen – etwa in der App, der Dokumentation oder auf der Website.
  • Große KI-Anbieter: Wer das Modell als KI-Dienst per API an andere verkauft und mehr als 20 Millionen US-Dollar Jahresumsatz hat, braucht vorher einen separaten Vertrag mit Meta. Interne Nutzung, Forschung und eigene Produktfunktionen sind davon ausgenommen.
  • Nutzungsrichtlinie: Verboten sind unter anderem Malware, Betrug, Desinformation und das Ausgeben von KI-Texten als menschlich geschrieben.
  • Altersgrenze: Das Modell ist laut Lizenz nicht für Personen unter 18 Jahren gedacht.
  • Ergebnisse gehören dir: Meta beansprucht kein Eigentum an den erzeugten Ausgaben.

Für Freiberufler und kleine Teams heißt das meist: Nutzung ist problemlos möglich, solange du den Hinweis einbaust und die Nutzungsregeln einhältst. Bei kommerziellen Projekten lohnt sich trotzdem ein genauer Blick in den Lizenztext.

Bildschirm mit Programmcode als Symbol für die Muse Model License von Muse Spark Open
Offen heißt nicht regellos: Die Muse Model License hat ein paar wichtige Bedingungen. Foto: Chris Ried / Unsplash

✅ Checkliste: So startest du mit Muse Spark Open

  • Ziel klären: Willst du nur testen, das Modell in eine eigene App einbauen oder wirklich alles lokal betreiben?
  • Erst in der Cloud testen: Über OpenRouter oder einen anderen Anbieter, ohne eigene Hardware zu kaufen.
  • Kosten im Blick behalten: Ausgaben-Limit beim Anbieter setzen – lange Agenten-Aufgaben verbrauchen viele Token.
  • Lizenz lesen: Hinweis „Built with Muse Spark Open“ einplanen, wenn du etwas veröffentlichst.
  • Daten schützen: In der Cloud keine sensiblen Daten verwenden; nur lokal bleibt alles bei dir.
  • Agenten absichern: Meta empfiehlt selbst, unumkehrbare Aktionen von einem Menschen bestätigen zu lassen – nutze am besten einen Testordner.
Infografik-Checkliste: In sechs Schritten mit Muse Spark Open starten, für Einsteiger und kleine Teams
Infografik: Sechs Schritte zum Start mit Muse Spark Open (Stand 17. Oktober 2026)

📌 Praktische Takeaways zu Muse Spark Open für Einsteiger, Hobbyisten und kleine Teams

  • Muse Spark Open ist Metas bisher stärkstes offenes KI-Modell mit 816 Milliarden Parametern und einer Million Token Kontext.
  • Laut Meta glänzt es bei Agenten-Aufgaben; beim Programmieren liegen chinesische Modelle wie Kimi K3 und GLM 5.3 in Metas eigenen Tabellen vorn.
  • Lokal läuft es auf zwei bis vier Mac Studios mit M5 Ultra – ein Setup im fünfstelligen Dollar-Bereich.
  • Für die meisten ist der einfachste Weg ein Cloud-Anbieter wie OpenRouter, Together AI oder Groq.
  • Die Lizenz ist großzügig, verlangt aber den Hinweis „Built with Muse Spark Open“ und schließt Personen unter 18 aus.

📚 Quellen: Offizielle Angaben und Berichte zu Muse Spark Open

Hinweis: Alle Angaben nach öffentlich verfügbaren Quellen, Stand 17. Oktober 2026. Benchmark- und Sicherheitswerte stammen von Meta selbst, Geschwindigkeitswerte von Apple; Preise und Verfügbarkeit können sich ändern.