Muse Spark Open: Metas Open-Weight-Modell für Coding und Agenten, erklärt

Muse Spark Open ist Metas neues Open-Weight-Modell für Coding und agentische Aufgaben, veröffentlicht am 15. Oktober 2026. Es ist die herunterladbare Version von Muse Spark – ein Mixture-of-Experts-Modell mit 816 Milliarden Parametern, das pro Token etwa 42 Milliarden Parameter aktiviert, bis zu 1 Million Token aus Text, Bild, Video und Audio verarbeitet und Text zurückgibt. Meta bezeichnet es als „fähigstes US-amerikanisches Open-Weight-Modell bis dato." Was dieser Anspruch bedeutet, wo das Modell führt, wo es zurückliegt, welche Hardware es benötigt und welcher Lizenz Sie zustimmen – das erfahren Sie hier.

Was ist Muse Spark Open?

Muse Spark Open ist die Open-Weights-Veröffentlichung von Metas Muse-Spark-Reihe, konzipiert für langfristige agentische Aufgaben statt für einmalige Chat-Interaktionen. Es plant, handelt, beobachtet und korrigiert sich selbst über lange Aufgaben hinweg – einschließlich des Browsens im Web mit Bildern – und wurde auf realen Entwickler-Workflows wie Multi-File-Refactorings und langen Debugging-Sitzungen trainiert.

Die wichtigsten Spezifikationen aus Metas Launch-Post:

• 816B Gesamt- / 42B aktive Parameter (ein spärliches Mixture-of-Experts-Design)
• 1M-Token-Kontextfenster bei der Inferenz
• Nativ multimodal: Text, Bild, Video und Audio als Eingabe; Text als Ausgabe

Architektonisch handelt es sich um einen 62-schichtigen Transformer, bei dem jede Schicht ein dichtes Feed-Forward-Netzwerk durch einen Mixture-of-Experts-Block mit 256 Experten ersetzt, wobei ein Router pro Token 8 davon auswählt. Ein Wahrnehmungs-Encoder (Perception Encoder) mit 1,8 Milliarden Parametern wandelt Bilder und Videoframes in Token um, und ein separater Pfad verarbeitet Audio. Da pro Token nur 8 Experten aktiv sind, läuft das Modell in etwa mit der Geschwindigkeit eines 42B-Modells, benötigt jedoch den Arbeitsspeicher eines 816B-Modells.

Es ist die Open-Weights-Version von Metas Muse-Spark-Modell, mit zusätzlichem Sicherheits-Post-Training, damit es auch als eigenständige Gewichte ohne System-Guardrails zuverlässig funktioniert, gemäß Metas Model Card. Meta verkauft mehrere geschlossene Modelle über seine API – die Frontier-Muse-Wonder-Modelle und Muse Spark 1.3 – während Muse Spark Open und das kleinere Muse Glimmer die Open-Weight-Veröffentlichungen sind, die Sie herunterladen und selbst hosten können.

Ist Muse Spark Open wirklich Open Source?

Nein – und diese Unterscheidung ist wichtig. Die Gewichte sind herunterladbar, werden jedoch unter Metas eigener Muse Model License veröffentlicht, nicht unter einer OSI-genehmigten Open-Source-Lizenz.

Die Lizenz gewährt weitreichende Rechte zur Nutzung, Modifikation, Feinabstimmung (Fine-Tuning), Destillation und Weiterverteilung des Modells, jedoch mit Bedingungen:

• Namensnennung (Attribution): Jedes Produkt, das das Modell oder ein Derivat davon verwendet, muss prominent „Built with Muse Spark Open" in seiner Benutzeroberfläche, Dokumentation, Website oder den Einstellungen anzeigen.
• Model-as-a-Service-Klausel: Ein Unternehmen, das API-Zugang zum Modell anbietet und dessen Gruppeneinnahmen in einem beliebigen 12-Monats-Zeitraum 20 Millionen US-Dollar übersteigen, muss Meta vorab benachrichtigen und eine separate Vereinbarung unterzeichnen.
• Derivate: Alles, was auf Basis des Modells feinabgestimmt oder destilliert wurde – selbst wenn es auf dessen Ausgaben trainiert wurde – unterliegt derselben Namensnennungspflicht.

Für die meisten Teams – interne Nutzung, Forschung oder Funktionen innerhalb des eigenen Produkts – ist die kommerzielle Nutzung kostenlos; die Muse Model License schließt diese Fälle ausdrücklich von der Model-as-a-Service-Klausel aus. Wer Modellzugang im großen Maßstab weiterverkauft, sollte das Kleingedruckte zuerst lesen. The New Stack formuliert es direkt: Die Gewichte sind offen, aber die Lizenz ist nicht vollständig offen – ein Muster, das laut dem Artikel einigen neueren chinesischen Veröffentlichungen ähnelt.

Benchmarks: Wo es führt und wo es zurückliegt

Meta positioniert Muse Spark Open als bestes US-amerikanisches Open-Weight-Modell, und die eigene Model Card vergleicht es mit xhigh Reasoning-Aufwand gegen sieben ähnliche offene Modelle, darunter Kimi K3, GLM 5.3 und Qwen3.8. Die ehrliche Einschätzung: Es ist ein Anführer beim Tool-Einsatz und ein Nachzügler beim Coding.

Quelle: Metas Model Card, Oktober 2026.

Lesen Sie die Tabelle danach, was Ihr Agent tatsächlich tut:

• Tool-Auswahl: MCP-Atlas und JobBench sind die Zeilen, in denen es führt – Agenten, deren Hauptaufgabe die Auswahl und Sequenzierung von Tool-Aufrufen ist, sind daher am besten geeignet.
• Terminal- und Repository-Arbeit: Es liegt bei Terminal-Bench 2.1 um 8,6 Punkte hinter Kimi K3 und bei DeepSWE 1.1 sowie SWE-Atlas-QnA jeweils um 8 Punkte. Wenn Ihr Agent hauptsächlich im Terminal arbeitet, führen Sie zuerst eigene Repository-Aufgaben durch, bevor Sie wechseln.
• Gesamtranking: Im Artificial Analysis Intelligence Index erzielt es 39 Punkte – hinter GLM 5.3, Kimi K3 und Qwen3.8. „Am fähigsten" ist also spezifisch ein Ranking unter US-amerikanischen Open-Weight-Modellen, nicht im gesamten offenen Feld.

Ein Bereich, in dem es sich wirklich abhebt, ist die Jailbreak-Resistenz: Es erzielte 0,5 auf StrongREJECT v2 mit adaptiven Angriffen (niedriger ist besser), während kein anderes Modell in Metas Tabelle unter 62,9 lag – ein direktes Ergebnis des zusätzlichen Sicherheits-Post-Trainings.

Welche Hardware benötigt Muse Spark Open?

Das ist der Haken. „Open Weight" bedeutet nicht „läuft auf Ihrem Laptop." Der vollständige BF16-Checkpoint ist etwa 1,6 TB groß, und selbst der quantisierte NVFP4-Build ist rund 530 GB.

• GPU: NVFP4 läuft auf vier Blackwell-Ultra-GPUs oder acht H200s; die Model Card fordert mindestens 700 GB VRAM für NVFP4 und 2 TB für BF16.
• Mac: Meta und Apple haben einen MLX-Build optimiert, der den NVFP4-Checkpoint auf zwei M5 Ultra Mac Studios mit je 512 GB Unified Memory oder vier Mac Studios mit je 256 GB läuft – insgesamt rund 1 TB Unified Memory – verbunden über Thunderbolt 5.
• Kleinster Build: Unsloths GGUF-Quants gehen bis auf etwa 2-Bit herunter und passen in rund 300 GB kombinierten Arbeitsspeicher – eine einzelne High-Memory-Workstation, kein MacBook.

Es läuft auf SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, MLX, llama.cpp und Unsloth und ist ab dem ersten Tag auf gehosteten APIs verfügbar, darunter Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter und Together AI. Gewichte können von Hugging Face, Amazon SageMaker AI, Google Cloud Model Garden und Microsoft Foundry Models heruntergeladen werden. Für die meisten Teams ist ein gehosteter Endpunkt der realistische Weg, es auszuprobieren, bevor man sich für Hardware entscheidet.

Für wen eignet es sich?

Muse Spark Open ist eine starke Wahl, wenn Sie Agenten entwickeln, die Tools orchestrieren – die MCP-Atlas- und JobBench-Ergebnisse belegen das – und Sie die Möglichkeit haben möchten, es für Datenkontrolle selbst zu hosten, auf Ihren eigenen Workflows feinabzustimmen oder ein kleineres Modell zu destillieren. Die native Multimodalität ist ein echter Differenzierungsfaktor: Dasselbe Modell kann einen Screenshot lesen, eine Sprachnotiz anhören oder eine Bildschirmaufnahme ansehen, während es arbeitet.

Es ist eine schwächere Wahl, wenn Ihr Agent hauptsächlich ein Coding-Agent ist, der im Terminal lebt, wo offene Konkurrenten wie Kimi K3 derzeit höher abschneiden. Und es ist nichts für jemanden, der erwartet, Frontier-Scale-Gewichte auf Consumer-Hardware zu betreiben.

Fazit

Muse Spark Open ist eine glaubwürdige, wirklich nützliche Open-Weight-Veröffentlichung, die am besten als Tool-Einsatz- und multimodales Agentenmodell verstanden wird – nicht als Coding-Champion. Die Formulierung „fähigstes US-amerikanisches Open-Weight-Modell" ist zutreffend, aber eng gefasst. Die Lizenz ist für die meisten Teams permissiv, aber es lohnt sich, sie zu lesen, wenn Sie Zugang weiterverkaufen, und die Hardware-Anforderungen sind hoch genug, dass eine gehostete API der sinnvolle Einstieg ist. Wenn Sie Agenten entwickeln und Wert auf Self-Hosting legen, gehört es auf Ihre Shortlist zum Testen mit eigenen Aufgaben.

Offene Modelle in Ihrer eigenen KI-Belegschaft betreiben

Ein Open-Weight-Modell entfaltet seinen Nutzen erst, wenn es in echte Workflows eingebunden ist – Tools, Dateien, Code-Reviews und mehrstufige Pläne – nicht in einem Chat-Fenster. Eigent ist eine Open-Source-Cowork-Desktop-App, die eine Multi-Agenten-KI-Belegschaft lokal betreibt und modell-agnostisch ist, sodass Sie ein Modell wie Muse Spark Open für die Aufgaben einsetzen können, bei denen es am stärksten ist, und sensible Arbeit auf Ihrem eigenen Rechner behalten. Erfahren Sie, wie Agenten GitHub-PRs reviewen können, und laden Sie Eigent herunter, um es auszuprobieren.

Häufig gestellte Fragen

Was ist Muse Spark Open?

Muse Spark Open ist Metas Open-Weight-Modell für Coding und agentische Aufgaben, veröffentlicht am 15. Oktober 2026. Es ist ein Mixture-of-Experts-Modell mit 816 Milliarden Parametern, das pro Token etwa 42 Milliarden Parameter aktiviert, Text-, Bild-, Video- und Audioeingaben akzeptiert und ein 1-Million-Token-Kontextfenster besitzt. Es ist die Open-Weights-Version von Metas Muse-Spark-Modell.

Ist Muse Spark Open Open Source?

Nein. Die Gewichte sind herunterladbar, werden jedoch unter Metas eigener Muse Model License veröffentlicht, nicht unter einer OSI-genehmigten Open-Source-Lizenz. Die Lizenz erlaubt Nutzung, Fine-Tuning, Destillation und Weiterverteilung, erfordert jedoch ein sichtbares „Built with Muse Spark Open"-Label in jedem Produkt, das das Modell oder ein Derivat davon verwendet.

Ist Muse Spark Open für die kommerzielle Nutzung kostenlos?

Ja, für die meisten Teams. Nur ein Unternehmen, das Modelle als Dienst über eine API anbietet und dessen Gruppeneinnahmen in einem beliebigen 12-Monats-Zeitraum 20 Millionen US-Dollar übersteigen, muss Meta vorab benachrichtigen und eine separate Vereinbarung unterzeichnen. Interne Nutzung, Forschung und Funktionen innerhalb des eigenen Produkts fallen nicht unter diese Klausel.

Kann Muse Spark Open auf einem Mac laufen?

Ja, aber Sie benötigen ernsthafte Hardware. Der NVFP4-Checkpoint läuft über MLX auf zwei M5 Ultra Mac Studios mit je 512 GB Unified Memory oder vier Mac Studios mit je 256 GB, verbunden über Thunderbolt 5 – insgesamt rund 1 TB Unified Memory. Unsloths kleinster GGUF-Build passt in etwa 300 GB kombinierten Arbeitsspeicher.

Ist Muse Spark Open das beste Open-Weight-Modell für Coding?

Nein. Laut Metas eigener Model Card erzielt es 76,4 auf Terminal-Bench 2.1, 60 auf DeepSWE 1.1 und 58 auf SWE-Atlas-QnA – in allen drei Kategorien hinter Kimi K3. Seine Stärke liegt beim Tool-Einsatz, wo es MCP-Atlas mit 89,2 anführt. Führen Sie eigene Repository-Aufgaben durch, bevor Sie einen Coding-Agenten darauf umstellen.

Wie verhält sich Muse Spark Open zu Metas geschlossenen Muse-Modellen?

Muse Spark Open ist die Open-Weights-Version von Metas Muse-Spark-Modell, mit zusätzlichem Sicherheits-Post-Training, damit es Missbrauch widersteht, wenn es ohne System-Guardrails betrieben wird. Meta verkauft auch geschlossene Modelle über seine API – die Frontier-Muse-Wonder-Modelle und Muse Spark 1.3 – während die Gewichte von Muse Spark Open von Hugging Face heruntergeladen werden können, sodass Sie es selbst hosten, quantisieren und feinabstimmen können.