Am 15. Oktober 2026 hat Meta die Gewichte von „Muse Spark Open“ auf Hugging Face veröffentlicht. Das Modell hat 816 Milliarden Parameter, von denen pro Token nur 42 Milliarden aktiv sind, und es verarbeitet bis zu eine Million Token Kontext. Bemerkenswert ist weniger die Größe als der Anspruch, es lasse sich lokal auf Apple-Rechnern betreiben.
Warum nur ein Bruchteil rechnet
Muse Spark Open ist ein „Mixture of Experts“: Das Modell besteht aus 256 spezialisierten Teilnetzen, von denen für jedes Token nur 8 befragt werden (Angaben laut diesem Bericht, der sich auf Metas Modellkarte stützt). Das spart Rechenzeit. Es spart aber keinen Speicher, denn alle Experten müssen griffbereit im Arbeitsspeicher liegen, auch wenn pro Token die meisten ruhen.
Eine kleine Rechnung
Meine eigene Überschlagsrechnung: 816 Milliarden Parameter in 16-Bit-Genauigkeit (zwei Byte pro Wert) sind rund 1,6 Terabyte. In 4-Bit-Genauigkeit sind es gut 400 Gigabyte, dazu kommen Skalierungswerte, Kontextspeicher und Arbeitsreserve. Der Bericht nennt als Gesamtbedarf etwa 700 GB für die 4-Bit-Fassung (NVFP4) und 2 TB für die volle. Zwei Mac Studio mit M5 Ultra und je 512 GB Speicher bieten zusammen 1 TB, das passt also nur für die 4-Bit-Fassung. TechCrunch zitiert Engadget mit „mindestens 1 Terabyte“. „Läuft auf dem Mac“ heißt hier also: auf Workstation-Hardware mit Speicherausbau im Terabyte-Bereich, nicht auf dem Laptop.
„Offen“ hat Grenzen
Die Muse-Model-License ist laut dem Bericht eine Open-Weights-Lizenz, keine Open-Source-Lizenz. Produkte müssen „Built with Muse Spark Open“ nennen, und wer das Modell als Dienst anbietet und über 20 Millionen Dollar Jahresumsatz erzielt, muss einen eigenen Vertrag mit Meta schließen. Für Privatleute und kleine Firmen ist das harmlos, für große Anbieter nicht.
Wo das Modell steht
Meta nennt es das leistungsfähigste offene Modell aus den USA. Das ist eine eng gefasste Aussage: In Metas eigener Tabelle liegt GLM 5.3 im Artificial-Analysis-Index vorn (45 gegen 39), und bei Terminal-Aufgaben schlägt Kimi K3 das Modell (85,0 gegen 76,4). Nur bei einigen anderen Tests führt Muse Spark Open. Unabhängige Messungen gibt es bisher kaum: Vals AI führt es bei 48,6 % im eigenen Index auf Rang 23 von 27 (Stand der abgerufenen Seite).
Grenzen
Die Benchmarkzahlen stammen von Meta selbst, ein ausführlicher Evaluationsbericht steht laut Quelle noch aus. Eine Suche lieferte für Vals AI abweichende Werte (Rang 38 von 49, 46,6 %), vermutlich ein anderer Stand; ich habe das nicht klären können. Der Modellname ist auch uneinheitlich: Ein Beitrag im PyTorch-Blog spricht von „Muse Spark 1.2“. Zur Sprachqualität im Deutschen sagen die Quellen nichts.
Quellen
- techcrunch.com https://techcrunch.com/2026/10/15/meta-launches-an-open-weight-model-that-runs-on-macs/
- pasqualepillitteri.it https://pasqualepillitteri.it/en/news/24330/meta-muse-spark-open-816b-open-weights
- vals.ai https://www.vals.ai/models/meta_muse-spark-open