Die Nachricht

Was ist Muse Spark überhaupt?

Muse heißt die Reihe von KI-Modellen, die Meta, der Konzern hinter Facebook, Instagram und WhatsApp, seit April 2026 veröffentlicht. Sie folgt auf die bisherigen Llama-Modelle. Den Anfang machte am 8. April Muse Spark. Das Modell beantwortet Fragen in der Meta-AI-App und auf meta.ai, ähnlich wie ChatGPT. Meta hatte angekündigt, es später auch in Facebook, Instagram und WhatsApp einzubauen.

Muse Spark Open ist eine eigene Fassung aus dieser Spark-Reihe. Der Unterschied: Meta gibt sie zum Download frei, statt sie nur auf den eigenen Servern laufen zu lassen.

Was Meta freigibt

Muse Spark Open ist laut Meta AI Research die am 15. Oktober veröffentlichte Open-Weights-Version von Muse Spark. Mit dem kürzlich vorgestellten Muse Wonder ist es nicht identisch, beide gehören aber zur Muse-Familie. Meta nennt Spark Open sein bislang leistungsfähigstes Open-Weights-Modell aus den USA. Das ist eine Aussage des Unternehmens, keine unabhängige Rangliste.

Die Gewichte stehen über Hugging Face bereit. Für den API-Betrieb nennt Meta Baseten, Fireworks AI, Groq (vorerst als eingeschränkte Vorschau), Modal, Nebius, OpenRouter und Together AI. Das Modell nimmt Text, Bilder, Audio und Video entgegen, gibt aber Text aus. Das Kontextfenster fasst laut Model Card eine Million Tokens. Meta nennt außerdem Trainingsdaten aus mehr als 100 Sprachen. Wie gut das Modell auf Deutsch arbeitet, habe ich nicht selbst geprüft.

Wie offen die Gewichte sind

Was ein KI-Modell beim Training gelernt hat, steckt in einer riesigen Datei mit Milliarden von Zahlen. Diese Zahlen heißen Gewichte, und im Grunde sind sie das Modell. Bei ChatGPT, Claude oder Gemini bleibt diese Datei beim Hersteller. Man nutzt das Modell nur über dessen Server. Bei einem Open-Weights-Modell wie Muse Spark Open lässt sich die Datei herunterladen, auf eigenen Rechnern betreiben und anpassen.

Das heißt aber nicht, dass Meta auch Trainingsdaten und Trainingsverfahren offenlegt. Ohne Bedingungen nutzen lässt sich das Modell ebenfalls nicht. Meta veröffentlicht Muse Spark Open unter der Muse Model License und bezeichnet die kommerziellen Bedingungen selbst als begrenzt.

Die Lizenz verlangt für Produkte oder Dienste, die das Modell oder abgeleitete Modelle nutzen, einen gut sichtbaren Hinweis „Built with Muse Spark Open“ in der Oberfläche, der Begleitdokumentation, auf der Website oder im Einstellungsmenü. Strenger wird es für Firmen, die Dritten über eine API oder einen ähnlichen Dienst Zugang zum Modell anbieten. Liegt ihr Bruttoumsatz zusammen mit verbundenen Unternehmen in einem beliebigen Zeitraum von zwölf Monaten über 20 Millionen US-Dollar, müssen sie Meta laut Lizenz benachrichtigen und vor dem Angebot eine gesonderte schriftliche Vereinbarung abschließen. Die Lizenz enthält Ausnahmen und weitere Einzelheiten; maßgeblich ist ihr genauer Wortlaut.

Ein Modell für große Rechner

Die Modellkarte nennt 816 Milliarden Parameter, davon werden 42 Milliarden pro verarbeitetem Token aktiviert. Das senkt den Rechenaufwand pro Schritt. Im Speicher liegen müssen trotzdem alle 816 Milliarden.

Für den Betrieb mit der MLX-Software nennt Meta zwei Mac Studios mit M5 Ultra und jeweils 512 Gigabyte gemeinsam genutztem Speicher. Alternativ beschreibt das Unternehmen vier Geräte mit jeweils 256 Gigabyte. Beide Konfigurationen kommen insgesamt auf ein Terabyte Speicher. Für den GPU-Betrieb führt die Modellkarte mindestens 700 Gigabyte Grafikspeicher beim komprimierten NVFP4-Format und 2 Terabyte bei BF16 auf. Auf einem normalen Büro- oder Schnittrechner läuft das Modell also nicht.

Metas Entwicklerbeitrag nennt für stärker komprimierte GGUF-Versionen Setups mit 256 bis etwa 300 Gigabyte Speicher. Diese Zahlen weichen von der Modellkarte ab, weil sie sich auf andere Varianten beziehen. Genauer erklärt Meta den Unterschied nicht. Die Qualität dieser lokalen Ableger habe ich nicht selbst geprüft.

Kann ich Muse Spark Open zu Hause nutzen?

Auf dem eigenen Laptop oder Desktop-PC nicht. Selbst gut ausgestattete Rechner haben meist zwischen 32 und 128 Gigabyte Arbeitsspeicher, eine starke Gaming-Grafikkarte 24 bis 32 Gigabyte. Schon die kleinsten komprimierten Fassungen brauchen ein Vielfaches davon.

Ausprobieren lässt sich das Modell trotzdem. Anbieter wie OpenRouter oder Together AI betreiben es auf ihren Servern und rechnen nach Verbrauch ab. Bei den aktuellen Medianpreisen kostet eine längere Antwort mit rund 1.000 Tokens weniger als einen halben US-Cent. Das Modell läuft dann allerdings gehostet, genau wie ChatGPT.

Für Privatleute bringt die Freigabe der Gewichte deshalb wenig. Gedacht ist sie für Firmen und Entwicklerteams mit eigener Serverhardware, etwa wenn sensible Daten das Haus nicht verlassen sollen. Dazu kommen Anbieter, die das Modell als Dienst an andere weitergeben.

Was die Messwerte zeigen

Im Artificial Analysis Intelligence Index v4.3.2 erreicht Muse Spark Open 39 Punkte. Im direkten Vergleich mit Muse Spark 1.3 auf xhigh sind es sechs Punkte weniger. Gegenüber den Muse-Wonder-Modellen und Claude Opus 5.5 fällt der Abstand größer aus. Die Grafik nennt zu jedem Wert die Teststufe, also wie viel Rechenaufwand das Modell beim Nachdenken nutzen durfte. Die Stufen stammen von den jeweiligen Anbietern und lassen sich nicht exakt miteinander vergleichen.

Vergleich ausgewählter Sprachmodelle im Artificial Analysis Intelligence Index und bei der mittleren Ausgabegeschwindigkeit: Muse Spark Open erreicht 39 Punkte und 103 Tokens pro Sekunde; Muse Spark 1.3 liegt je nach Teststufe bei 45 oder 48 Punkten. Angegeben ist auch die Teststufe. Muse Wonder Full hat keinen öffentlichen API-Tempowert.
Orange: Ergebnis im Intelligence Index. Blau: mittlere Textausgabe über die API. Grafik in voller Größe.
Quellen und Messung

Quelle: Artificial Analysis: Modellrangliste, abgerufen am 16. Oktober 2026. Intelligence Index v4.3.2. Die Teststufen unterscheiden sich je Anbieter; Claude Max enthält einen Standard-Fallback. Geschwindigkeit ist die mediane Ausgabe über API-Anbieter und keine Messung auf lokaler Hardware. Tokens sind kleine Textstücke; Denkzeit und Wartezeit bis zur ersten Antwort kommen hinzu. Muse Wonder Full hat keine öffentliche API.

Im Terminal-Bench 4.0, einem Test für Aufgaben in der Kommandozeile, erreicht es 8 Prozent, Spark 1.3 17 Prozent. Im wissenschaftlichen Programmier-Test SciCode liegen die Werte näher beieinander: 58 zu 60 Prozent. Die Ergebnisse unterscheiden sich also je nach Aufgabe.

Meta veröffentlicht in der eigenen Modellkarte weitere Werte: zum Beispiel 61,8 für JobBench, 89,2 für MCP-Atlas und 76,4 für Terminal-Bench 2.1. Meta gibt für Spark Open bei diesen Vergleichen die Stufe xhigh an. Diese Tabelle stammt vom Anbieter. Der Wert für Terminal-Bench 2.1 ist nicht direkt mit dem Terminal-Bench-4.0-Ergebnis bei Artificial Analysis vergleichbar, weil sich Version und Testaufbau unterscheiden.

Der Index von Artificial Analysis bündelt zehn Tests aus den Bereichen Agentenarbeit, Programmierung, wissenschaftliches Denken und allgemeine Aufgaben. Er ist überwiegend textbasiert und englischsprachig. Das macht ihn für viele Sprachmodell-Aufgaben nützlich, aber nicht zu einem Test der Resolve-Demonstration oder der Videofähigkeiten. Dass die Modellkarte auch Bilder, Audio und Video als Eingabe nennt, sagt noch nichts darüber, wie gut Spark Open echtes Schnittmaterial oder deutsche Sprache verarbeitet.

Tempo und Kosten

Bei API-Tests gibt Artificial Analysis im direkten Vergleich für Muse Spark Open rund 103 Tokens pro Sekunde an. Spark 1.3 erreicht mit xhigh rund 323. Der Wert beschreibt, wie schnell das Modell Text ausgibt. Er sagt weder, wie lange es bis zur ersten Antwort dauert, noch wie schnell Spark Open auf zwei Mac Studios läuft. Auch Anfrage, Denkzeit und Auslastung beeinflussen die gesamte Wartezeit.

Die Kostenangabe bezieht sich auf die Tests von Artificial Analysis. Für eine Aufgabe im eigenen Index schätzt das Unternehmen bei Muse Spark Open durchschnittlich 0,84 US-Dollar, bei Spark 1.3 mit xhigh 1,37 US-Dollar. Beide Modelle haben dort dieselben Tokenpreise. In den Tests kommen sie aber auf unterschiedliche Ausgabemengen: rund 40.000 Tokens pro Aufgabe bei Spark Open, gegenüber rund 55.000 bei Spark 1.3. Das ist kein Preis für einen einzelnen normalen Prompt: Die Schätzung berücksichtigt den Tokenverbrauch und die Gewichtung der zehn Tests. Für Muse Spark Open nennt Artificial Analysis derzeit außerdem API-Preise von 1,25 US-Dollar je Million Eingabe-Tokens und 4,25 US-Dollar je Million Ausgabe-Tokens, jeweils als Median der Anbieterpreise. Anbieter können davon abweichen.

Kosten je Aufgabe im Artificial Analysis Intelligence Index, in US-Dollar: Claude Opus 5.5 (Max mit Fallback) 5,98; Claude Sonnet 5.5 (Max mit Fallback) 5,46; Muse Wonder 4,52; Gemini 4 Argon 1,99; Muse Spark 1.3 Max 1,60 und xhigh 1,37; Muse Spark Open xhigh 0,84. Niedrigere Balken bedeuten geringere API-Kosten pro Index-Aufgabe.
Gewichtete API-Kosten pro Aufgabe im Intelligence Index. Claude Opus und Sonnet stehen auf Max mit Standard-Fallback. Für Muse Wonder Full gibt es keinen Kostenwert, weil es keine öffentliche API gibt. Grafik in voller Größe.
Quellen und Kostenberechnung

Quelle: Artificial Analysis: Muse Spark Open und Vergleich mit Muse Spark 1.3 xhigh, abgerufen am 16. Oktober 2026. Die Kosten pro Aufgabe sind ein gewichteter Durchschnitt über den Intelligence Index. Sie sind weder der Preis einer üblichen Chat-Anfrage noch die Kosten für Hardware, Strom oder den lokalen Betrieb.

Was die Resolve-Demo zeigt und was offen bleibt

Meta demonstriert Muse Spark Open in Muse Code zusammen mit DaVinci Resolve. Der Agent geht dabei das Material Bild für Bild durch, sucht starke Momente und bereitet einen Hochkant-Ausschnitt vor. Für die Postproduktion ist das interessant, denn das Modell kann damit Videomaterial als Eingabe verarbeiten und über Werkzeuge in einem Schnittprogramm arbeiten.

Es bleibt eine Demonstration des Herstellers, kein unabhängiger Praxistest. Meta hat damit noch nicht gezeigt, wie zuverlässig der Ablauf in langen Projekten funktioniert oder wie gut das Modell deutsches Material versteht. Muse Spark Open erzeugt Text, keine fertigen Videoclips. Für einen Werbefilm wäre es damit eher ein möglicher Recherche- oder Assistenzbaustein als ein Videogenerator.

Was sich mit der Freigabe ändert

Mit Muse Spark Open gibt Meta Entwicklerteams und Unternehmen Zugriff auf die Gewichte eines großen, multimodalen Modells. Das ist ein relevanter Schritt für Teams, die es selbst betreiben, anpassen oder in eine eigene Agenten-Umgebung integrieren wollen. Für viele dürfte ein API-Zugang praktischer sein als eigene Hardware.

Metas Resolve-Demo deutet einen möglichen Einsatz in der Postproduktion an. Wie gut er sich im Alltag bewährt, müssen unabhängige Praxistests noch zeigen.

Quellen

10 Links

Stand der Recherche: 16.10.2026. Muse Spark Open wurde nicht selbst getestet. Messwerte, Preise, Anbieter und Lizenzbedingungen können sich ändern.

Alle Angaben erfolgen nach bestem Wissen und ohne Gewähr. Für Richtigkeit, Vollständigkeit und Aktualität übernehme ich, soweit gesetzlich zulässig, keine Haftung.

Du planst einen Film für deine Marke?

Schick mir Produkt, Einsatz und Zeitraum. Ich entwickle das Konzept und produziere deinen Werbefilm, Imagefilm oder deine Social Ads bis zum fertigen Schnitt.

Filmprojekt anfragen