Der Technologiekonzern Meta hat am 15. Oktober 2026 die Modellgewichte seines neuen KI-Systems Muse Spark Open freigegeben. Das System basiert auf einer Mixture-of-Experts-Architektur (MoE) mit rund 816 Milliarden Parametern insgesamt, von denen etwa 42 Milliarden pro Token aktiv sind. Das multimodale Modell verarbeitet Eingaben aus Text, Bild, Audio sowie Video und unterstützt ein Kontextfenster von bis zu einer Million Tokens. Nach Metas eigenen Angaben handelt es sich um das leistungsfähigste US-amerikanische Modell mit offenen Gewichten.
Kooperation mit Apple für lokalen Betrieb
Das Modell wurde gezielt für Apples maschinelles Lernframework MLX sowie Desktop-Rechner vom Typ Mac Studio mit M5-Ultra-Prozessor optimiert. Zeitgleich zur Veröffentlichung meldete Meta-Chef Mark Zuckerberg am 15. Oktober 2026 auf der Plattform X die Zusammenarbeit mit Apple-CEO John Ternus, der sein Amt am 1. September 2026 angetreten hatte.
Laut Alexandr Wang, Leiter der KI-Sparte bei Meta, arbeiteten beide Unternehmen seit Monaten an dem Vorhaben; vermittelt habe der frühere Apple-Mitarbeiter Daniel Gross. Es ist die erste öffentliche Partnerschaft der beiden Konzerne seit 2017, nachdem unter anderem Apples Tracking-Beschränkungen im Jahr 2021 den Meta-Konzern im Folgejahr 2022 schätzungsweise 10 Milliarden US-Dollar gekostet hatten. Finanzielle Bedingungen wurden nicht bekannt gegeben, ebenso wenig Vereinbarungen rund um Siri oder das iPhone.
Für den lokalen Betrieb bietet die Ausführung auf Desktop-Rechnern Datenschutzvorteile: Nach Angaben von Branchenbeobachtern erhält Meta beim lokalen Hosting keinen Einblick in die eingegebenen Prompts.
Hardware-Anforderungen und Messwerte auf dem Mac Studio
Für die Ausführung sind erhebliche Hardware-Ressourcen erforderlich. Wie Metas Bereitstellungsdokumentation festhält, läuft das Modell in reduzierter Präzision entweder auf zwei Mac Studios mit jeweils 512 Gigabyte gemeinsamem Speicher oder auf vier Geräten mit je 256 Gigabyte.
Apples NVFP4-Checkpoint beansprucht rund 493 Gigabyte Speicher vor Einberechnung zusätzlichen Inferenz-Puffers und passt somit nicht auf ein einzelnes System; die BF16-Version benötigt mehr als 1,6 Terabyte.
Wer die beeindruckende Leistung neuer Apple-Systeme voll ausschöpfen möchte, sollte seinen Mac von Beginn an richtig konfigurieren. Dieses kostenlose Starterpaket verrät die cleveren Tricks, mit denen Sie Ihren Apple-Computer für anspruchsvolle Aufgaben optimal nutzen. Apple Mac Starterpaket jetzt kostenlos sichern
Apple veröffentlichte am 15. Oktober 2026 Benchmark-Ergebnisse bei einem Kontext von 8.192 Tokens und 128 generierten Tokens. Das Test-Setup basierte auf RDMA über zwei Thunderbolt-5-Kabel je Rechnerpaar, macOS 26.2 sowie MLX v0.30.1+ mit dem Backend jaccl:
- Zwei Mac Studio M5 Ultra mit Pipeline-Parallelisierung erzielten 15,74 Tokens pro Sekunde bei einer Latenz von 8,4 Sekunden bis zum ersten Token.
- Mit Tensor-Parallelisierung stieg der Durchsatz auf 24,99 Tokens pro Sekunde (8,2 Sekunden bis zum ersten Token).
- Ein Verbund aus vier Mac Studios erreichte 36,73 Tokens pro Sekunde bei 4,8 Sekunden bis zum ersten Token. Am 16. Oktober 2026 bestätigten Apple-Forscher in internen Tests den Betrieb von über 36 Tokens pro Sekunde auf vier Geräten.
Im Vergleich zum Vorgänger M3 Ultra arbeitet der M5 Ultra bei der Zeit bis zum ersten Token bis zu 4,6-mal und bei der Dekodierung bis zu 1,6-mal schneller. Die Speicherbandbreite stieg von 819 Gigabyte pro Sekunde auf 1,2 Terabyte pro Sekunde, während die Spitzenleistung bei etwa 300 Watt gegenüber circa 200 Watt beim Vorgänger liegt.
Kleinere Modelle wie Mistral Medium 3.5 mit 128 Milliarden Parametern oder Qwen 3.8 mit 27 Milliarden Parametern begnügten sich bei 65.536 Token Kontext mit bis zu 158 beziehungsweise 68 Gigabyte Speicher auf einem einzelnen Rechner.
Hohe Anschaffungskosten und Cloud-Alternativen
Die Anschaffungskosten für die erforderliche Rechnerinfrastruktur fallen beträchtlich aus. Ein Mac Studio M5 Ultra mit 256 Gigabyte Speicher kostet ab 10.799 US-Dollar vor Steuern, womit ein Zwei-Rechner-System mindestens 21.598 US-Dollar erfordert.
Um bei komplexen Workflows am Mac nicht nur Hardware-Power zu nutzen, sondern auch die eigene Effizienz zu steigern, helfen gezielte Bedienungshilfen. Ein Apple-Experte hat die 19 nützlichsten Shortcuts zusammengestellt, mit denen Sie im Arbeitsalltag spürbar Zeit sparen. Kostenlosen PDF-Ratgeber mit den 19 besten Mac-Shortcuts herunterladen
Die Variante mit vier Einheiten liegt Schätzungen zufolge bei rund 38.000 bis über 40.000 US-Dollar. Die 512-Gigabyte-Version des Rechners war zur Modellankündigung noch nicht lieferbar und wurde für den späteren Verlauf des Oktobers in Aussicht gestellt.
Meta stellt das Modell über Hugging Face, Amazon SageMaker AI, Google Cloud Model Garden und Microsoft Foundry Models bereit. Für Hugging Face existieren Builds wie eine 3-Bit-MLX-Variante mit rund 344 Gigabyte (etwa 21 Tokens pro Sekunde auf M3 Ultra mit 512 Gigabyte) sowie eine 2-Bit-llama.cpp-Version mit circa 304 Gigabyte.
Voll-BF16 erfordert etwa 1,5 Terabyte auf vier Knoten mit je acht H200-Grafikprozessoren, während 4-Bit-NVFP4 für Nvidia-Blackwell-Systeme ausgelegt ist. Externe Cloud-Anbieter wie Together AI berechnen für gehostete Programmierschnittstellen 1,25 US-Dollar pro Million Eingabe-Tokens, 0,15 US-Dollar bei gecachten Eingaben sowie 4,25 US-Dollar je Million Ausgabe-Tokens.
Lizenzbedingungen und Leistungsvergleich
Die Verteilung erfolgt unter der Muse Model License. Für zahlreiche Softwareentwickler ist die Nutzung kostenlos, setzt jedoch die Namensnennung „Built with Muse Spark Open“ voraus. Eine gesonderte Vereinbarung ist fällig, wenn durch den Verkauf von Schnittstellen oder über Partner-Umsätze mehr als 20 Millionen US-Dollar innerhalb von zwölf Monaten erwirtschaftet werden.
In Metas eigenen Tests auf höchster Reasoning-Stufe erreichte das Modell Werte von 76,4 im Terminal-Bench 2.1, 89,0 bei GPQA Diamond, 80,4 bei OSWorld Verified, 89,2 bei MCP-Atlas, 61,0 bei Humanity’s Last Exam mit Werkzeugen sowie 39 im Artificial Analysis Intelligence Index.
Bei Terminal-Bench, DeepSWE und GDPVal-AA rangiert das Modell laut denselben Übersichten jedoch hinter den Systemen Kimi K3 und GLM 5.3. Metas KI-Chef Wang wies zudem darauf hin, dass Muse Spark Open nicht an das proprietäre Schwestermodell Muse Wonder heranreiche und räumte ein, dass viele offene Großmodelle für herkömmliche Standard-PCs weiterhin zu groß seien.