Meta hat am 15. Oktober 2026 die Gewichte von Muse Spark Open veröffentlicht, einem offenen KI-Modell mit 816 Milliarden Parametern, davon 42 Milliarden aktiv, und einem Kontextfenster von 1 Million Tokens. Die stärkste Stelle ist der Agenten-Benchmark MCP-Atlas: Meta nennt dort 89,2 Punkte und liegt damit vor allen ausgewiesenen offenen Vergleichsmodellen. Im unabhängigen Gesamtindex von Artificial Analysis liegt das Modell dagegen hinter Qwen3.8, Kimi K3 und GLM 5.3.
Was Meta veröffentlicht hat
Muse Spark Open ist nativ multimodal. Es nimmt Text, Bilder, Video und Audio entgegen und gibt Text aus. Laut Modellkarte ist es für Programmierung und agentische Aufgaben gebaut. Die Standard-Einstellung für das Reasoning ist „xhigh“. Die Gewichte gibt es als BF16- und NVFP4-Version auf Hugging Face. Die Lizenz ist die Muse Model License.
Quellen: Metas Ankündigung und die Modellkarte auf Hugging Face.
Benchmarks: stark bei Tool-Use, nicht durchgängig
MCP-Atlas
MCP-Atlas misst, wie gut ein Modell Werkzeuge über das Model Context Protocol nutzt. Laut Herstellerdaten:
• Muse Spark Open (xhigh): 89,2
• Qwen3.8-2.4T-A95B (xhigh): 84,5
• GLM 5.3 (max): 84,2
• Kimi K3 (max): 82,3
• Beam: 78,7
• Inkling (xhigh): 76,0
• Nemotron 3 Ultra: 63,1
Mistral Large 4 hat in dieser Zeile keinen Wert.
Weitere Herstellerwerte
Bei JobBench liegt Muse Spark Open mit 61,8 knapp vor GLM 5.3 (61,4) und deutlich vor Kimi K3 (54,3) und Qwen3.8 (52,7). Bei GDPval-AA v2 liegt es dagegen mit 1401 hinter GLM 5.3 (1653), Qwen3.8 (1613) und Kimi K3 (1537). Bei OSWorld Verified erreicht es 80,4 und bleibt damit hinter Kimi K3 (84,8). Das sind Herstellerdaten unter den Einstellungen des Herstellers; unabhängige Nachmessungen fehlen für diese Benchmarks noch.
Unabhängiger Gesamtindex
Artificial Analysis misst Muse Spark Open im Intelligence Index v4.3.2 mit 39 Punkten, Einstellung Xhigh. Die Vergleichswerte aus derselben Tabelle:
• Kimi K3: 44
• GLM 5.3: 45
• Qwen3.8: 40
• Mistral Large 4: 38
• Inkling: 26
• Nemotron 3 Ultra: 23
Artificial Analysis ordnet das Modell laut seiner Seite über dem Median vergleichbarer Modelle (19) ein. Es ist aber laut derselben Quelle teuer: 1,25 US-Dollar pro Million Input-Tokens und 4,25 US-Dollar pro Million Output-Tokens.
Das Ergebnis lautet also: Bei agentischen Tool-Aufgaben liegt Muse Spark Open vorn. Beim breiten Gesamtindex liegt es im Mittelfeld der offenen Modelle, nicht an der Spitze.
Was das praktisch heißt
Für Teams, die Agenten mit vielen Werkzeugen bauen, ist MCP-Atlas der relevante Wert. Ob sich der Vorsprung in den eigenen Abläufen zeigt, lässt sich nur mit eigenen Tests klären, zum Beispiel mit denselben Aufgaben, Werkzeugen und Fehlerkriterien wie im Produktiveinsatz. Meta kündigt einen vollständigen Evaluationsbericht erst noch an.
Grenzen
Der Betrieb auf eigener Hardware ist aufwendig. Laut Modellkarte braucht man mindestens 700 GB VRAM für die NVFP4-Version oder 2 TB für BF16. Die Lizenz verlangt, dass „Built with Muse Spark Open“ in der Oberfläche oder Dokumentation steht. Wer das Modell als Dienst über eine API an Dritte verkauft und dabei mehr als 20 Millionen US-Dollar Jahresumsatz erzielt, braucht laut Lizenz eine separate Vereinbarung mit Meta.
Meta weist außerdem darauf hin, dass das Modell ohne Systemschutz als eigenständiges Modell missbraucht werden kann. Für Agenten mit echten Aktionen empfiehlt Meta zusätzliche Schutzmechanismen, etwa eine menschliche Bestätigung bei nicht rückgängigen Aktionen.
Einordnung zu Muse Wonder
Erst am 12. Oktober hat Meta Muse Wonder und Muse Wonder Full vorgestellt. Das ist ein anderes Modell mit eigenen Messwerten, die sich nicht direkt mit Muse Spark Open gleichsetzen lassen. Die Einordnung dazu steht in unserem Artikel zu Muse Wonder.
