Am 8. April veröffentlichte Meta Muse Spark.
Es ist das erste vollständig proprietäre, hauseigene KI-Flaggschiffmodell in der Geschichte von Meta und das erste gewichtige Ergebnis, nachdem das Unternehmen 14 Milliarden US-Dollar investiert hatte, um Alexandr Wang anzuwerben und die Meta Superintelligence Labs zu gründen.
Kein Llama mehr
Llama war jahrelang das Aushängeschild von Meta – Open Source, lokal bereitstellbar, forschungsfreundlich.
Muse Spark geht einen anderen Weg. Es ist nur auf meta.ai und in der Meta AI App nutzbar; eine private API befindet sich noch im internen Test mit wenigen Nutzern. „Wir hoffen, in Zukunft eine Version als Open Source zu veröffentlichen" – dieser Satz dürfte in der Open-Source-Community einen feinen Unterton haben.
Der Wechsel von Llama zu Muse Spark ist kein Zufall. Bereits Ende 2025 hatte Meta die beiden proprietären Modelle mit den Codenamen Avocado und Mango angedeutet. Muse Spark ist nun der Vorreiter, und die Richtung ist klar: Meta will auf der Closed-Source-Spur direkt mit OpenAI und Google konkurrieren.
Die bemerkenswerteste Technologie: Gedankenkompression
Muse Spark verfügt über einen sogenannten Contemplating-Modus, der in etwa dem Thinking-Modus von OpenAI entspricht – das Modell denkt tiefgehend nach, bevor es antwortet.
Das Interessante liegt jedoch im internen Trainingsmechanismus.
Meta-Ingenieure führten in der Phase des bestärkenden Lernens eine Bestrafung für die Denkzeit des Modells ein – zu langes Nachdenken führt zu Punktabzug. Zunächst reagierte das Modell mit schnelleren Antworten (bei sinkender Qualität). Doch mit fortgesetztem Training trat ein Wendepunkt ein: Das Modell begann, selbstständig Gedankenkompression zu erlernen – es nutzt weniger Token, behält aber die gleiche Genauigkeit bei.
Meta nennt dies Thought Compression (Gedankenkompression).
Das Ergebnis? Laut Meta benötigt Muse Spark für die gleiche Leistungsfähigkeit mindestens eine Größenordnung weniger Rechenleistung als der Vorgänger-Flaggschiff Llama 4 Maverick.
Das ist keine kleine Optimierung, sondern ein Unterschied von Größenordnungen.
Wie sind die Benchmarks?
Im Contemplating-Modus:
- Humanity's Last Exam: 58% (dieser Test ist sehr schwer, 58% ist eine wettbewerbsfähige Zahl)
- FrontierScience Research: 38%
Im Vergleich zu zeitgleichen Wettbewerbern: Es kann mit Gemini Deep Think und GPT Pro mithalten, zumindest bei diesen Benchmarks.
Praktische Bedeutung
Muse Spark wird zunächst die Meta-AI-Funktionen in Facebook, Instagram, WhatsApp, Messenger und den Ray-Ban-Brillen vorantreiben. Die Nutzerbasis von Meta liegt in der Größenordnung von Milliarden; dieses Modell wird sofort einem realen Massentest unterzogen.
Allerdings nur in den USA verfügbar – diese Einschränkung bedeutet, dass Nutzer in China vorerst keinen Zugang haben, aber die Testergebnisse werden bald vorliegen.
Meta sagt damit im Grunde: Wir haben Modelle, die gut genug sind, um nicht mehr auf eine Open-Source-Strategie angewiesen zu sein, um das Entwickler-Ökosystem anzuziehen.
Quellenangabe: Goodbye, Llama? Meta launches new proprietary AI model Muse Spark (VentureBeat); Meta debuts new AI model, attempting to catch Google, CocoLoop, OpenAI (CNBC); Introducing Muse Spark: Scaling Towards Personal Superintelligence (Meta AI Blog)