Muse Spark Open

Überblick

Muse Spark Open ist das erste offene Modell aus Metas Muse-Spark-Linie, veröffentlicht am 15. Oktober 2026 von Meta Superintelligence Labs. Es ist ein Mixture-of-Experts-Modell mit 816 Milliarden Parametern, von denen je Token rund 42 Milliarden aktiv sind, und verarbeitet Text, Bild, Video und Audio bei einem Kontext von bis zu 1M Token. Ausgegeben wird nur Text. Meta positioniert es für agentisches Coding, lange Werkzeug-Ketten und mehrstufiges Reasoning.

Die Gewichte stehen auf Hugging Face (BF16 und NVFP4) bereit, der Zugang ist allerdings an ein Antragsformular gebunden. Gehostet wird das Modell unter anderem von Together AI, Fireworks, Groq, Baseten, Modal, Nebius und OpenRouter. Es ist nicht zu verwechseln mit den proprietären API-Modellen Muse Spark 1.1 bis 1.3 und dem Frontier-Modell Muse Wonder; das kleinere offene Modell aus demselben Haus ist Muse Glimmer.

Use Cases

• Agentische Workflows mit vielen Werkzeugaufrufen, z. B. über MCP-Server – MCP-Atlas 89,2 % laut Meta, der höchste Wert in Metas Vergleichstabelle
• Agentisches Coding im Terminal und in Repositories – Terminal-Bench 2.1 76,4 % (Terminus-2-Agent) laut Meta; integrierbar in Claude Code, OpenCode und ähnliche Werkzeuge
• Wissensarbeit mit Faktentreue – AA-Omniscience 25 (Artificial Analysis), deutlich über anderen offenen Modellen dieser Klasse
• Multimodale Auswertung von Bildern, Videos und Audio in einem Modell, inklusive multimodaler Tool-Aufrufe
• Analyse großer Dokumentbestände im 1M-Kontext, bei eigenem Betrieb vollständig ohne externe API

Stärken & Grenzen

Stärken

• Unabhängig gemessen: Artificial Analysis führt Muse Spark Open (Xhigh) im Intelligence Index v4.3.2 mit 39 Punkten – eine echte Messung, kein Schätzwert. Einzelwerte: SciCode 58 %, Humanity's Last Exam 44 %, AA-LCR v1.1 78 %, AutomationBench-AA 50 %, GDPval-AA v2.1 1.401 Elo, AA-Briefcase v1.1 1.279 Elo.
• Wenig Halluzinationen für ein offenes Modell: AA-Omniscience 25 (Muse Glimmer: −33, GLM-5.3 laut Meta-Tabelle: 14).
• Werkzeugnutzung: Neben MCP-Atlas führt Meta Toolathlon Verified mit 72,8 % und OSWorld Verified mit 80,4 %.
• Robustheit laut Meta: StrongREJECT v2 (adaptiv) 0,5 und eine Jailbreak-Ablehnungsquote von 99,2 % auf einem internen Cyber-Benchmark – beides Herstellerangaben.
• Breite Werkzeugunterstützung: SGLang, vLLM, TensorRT-LLM, Transformers, llama.cpp, MLX und Unsloth; die API ist OpenAI-kompatibel (Chat Completions und Responses).

Grenzen

• Nicht das stärkste offene Modell. Im AA-Index liegen mehrere offene chinesische Modelle davor, darunter GLM-5.3 (45), Kimi K3 (44) und Step 5 Preview (44). Auch in Metas eigener Tabelle führt Muse Spark Open nur bei einzelnen Benchmarks.
• Schwach bei Terminal-Bench 4.0: Artificial Analysis misst nur 8 % (Step 5 Preview: 33 %). Metas 76,4 % beziehen sich auf die ältere Version 2.1 mit Terminus-2-Agent.
• Hohe Hardware-Hürde. Selbst die NVFP4-Fassung braucht mindestens rund 700 GB Beschleunigerspeicher, BF16 etwa 2 TB. Für einen vollen 1M-Kontext kommen rund 266 GB KV-Cache hinzu. Ein Betrieb „auf dem Schreibtisch“ ist nur mit stark quantisierten Fassungen auf zwei Mac Studios mit je 512 GB möglich.
• Reasoning lässt sich nicht abschalten. Es gibt vier Stufen (low, medium, high, xhigh), Standard ist xhigh – das kostet Latenz und Token.
• Lizenz statt Open Source. Die Muse Model License erlaubt Nutzung, Anpassung und Weitergabe, verlangt aber den Hinweis „Built with Muse Spark Open“ und für Model-as-a-Service-Anbieter mit über 20 Mio. $ Jahresumsatz einen separaten Vertrag. Nutzung durch Minderjährige ist ausgeschlossen.
• Noch keine Arena-Bewertung: LMArena führt das Modell am 16.10.2026 nicht.

Praxis-Erfahrung

Ein eigener Praxistest steht noch aus. Die Einordnung stützt sich auf Metas Model Card, die Messungen von Artificial Analysis und die Angaben von Hugging Face zur Bereitstellung.

Gut zu wissen

• Architektur: 62 Layer, Hidden-Dimension 8.192, 128 Query- und 16 KV-Heads, 256 Experten je MoE-Layer mit 8 aktiven je Token; die Experten machen rund 97 % der Parameter aus. Dazu ein Perception Encoder mit 1,8B Parametern (50 Layer, 14×14-Patches) und ein Audio-Encoder (24 kHz mono, ein Token je 80 ms). Vokabular 202.048 Token.
• Kontext: 1.048.576 Token (max_position_embeddings). Hosting-Anbieter begrenzen teils: Groq bietet 131.072 Token und verlangt eine Freischaltung, Fireworks die vollen 1.048.576.
• Sprachen: Trainiert auf Daten aus über 100 Sprachen; Meta weist darauf hin, dass nicht alle Sprachen evaluiert wurden. Belastbare Ergebnisse für Deutsch nennt Meta nicht.
• Werkzeugaufrufe: Chat-Template im Kanal-Format (Harmony, bekannt von gpt-oss) mit XML-artigen function_calls-Blöcken; Tool-Aufrufe funktionieren auch multimodal.
• Empfohlene Parameter: temperature 1,0, top_p 1,0, top_k deaktiviert.
• Quantisierungen: Offiziell BF16 (rund 1,5 TB) und NVFP4 (für NVIDIA Blackwell). Hugging Face nennt getestete GGUF- (Q2_K bis Q8) und MLX-Fassungen (3 und 4 Bit, ab rund 344 GB) mit rund 18 bis 21 Token/s auf einem Mac M3 Ultra mit 512 GB.
• Bereitstellung: Hugging Face Inference Endpoints mit NVFP4 auf 8× RTX Pro 6000 (131K Kontext) oder 8× H200 (1M Kontext); Amazon SageMaker AI, Google Cloud Model Garden und Microsoft Foundry führen das Modell ebenfalls.
• Preise: Meta nennt keinen eigenen API-Preis. Together AI und Artificial Analysis führen 1,25 $ Input, 0,15 $ gecachten Input und 4,25 $ Output je 1 Mio. Token – das sind Konditionen von Drittanbietern. Artificial Analysis misst rund 102 Token/s Ausgabe.
• Gated Download: Für die Gewichte verlangt Meta auf Hugging Face vollständigen Namen, Geburtsdatum, Land und Organisation inklusive Firmenkennung; die Angaben lassen sich nachträglich nicht ändern.
• Weitere Herstellerwerte (xhigh, ohne Eintrag in der Score-Tabelle): JobBench 61,8 %, GDPval-AA v2 1.401 (Elo-Skala), HLE mit Tools 61,0 %, HLE-Diamond ohne Tools 26,1 %, DeepSWE 1.1 60 %, SWE-Atlas-QnA 58 %, ZeroBench mit Tools 50,0 %, BabyVision mit Tools 80,2 %, SimpleVQA mit Tools 73,6 %, WorldVQA mit Tools 49,4 %, IntPhys2 68,3 %, VideoMMEv2 61,5 %, FORTRESS ARS 5,8 / ORS 17,4. Meta führt in der Tabelle auch den AA-Index 39.
• Weitere AA-Werte ohne Katalog-Schlüssel: Terminal-Bench 4.0 8 %, GDP.pdf 19 %, CritPt 15 %. SciCode und CritPt stehen bei Artificial Analysis aktuell auf „Under review“.
• HLE-Varianten nicht vermischen: Artificial Analysis misst 44 %, Metas Zeilen meinen HLE mit Tools (61,0 %) bzw. die Teilmenge HLE-Diamond ohne Tools (26,1 %) – in der Score-Tabelle steht nur der AA-Wert.
• Alternativen: Für lokale Hardware Muse Glimmer (rund 30B, Apache-2.0); unter den großen offenen Modellen GLM-5.3 und Step 5 Preview mit höherem AA-Index.