Hat Meta wieder richtig auf die Beine gekommen? Es gewann fünf Goldmedaillen bei den Wissenschaftsolympiaden durch reine Inferenz, zwei davon mit voller Punktzahl.

In den frühen Morgenstunden von heute stellte OpenAI GPT-5.6 Luna kostenlos zur Verfügung. Fast zur gleichen Zeit meldete sich ein weiteres Unternehmen, das einst die Llama-Reihe entwickelt hatte und später im Wettbewerb um große Modelle zeitweise zurückgefallen war – Meta kündigte auf 𝕏 an, dass es sein eigenes KI-Modell an fünf olympiaden für MINT-Fächer teilnehmen ließ und dabei durchweg Goldmedaillen oder Ergebnisse auf Goldniveau erzielte. Bei den theoretischen Prüfungen von zwei Physikwettbewerben erreichte es sogar die volle Punktzahl.

Noch erstaunlicher ist, dass Meta angibt, sein KI-Modell habe diese Ergebnisse rein durch seine Schlussfolgerungsfähigkeit erzielt: „Wir haben die Nutzung aller Tools verboten, das bedeutet keine Suche, keine Codierung und keinen Taschenrechner.“

Dazu hat Lucas Beyer, ein Meta-Forscher, der zuvor bei OpenAI, DeepMind und Google Brain gearbeitet hat, auf 𝕏 über Gary Marcus und Yann LeCun gespottet. Die beiden namhaften Forscher, die autoregressive LLM seit langem kritisieren, haben jedoch nicht direkt darauf geantwortet.

Sieht es so aus, als hätte Meta sich wieder aufgerappelt?

Allerdings hat Meta bisher noch keinen zugehörigen technischen Blogbeitrag oder Forschungsbericht veröffentlicht. Shuchao Bi, ein Meta-Forscher, der an diesem Projekt beteiligt ist, hat jedoch zwei weitere Tweets veröffentlicht und weitere Details ergänzt: Das Modell ist eine intern trainierte Version aus der Muse-Spark-Reihe, die Multi-Agent-Orchestrierung und paralleles Schlussfolgern nutzt.

Darüber hinaus hat das Meta-Modell auch Fragen beantwortet, auf die die offizielle Antwort falsch war. Shuchao Bi sagte: „Diese Entdeckung hat letztendlich verhindert, dass die Prüfungsbögen menschlicher Teilnehmer falsch bewertet werden. Das IPhO-Komitee hat uns freundlicherweise eine physische Goldmedaille zugeschickt.“

Zeugnis der Ergebnisse

Die fünf von Meta aufgeführten Ergebnisse lauten: Volle Punktzahl bei der theoretischen Prüfung der Asiatischen Physikolympiade (APhO), volle Punktzahl bei der theoretischen Prüfung der Internationalen Physikolympiade (IPhO), Goldmedaille bei der Internationalen Mathematikolympiade (IMO), Leistung auf Goldniveau bei der Internationalen Chemieolympiade (IChO) sowie Leistung auf Goldniveau bei der Rumänischen Mathematik-Meisterschaft (RMM).

Zuerst zur Bedeutung dieser Wettbewerbe: Die 67. IMO 2026 fand in Shanghai statt, Teilnehmer aus über hundert Ländern lösten in zwei je 4,5 Stunden langen Prüfungen sechs Aufgaben, die maximale Punktzahl betrug 42. Die RMM findet jedes Jahr im Februar in Bukarest statt, es werden nur etwa ein Dutzend der stärksten Nationalmannschaften eingeladen, der Schwierigkeitsgrad der Aufgaben gilt als nicht geringer als bei der IMO. Die IPhO und APhO sind die weltweit bzw. auf Asien-Ebene höchstrangigen Physikwettbewerbe für Schüler.

Bei den Ergebnissen steht bei den zwei Physikwettbewerben „volle Punktzahl“, bei der IMO „Goldmedaille“, bei der IChO und RMM hingegen „Leistung auf Goldniveau“. Diese Formulierung bedeutet in diesem Bereich normalerweise, dass das Ergebnis nicht offiziell vom Wettbewerbskomitee bewertet wurde, sondern anhand der Goldmedaillen-Grenzpunktzahl des jeweiligen Jahres selbst ermittelt wurde.

Meta erklärte gleichzeitig, es danke den Teilnehmern und Komitees dieser Wettbewerbe für „die Unterstützung bei unserer Teilnahme“. Das deutet darauf hin, dass die Teilnahme zumindest bei einigen Wettbewerben auf Ebene der Komitees abgestimmt wurde – dies ist etwas formeller als das Vorgehen von OpenAI im Jahr 2025, das drei ehemalige IMO-Medaillengewinner zur selbstständigen Bewertung heranzog.

Reines Schlussfolgern: Alle Tools verboten

Meta betonte ausdrücklich, dass das Modell zur Prüfung der reinen Schlussfolgerungsfähigkeit von allen Tools ausgeschlossen wurde: Keine Suche, keine Codierung, kein Taschenrechner.

Diese Einschränkung ist sehr wichtig. Viele Spitzenergebnisse in den Olympiaden im vergangenen Jahr wurden tatsächlich über eine Agent-Pipeline aus „leistungsstarkem Modell + Prüfer + mehrfachem Verfeinern“ erzielt. Einige Forscher haben mit Gemini 3.1 Pro einen Agent mit recht einfacher Struktur aufgebaut, der bei den theoretischen Aufgaben der IPhO 2025 fünfmal hintereinander volle Punktzahl erreichte; aber die Autoren selbst wiesen darauf hin, dass das Modell nach dem Wettbewerb veröffentlicht wurde und eine Datenkontamination nicht ausgeschlossen werden kann.

https://arxiv.org/pdf/2603.03352

Dass Meta alle Tools ausschaltet, bedeutet, dass es freiwillig auf diesen einfachsten Weg zum Erreichen hoher Punktzahlen verzichtet.

Allerdings gibt es bei Physikwettbewerben einen weiteren nicht erwähnten Aspekt: Sowohl IPhO als auch APhO beinhalten praktische Prüfungen, die von Meta gemeldeten Ergebnisse beziehen sich vermutlich nur auf den theoretischen Teil.

Von Llama zu Muse

2025 war das härteste Jahr für Meta AI. Llama 4 Maverick erzielte im Artificial Analysis Intelligence Index nur 18 Punkte, die Veröffentlichung von Behemoth wurde wegen interner Unzufriedenheit mit seinen Fähigkeiten verschoben. Danach übernahm Mark Zuckerberg persönlich die Leitung der Umstrukturierung, investierte massiv, um Alexandr Wang und das Team von Scale AI einzubinden, gründete die Meta Superintelligence Labs (MSL) und baute die gesamte vortrainierte Architektur, die Datenpipeline und das nachgeschaltete RL-System komplett neu auf.

Am 8. April 2026 lieferte MSL das erste Modell Muse Spark aus, das nativ multimodal ist, einen Kontextumfang von 262k hat und den Wert des Intelligence Index von 18 auf 52 steigerte. Am 9. Juli wurde Muse Spark 1.1 veröffentlicht, das auf Agent-Funktionalität und Programmierung ausgerichtet ist und zudem das erste kostenpflichtige API-Modell von Meta ist.

Erst diese Woche trat der terminalbasierte Programmier-Agent Muse Code auf Basis von Muse Spark 1.2 in die Beta-Phase ein, dessen Fähigkeiten angeblich sehr überzeugend sind.

Nach diesem Rhythmus wirkt dieses Olympiaden-Zeugnis eher wie ein Trailer für das nächste Muse-Modell der nächsten Generation.

Ist Meta wieder auf dem Vormarsch?

Das ist die am meisten fragwürdige Stelle. Im Juli 2025, als OpenAI und Google DeepMind beide Goldmedaillen bei der IMO gewannen (35 von 42 Punkten, fünf von sechs Aufgaben gelöst), bezeichneten die OpenAI-Forscher dies als „Mondlandungsmoment“ der Branche. Ein Jahr später hat sich der gesamte Koordinatensystem komplett verändert.

Nach Abschluss der IMO 2026 in Shanghai im Juli gaben nacheinander Huawei Celia und das Modell dots-note-3.0 von Xiaohongshu bekannt, die volle Punktzahl von 42/42 erreicht zu haben. Xiaohongshu erklärte, dass zuvor noch kein großes Modell unter dem offiziellen Bewertungsverfahren der IMO die volle Punktzahl erzielt habe. Siehe den Bericht von Jiqizhixin: „KI hat erstmals die offizielle volle Punktzahl-Goldmedaille bei der IMO gewonnen, dahinter verbirgt sich ein selbstkorrigierender Mechanismus“.

Darüber hinaus gibt es Berichte, dass Anthropics Modell Claude Opus 5 alle sechs Aufgaben in einem Durchgang ohne Nutzung von Agent-Frameworks und Tools gelöst hat, wobei vier unabhängige Lösungen alle korrekt sind.

Mit anderen Worten: Bei der IMO allein steht die „Goldmedaille“ von Meta im Ranking des Jahres 2026 nicht besonders heraus. Das wirklich Gewichtige sind stattdessen die zwei vollen Punktzahlen bei den theoretischen Physikprüfungen – vorausgesetzt, diese Ergebnisse können unabhängig überprüft werden.

Noch warnender ist, dass die Olympiaden als Maßstab für Schlussfolgerungsfähigkeit mit bloßem Auge an Gültigkeit verlieren. Meta gab als Grund an, „um zu verstehen, ob wir echte Fortschritte bei der Schlussfolgerung erzielt haben“. Aber wenn die gleiche Wettbewerb innerhalb eines Jahres von „unerreichbar“ zu „von mehreren Laboren voll erzielbar“ wird, verliert dieser Maßstab massiv an Aussagekraft.

In der Mathematikgemeinde gab es schon früh eine Warnung: Terence Tao wies bereits 2025 darauf hin, dass was KI leisten kann, zu einem großen Teil von der Testmethode selbst abhängt. Olympiaden-Aufgaben haben Standardantworten, klare Bewertungsmaßstäbe und ausreichend historische Aufgabenbanken zum Training – Bedingungen, die reale Forschungsprobleme gerade nicht haben.

Ist Meta also wieder auf dem Vormarsch? Von Muse Spark über Muse Code bis zu diesem Zeugnis ist es zumindest nicht mehr das Unternehmen, das nur durch Open-Source-Erzählungen seine Präsenz aufrechterhält. Aber um wieder zur ersten Reihe zu gehören, muss es noch mehr vorweisen, vor allem ein Produkt, das wirklich in der Praxis nutzbar ist.

Referenzlinks

https://x.com/prz_chojecki/status/2085444920983298494

https://x.com/AIatMeta/status/2085388945148297322

https://x.com/shuchaobi/status/2085386404805374100

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Jiqizhixin“ (ID: almosthuman2014), Autor: Panda, veröffentlicht mit Genehmigung von 36Kr.