Das neue Meta-Modell schafft die Wende: Kann KI nun für Mark Zuckerberg Gewinne erzielen?

Mark Zuckerberg kann endlich aufatmen.

Nach so vielen massiven Investitionen hat das KI-Modell von Meta endlich aufgeholt. Vor zwei Tagen veröffentlichte Meta das neue Modell Muse Spark 1.3. Auf der Intelligence Index-Liste von Artificial Analysis erreichte die öffentliche Version 61 Punkte, liegt damit auf Augenhöhe mit GPT-5.6 Sol und Grok 4.6 und nur hinter Claude Fable 5.1 sowie Claude Opus 5.

Zuck war so begeistert, dass er persönlich für das neue Modell warb und erklärte, Muse Spark 1.3 sei leistungsstark und zudem preisgünstig.

Laut Berechnungen von Artificial Analysis betragen die Kosten für die Erledigung derselben Aufgabe bei Muse Spark 1.3 etwa 0,55 US-Dollar, während die vergleichbaren Werte für Grok 4.6 und GPT-5.6 Sol bei etwa 0,94 US-Dollar bzw. 0,95 US-Dollar liegen.

Die Sorge des Kapitalmarkts, dass Meta die hohen Investitionen nicht zurückerhalten kann, ist nicht unbegründet. In den vergangenen Jahren hat Zuck keine Kosten gescheut, um den Rückstand aufzuholen.

Die KI-Rechnung von Zuck liegt bereits auf dem Tisch

Mark Zuckerberg betreibt die KI-Entwicklung wie einen Krieg, den er auf keinen Fall verlieren darf.

Betrachten wir zuerst die Kapitalausgaben: Diese sind von 39 Milliarden US-Dollar im Jahr 2024 auf 72,2 Milliarden US-Dollar im Jahr 2025 gestiegen. In diesem Jahr wurde direkt eine Prognose von 130 bis 145 Milliarden US-Dollar vorgegeben. In zwei Jahren hat sich der höchste geplante Wert fast vervierfacht.

Die Forschungs- und Entwicklungskosten sind ebenfalls stetig angestiegen. Im Jahr 2025 erreichten sie 57,4 Milliarden US-Dollar, was einem Anstieg von 31 % gegenüber 2024 entspricht. Betrachtet man die letzten 12 Monate, so beläuft sich diese Zahl bereits auf etwa 71,6 Milliarden US-Dollar.

Auch die Verschuldung von Meta steigt. Ende September letzten Jahres belief sich die langfristige Verschuldung von Meta auf etwa 28,8 Milliarden US-Dollar; bis Ende Juni dieses Jahres ist sie auf 83,7 Milliarden US-Dollar angestiegen. Allein im Mai dieses Jahres hat Meta langfristige Anleihen im Wert von etwa 24,9 Milliarden US-Dollar ausgegeben.

Zudem hat Meta massive Summen ausgegeben, um Spitzenkräfte abzuwerben. Zum Beispiel erwarb Meta für 14,3 Milliarden US-Dollar 49 % der Anteile an Scale AI und holte deren Gründer Alexandr Wang direkt ins Unternehmen. Um den Leiter des Basismodellteams von Apple, Ruoming Pang, abzuwerben, bot Meta sogar ein mehrjähriges Vergütungspaket von über 200 Millionen US-Dollar an.

Daher trägt die Veröffentlichung dieses Modells gewissermaßen den Charakter einer Zwischenbilanz: Man sieht, dass das investierte Geld nicht vollständig umsonst ausgegeben wurde.

Das neue Modell setzt auf ein hervorragendes Preis-Leistungs-Verhältnis

Zuck sagte, Muse Spark 1.3 sei „preisgünstig“. Als die Öffentlichkeit die Preisliste einsehen konnte, stellte sich heraus, dass der API-Preis von Muse Spark 1.3 1,25 US-Dollar pro Million Token für die Eingabe und 4,25 US-Dollar für die Ausgabe beträgt, was im Wesentlichen dem Niveau der vorherigen Version entspricht.

Hat Zuck also Unsinn geredet? Das von ihm genannte „preisgünstig“ bezieht sich nicht auf eine offizielle direkte Preissenkung.

Meta hat das Modell dazu gebracht, Aufgaben mit weniger Kosten zu erledigen und das Preis-Leistungs-Verhältnis zu verbessern. Offizielle Tests von Meta zeigen, dass im Vergleich zu Muse Spark 1.2 die Version 1.3 im Codier-Workflow etwa 20 % weniger Tool-Aufrufe verwendet und der Token-Verbrauch um etwa 25 % sinkt. Selbst wenn der Einzelpreis identisch ist, kostet das neue Modell am Ende bei der Abrechnung deutlich weniger.

Natürlich bietet das neue Modell von Meta auch eine „Bodenpreis“-Option an. Die Contributor-Version von Muse Spark 1.3 senkt den Preis direkt auf 0,10 US-Dollar für die Eingabe und 0,20 US-Dollar pro Million Token für die Ausgabe, was fast kostenlos ist.

Bei genauer Betrachtung verbirgt Zuck jedoch eine kleine Bedingung: Die Contributor-Version erlaubt Meta, die Aufrufdaten zur Verbesserung des Modells zu verwenden. Einerseits spart man Rechenleistung, andererseits erhält man direkt Feedback zum Training des Modells – Zuck hat hier wirklich einen klugen Plan ausgearbeitet.

Daher ist dieses Geschäft sehr interessant: Entwickler können ein Modell zu einem fast lächerlich niedrigen Preis verwenden, und Meta erhält Feedback aus der Nutzung in der realen Welt. Beide Seiten bekommen, was sie wollen.

Der größte Kunde von Metas KI-Geschäft ist Meta selbst

Je leistungsfähiger die Modelle werden, desto glücklicher ist natürlich Zuck. Wenn das Modell ein Handelsgut ist, sind die Nutzer umso bereitwilliger, es zu nutzen, je wettbewerbsfähiger das Produkt ist.

Meta unterscheidet sich jedoch von reinen Modellanbietern in den zu berücksichtigenden Punkten. Der Grund, warum die Verbesserung des Modells Zuck noch mehr erleichtert, liegt darin, dass Meta endlich eine anständige KI-Basis hat, um die Modellfähigkeiten in die eigenen Geschäftsabläufe zu integrieren.

Für Meta gilt: Das Modell wird zuerst selbst verwendet, erst danach wird es verkauft. Die wichtigere Aufgabe des Modells besteht darin, das ursprüngliche Geschäft zu verbessern.

Der Hauptumsatz von Meta stammt aus Werbung. Im zweiten Quartal dieses Jahres belief sich der Gesamtumsatz von Meta auf 60,8 Milliarden US-Dollar, was einem Jahresanstieg von 28 % entspricht. Davon betrugen die Werbeeinnahmen etwa 59,4 Milliarden US-Dollar, ein Plus von 27 % im Jahresvergleich. Im gleichen Zeitraum stieg die Anzahl der Werbeeinblendungen um 14 %, und der durchschnittliche Werbepreis um 12 %.

Diese Zahlen können natürlich nicht vollständig dem KI-Einsatz zugeschrieben werden, und Meta hat dies auch nicht in seinen Finanzberichten behauptet. Dennoch deuten viele Anzeichen darauf hin, dass KI bereits in die Kernbereiche des Werbegeschäfts eingezogen ist.

Im zweiten Quartal dieses Jahres begann Meta, große Modelle in das Werbe-Retrieval-System zu integrieren, damit das Modell gleichzeitig den Werbeinhalt und die Präferenzen der Nutzer versteht und beurteilt, welche Werbung für welche Personen besser geeignet ist.

In frühen Tests hat allein die Verbesserung des Verständnisses der Nutzerpräferenzen durch das große Modell die App-Event-Conversions von Instagram um 1 % gesteigert. Nach weiterer Kombination mit anderen Modellen gab Meta an, dass die Klicks auf Facebook-Werbung um 8,3 % und die Conversions um 15,7 % gestiegen sind.

Meta verfügt außerdem über ein noch direkteres KI-Werbetool namens Advantage+. Werbetreibende geben ihre Produkte, Budgets und Ziele ein, und dieses Tool übernimmt eine ganze Reihe von Aufgaben wie Zielgruppenauswahl, Budgetverwaltung, Werbeauslieferung und die Erstellung von Werbematerialien.

Bis zum zweiten Quartal dieses Jahres hat die von KI angetriebene Advantage+-Lösung von Meta eine jährliche Umsatzlaufrate von über 75 Milliarden US-Dollar erreicht, und mehr als 9 Millionen kleine Unternehmen verwenden mindestens eines der generativen KI-Werbekreativtools von Meta.

Natürlich können diese 75 Milliarden US-Dollar nicht als zusätzliche KI-Einnahmen betrachtet werden, die Meta aus dem Nichts erzielt hat. Im Wesentlichen handelt es sich immer noch um das klassische Werbegeschäft. Dies zeigt jedoch bereits, dass KI in die profitabelsten Bereiche von Meta eingezogen ist.

Wenn man sich jetzt die Summen ansieht, die Meta investiert hat, wird klar: Meta muss nicht unbedingt die 130 Milliarden US-Dollar durch den Verkauf von Modellen zurückerhalten. Solange das Modell das Werbesystem ein wenig mehr verdienen lässt, beginnt es bereits, zur Amortisation beizutragen.

Das ist auch der Unterschied zwischen Anwendungsunternehmen wie Meta und Unternehmen wie OpenAI. Meta lässt die Modelle die Werbung zielgerichteter ausliefern, sodass Werbetreibende etwas mehr Geld ausgeben – und dieser Betrag kann direkt dem KI-Einsatz zugeschrieben werden.

Deshalb ist es nicht so einfach zu beurteilen, ob die KI-Investitionen eines Anwendungsunternehmens wertvoll sind. Diese Gelder sind in den ursprünglichen Geschäftsabläufen verteilt und lassen sich kaum separat herausziehen. Aber ihre Summe ist der wahre KI-Ertrag von Meta.

Der unsichtbare Zyklus ist bereits in Gang gekommen

Für Meta ist KI eher ein neuer, stärkerer Motor. Der Motor selbst kann Geld einbringen, aber noch wichtiger ist, dass er in die vorhandenen „Autos“ eingebaut werden kann, damit diese schneller fahren.

Daraus ergibt sich ein sehr interessanter Zyklus.

Werbetreibende sind daher bereit, etwas mehr Geld zu investieren, und die Werbeeinnahmen von Meta steigen entsprechend. Meta investiert dann einen Teil dieser Einnahmen in GPUs, Rechenzentren und Talente, um weiterhin stärkere Modelle zu trainieren. Die leistungsfähigeren Modelle kehren dann in das Werbesystem zurück, um Empfehlungen, Werbeabgleich und Auslieferungsergebnisse weiter zu verbessern.

Meta verfügt derzeit über erstklassige Modelle, ausreichend finanzielle Mittel, reale Nutzungsszenarien mit mehreren Milliarden Nutzern und einen ausgereiften kommerziellen Mechanismus. Modellanbieter müssen zuerst beweisen, dass KI zu einem profitablen Geschäft werden kann – Meta kann KI zuerst zu einem Turbo für sein vorhandenes Geschäft machen.

Für Meta ist die Gewinnspanne des Modells selbst nicht die einzige relevante Rechnung. Wenn das Modell etwas günstiger ist, nutzen Entwickler es mehr; je mehr Entwickler es nutzen, desto mehr echtes Feedback gibt es. Dann wird das Modell weiter verbessert und in die Produkte integriert. Und die Produkte von Meta mit mehreren Milliarden täglich aktiven Nutzern bilden wiederum ein riesiges Experimentierfeld in der realen Welt.

Dieser Zyklus zwischen Modellen und Produkten ist verborgener, aber sein Wert ist deutlich höher.

Zuck legt nicht alle Eier in einen Korb

Natürlich ist der KI-Wettbewerb so kapitalintensiv, dass Zuck sich auch Auswege offen hält.

Seit Juli dieses Jahres treibt Meta das Projekt Meta Compute voran und prüft, ob es seine KI-Infrastruktur und seine Rechenkapazitäten extern anbieten kann. Mark Zuckerberg hat bereits im Mai angekündigt, dass die externe Vermietung in Betracht gezogen werden kann, falls in Zukunft tatsächlich überschüssige Rechenkapazitäten vorhanden sind.

Kürzlich sprach auch Tencent über ähnliche Überlegungen zur Kommerzialisierung von Rechenkapazitäten. Martin LAU erklärte auf der Telefonkonferenz zu den Q2-Ergebnissen von Tencent, dass das Unternehmen die Rechenkapazitäten vorrangig für eigene Modelle und KI-Anwendungen einsetzen wird – erst nachdem der eigene Bedarf gedeckt ist, wird die Vermietung überschüssiger Kapazitäten in Betracht gezogen.

Interessanterweise hat das Metaverse-Projekt, für das Zuck früher viel Geld ausgegeben hat, eine unerwartete Überraschung gebracht.

Als Meta das Metaverse aufbaute, floss das Geld hauptsächlich in die Abteilung Reality Labs. Das war ein großes Verlustgeschäft, das im Jahr 2025 allein 19,2 Milliarden US-Dollar Verlust gemacht hat. Aber die von Reality Labs entwickelte Ray-Ban-Brille ist unerwartet zu einem der auffälligsten KI-Hardwareprodukte der Gegenwart geworden. Inzwischen wurden mehrere Millionen Exemplare der intelligenten Brille Ray-Ban Meta verkauft, und KI wird zunehmend zu einem wichtigen Verkaufsargument.

Die von Meta investierten Gelder sind noch nicht vollständig zurückgeflossen, aber zumindest wurden mehrere Wege mit sichtbaren Erträgen gefunden. Die Modelle sind leistungsfähig geworden und können verkauft werden. KI steigert die Gewinne im ursprünglichen Geschäft. Überschüssige Rechenkapazitäten können zudem vermietet werden. Auch die Kombination aus Hardware und KI zeigt erste Anzeichen von Profitabilität.

Allerdings bedeutet es nicht, dass Zuck mit seinen vielen vorhandenen Trümpfen unbedingt gewinnen wird. Außerdem gibt Meta derzeit viel schneller Geld aus, als sich diese Erträge realisieren lassen. Im zweiten Quartal dieses Jahres ist der freie Cashflow von Meta im Jahresvergleich um 91 % eingebrochen – diese Zahl hat die Wall Street erschreckt.

Meta hat die Investitionen im Umfang von Hunderten Milliarden US-Dollar noch nicht vollständig durchkalkuliert. Aber man sieht zumindest: Für Anwendungsunternehmen wie Meta hat die KI das Potenzial, ihren Wert vom Modell selbst auf die vorhandenen Geschäftsszenarien zu übertragen und schrittweise zu echten Erträgen zu führen. Das ist vielleicht das Erwartungsvollste für Unternehmen mit ausgereiften Geschäftsmodellen und einer stabilen Verbindung zu ihren Nutzern im KI-Zeitalter.

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Deep Flow Research Institute“, Autor: Zhi Feng, veröffentlicht mit Genehmigung von 36Kr.