Meta kehrt mit voller Kraft zurück zum Open-Source-Bereich: Das neue 816B-Modell lässt sich bereits mit nur zwei Mac Studio betreiben.

Es war unerwartet, dass Meta seinen Weg zurück zum Open-Source-Bereich gemeinsam mit Apple beschreitet.

In der frühen Morgenstunde dieses Freitags veröffentlichte Meta plötzlich Muse Spark Open, das als „das leistungsstärkste amerikanische Open-Source-Großmodell mit offenen Gewichten“ bezeichnet wird. Es handelt sich um ein natives multimodales Modell mit 816 Milliarden Parametern, 42 Milliarden aktiven Parametern und einem Kontextfenster von 1 Million, das speziell für Code- und Agentenaufgaben entwickelt wurde und sich durch hervorragende Leistungen bei langfristigen Aufgaben und komplexen mehrstufigen Schlussfolgerungen auszeichnet.

Meta hofft, dass in Zukunft jeder die Freiheit hat, fortschrittliche Modelle zu Hause auszuführen. Mark Zuckerberg erklärte, dass die Open-Source-Version von Muse Spark speziell für Mac-Geräte optimiert wurde, und er habe mit John Ternus, dem neuen CEO von Apple, zusammengearbeitet.

Genauer gesagt ist Muse Spark Open ein Modell, das dem Muse Spark 1.3 ähnelt. Es wurde mit der neuesten Version des MLX-Frameworks von Apple für die einheitliche Speicherarchitektur von Apple-Chips optimiert, sodass es lokal auf zwei Apple M5 Ultra Mac Studio (mit 512 GB Speicher) ausgeführt werden kann.

HuggingFace-Link: https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B

Die einheitliche Speicherarchitektur von Apple ermöglicht es der integrierten GPU des M5 Ultra, bis zu 512 GB Speicher für jedes Mac Studio zu nutzen, sodass zwei Geräte ein vollständiges großes Modell aufnehmen können. Die Speicherbandbreite des Chips von 1,2 TB/s reicht aus, um die kleinen Speicherblöcke zu lesen, die für jedes Token benötigt werden. Schließlich erreichen zwei Mac Studio eine Laufgeschwindigkeit, die der eines Supercomputers mit 1 TB einheitlichem Speicher entspricht.

Man muss jedoch anmerken, dass der Preis von zwei Mac Studio mit 512 GB bereits über 40.000 US-Dollar liegt.

Angesichts der früheren angespannten Beziehung zwischen Apple und Meta AI überrascht diese Zusammenarbeit der beiden Unternehmen sehr. Alexandr Wang, CEO von Meta AI, erklärte in einem Interview, dass sie „froh sind, dass sich die Eltern wieder versöhnt haben“. Wang erläuterte, dass Apple und Meta AI bereits seit Monaten zusammenarbeiten. Er dankte ausdrücklich dem ehemaligen Apple-Manager Daniel Gross für seine Rolle bei der Förderung der freundlichen Zusammenarbeit zwischen den beiden Unternehmen.

Meta hat Entwicklern auch die Anpassung an gängige Inferenz-Engines wie SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, Apple MLX, llama.cpp und Unsloth erleichtert und diese für Chips von AMD, Apple, Intel und NVIDIA optimiert. Entwickler können das PyTorch-Framework verwenden, um das Modell problemlos weiter anzupassen.

Wichtige Benchmark-Parameter:

Es scheint, dass Meta, das wieder auf den Open-Source-Pfad zurückgekehrt ist, noch einen langen Weg vor sich hat. Muse Spark Open ist nicht das weltweit leistungsstärkste Modell mit offenen Gewichten; seine Fähigkeiten in den Bereichen Programmierung, Schlussfolgerung und anderen Bereichen sind nicht so gut wie die von Modellen wie Kimi K3, MiMo-V2.6-Pro, Qwen3.8 Flash Next und GLM 5.3 Flash.

Erwähnenswert ist die Bewertungsfähigkeit für Agenten. Aus der offiziellen Modellkarte geht hervor, dass Muse Spark Open bei einigen Agenten-Metriken sogar Modelle übertrifft, die einen höheren Gesamtwert für die allgemeine Intelligenz aufweisen.

Der von Meta vorgelegte Leistungsvergleich umfasst Modelle aus unterschiedlichen Harness-Systemen, wobei einige der Leistungsangaben von den Modellanbietern selbst stammen, was relativ transparent erscheint. Beispielsweise verwendet Muse Spark Open Muse Code, Kimi K3 verwendet Kimi Code und Qwen3.8 verwendet Claude Code. Die tatsächliche Leistungsfähigkeit eines Agenten hängt vom Zusammenspiel aus Modell, Harness, Werkzeugen, Kontextverwaltung und Ausführungsumgebung ab.

Der Wert von zukünftigen Open-Source-Modellen darf nicht nur an der Rangliste der Basismodelle gemessen werden, sondern auch daran, ob sie in echte Agenten-Arbeitsabläufe integriert werden können.

Referenzinhalte:

https://research.meta.ai/blog/muse-spark-open

https://www.axios.com/2026/10/15/apple-and-meta-bury-the-hatchet-for-ai

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Machine Heart“ (ID: almosthuman2014), Autor ist Ze Nan, und wird von 36Kr mit Genehmigung veröffentlicht.