Meta hat am 15. Oktober 2026 die Gewichte von Muse Spark Open freigegeben, dem bislang größten offenen Modell des Konzerns. Seit dem 20. Oktober bietet unter anderem der US-Anbieter Fireworks das Modell zusätzlich per API an. Für IT-Leitungen und Digitalisierungsverantwortliche in Fertigung, Intralogistik und Zulieferindustrie, die heute ein Llama-Modell im eigenen Rechenzentrum betreiben, stellen sich damit zwei Fragen: Lohnt der Umstieg auf Metas neue Modellfamilie, und wofür darf das Modell in Werk und Lager überhaupt eingesetzt werden?
Muse Spark Open braucht laut Meta mindestens 700 GB Grafikspeicher und ist damit ein Fall für Server mit acht Rechenzentrumskarten. Die Nutzungsrichtlinie untersagt zudem den Einsatz beim Betrieb kritischer Infrastruktur und schwerer Maschinen. Für Assistenz-, Dokumenten- und Codeaufgaben in Industrie und Handel ist meist das kleinere Muse Glimmer 30B die bessere Wahl: Apache-2.0-Lizenz ohne diese Nutzungsrichtlinie, lauffähig auf einer Grafikkarte mit 24 bis 32 GB (Stand 21.10.2026).
| Merkmal | Muse Spark Open | Muse Glimmer 30B |
|---|---|---|
| Veröffentlicht | 15.10.2026 | August 2026 |
| Parameter | 816 Mrd. gesamt, 42 Mrd. aktiv je Token | 29,6 Mrd., dicht |
| Kontextfenster | 1 Million Token | 131.072 Token |
| Eingabe | Text, Bild, Video, Audio | Text, Bild |
| Speicherbedarf laut Meta | mind. 700 GB (NVFP4), 2 TB (BF16) | 24 GB (4 Bit) bis 64 GB (volle Genauigkeit) |
| Lizenz | Muse Model License mit Nutzungsrichtlinie | Apache 2.0 |
| Download | nach manueller Freigabe durch Meta | frei |
Was Meta veröffentlicht hat
Muse Spark Open ist ein Mixture-of-Experts-Modell mit 256 Experten, von denen je Token acht rechnen. Meta beschreibt es als Modell für Programmierung und mehrstufige Agentenaufgaben, das Text, Bilder, Videos und Audio verarbeitet (Model Card, 15.10.2026). Laut Meta teilt es sich das Basismodell mit Muse Spark 1.3, das der Konzern bisher nur als Dienst anbot (PyTorch-Blog, 15.10.2026). Die Leistungswerte in den Veröffentlichungen stammen von Meta und den Anbietern selbst.
Für bestehende Installationen wichtig: Die letzten Llama-Gewichte hat Meta im April 2025 veröffentlicht. Seither erscheinen Metas offene Modelle unter dem Namen Muse. Wer Llama 3.3 70B betreibt, erhält also keinen direkten Nachfolger in derselben Größenklasse, sondern hat die Wahl zwischen einem deutlich kleineren und einem deutlich größeren Modell.
Grafikspeicher braucht Muse Spark Open mindestens, selbst in der 4-Bit-Fassung. Acht H100 mit je 80 GB reichen dafür nicht.
Meta, Model Card Muse Spark Open, 10/2026
Was die Lizenz in Werk und Lager erlaubt
Die Muse Model License erlaubt Nutzung, Änderung und Weitergabe weitgehend frei. Drei Bedingungen sind für Industrie und Handel relevant:
- Nutzungsrichtlinie: Untersagt ist unter anderem der Einsatz im Zusammenhang mit dem Betrieb kritischer Infrastruktur, Verkehrstechnik oder schwerer Maschinen (im Original: „Operation of critical infrastructure, transportation technologies, or heavy machinery“). Ein Agent, der Regalbediengeräte, Fahrerlose Transportsysteme, Pressen oder die Steuerung eines Batteriespeichers bedient, fällt nach dem Wortlaut darunter. Die gleiche Klausel stand bereits in der Nutzungsrichtlinie von Llama 3.3.
- Kennzeichnung: Jedes Produkt, das das Modell nutzt, muss sichtbar den Hinweis „Built with Muse Spark Open“ tragen, etwa in der Oberfläche, der Dokumentation oder den Einstellungen.
- Modell als Dienst: Wer das Modell Dritten per API anbietet und mit seinen verbundenen Unternehmen mehr als 20 Mio. US-Dollar Jahresumsatz erzielt, braucht einen eigenen Vertrag mit Meta. Interne Nutzung und eigene Produkte sind ausgenommen. Das betrifft vor allem IT-Dienstleister, die KI für Kunden hosten.
Muse Glimmer steht dagegen unter Apache 2.0, ohne zusätzliche Nutzungsrichtlinie und ohne Kennzeichnungspflicht. Wo genau die Grenze zwischen „Betrieb“ und Assistenz verläuft, regelt die Richtlinie nicht. Ein Wartungsassistent, der Handbücher durchsucht und Technikern Vorschläge macht, steuert keine Maschine. Ein Agent, der Fahraufträge freigibt, schon eher. Diese Einordnung ist keine Rechtsberatung und gehört im Einzelfall in die Rechtsabteilung.
Rechenbeispiel: Serviceassistent im Intralogistikbetrieb
Ein Intralogistikbetrieb will 40 Servicetechnikern einen Assistenten geben, der Störmeldungen, Handbücher und Ersatzteillisten auswertet. Angenommen sind 10 Anfragen je Techniker und Tag mit jeweils 800 Token Antwortlänge.
- Volumen: 40 × 10 × 800 ergibt 320.000 erzeugte Token je Tag.
- Muse Glimmer auf einer RTX 5090: Meta misst 74,9 Token je Sekunde ohne und 233,4 mit spekulativer Dekodierung, jeweils bei einer Anfrage gleichzeitig. Das Tagesvolumen braucht damit rechnerisch 71 beziehungsweise 23 Minuten reine Rechenzeit. Eine Karte reicht für dieses Volumen, sofern die Spitzen am Schichtbeginn in einem Lasttest geprüft sind.
- Muse Spark Open: Die 4-Bit-Gewichte belegen 533 GB. Acht H200 mit je 141 GB kommen auf 1.128 GB und erfüllen den Mindestwert, acht H100 mit 640 GB nicht. Dazu kommen Rechenzentrumsplatz, Kühlung und Betrieb für einen Server dieser Klasse.
Für den Serviceassistenten ist das große Modell überdimensioniert. Es lohnt sich erst für Aufgaben, bei denen kleinere Modelle nachweislich scheitern, etwa die Analyse großer Codebasen oder sehr lange Dokumentketten.
Ihre Optionen
| Option | Aufwand | Kosten | Risiko |
|---|---|---|---|
| Nichts tun, bei Llama 3.3 bleiben | keiner | keine | keine Weiterentwicklung, Abstand zu neueren Modellen wächst |
| Muse Glimmer 30B auf eigener Karte | 2 bis 4 Wochen Test und Anbindung | vorhandene Karte ab 24 GB oder Workstation | geringer, Qualität für Deutsch selbst prüfen |
| Muse Spark Open im eigenen Rechenzentrum | Sizing, Beschaffung, Betrieb | Server mit acht Rechenzentrumskarten | hohe Investition, Nutzungsrichtlinie, Kennzeichnung |
| Muse Spark Open per API | wenige Tage | nutzungsabhängig | Daten verlassen das Haus, US-Anbieter, CLOUD Act beachten |
| Andere offene Modelle, etwa Beam (Apache 2.0) oder Nemotron 3.5 (OpenMDW-1.1) | Vergleichstest | je nach Größe | ohne Nutzungsrichtlinie, eigene Lizenzprüfung nötig |
Wofür sich welches Modell eignet
Muse Glimmer passt zu Assistenten für Service und Instandhaltung, zur Suche in Handbüchern über RAG, zur Auswertung von Lieferscheinen mit Bildanteil und zu Programmierhilfen für interne Teams. Muse Spark Open spielt seine Stärke bei langen Agentenketten, sehr großen Kontexten und multimodalen Eingaben aus, etwa Video aus der Qualitätsprüfung. Für Anwendungen, die Maschinen oder Anlagen steuern sollen, empfehlen wir unabhängig vom Modell eine Freigabe durch Menschen und bei Meta-Modellen eine Lizenzprüfung vor dem Projektstart.
Modell- und Lizenzcheck für Ihren KI-BetriebWir prüfen Ihre geplanten Anwendungsfälle gegen die Lizenzen von Muse Spark Open, Muse Glimmer und zwei Alternativen und testen das passende Modell mit 50 Ihrer Fragen oder Dokumente. Innerhalb von 10 Arbeitstagen erhalten Sie eine Lizenzbewertung je Anwendungsfall, die Antwortqualität im Vergleich und eine Hardwareempfehlung mit Mengengerüst.
Häufige Fragen
Dürfen Unternehmen in der EU Muse Spark Open nutzen?
Ja. Lizenzgeber für Unternehmen mit Hauptsitz in Europa ist Meta Platforms Ireland Limited. Der Download erfolgt nach manueller Freigabe über Hugging Face. Einschränkungen ergeben sich aus der Nutzungsrichtlinie, nicht aus dem Standort.
Läuft Muse Spark Open auf einer einzelnen Grafikkarte?
Nein. Meta nennt mindestens 700 GB Grafikspeicher für die 4-Bit-Fassung. Als Alternative zu Servern nennt Meta zwei Mac Studio mit M5 Ultra über MLX. Für eine einzelne Karte mit 24 bis 32 GB ist Muse Glimmer 30B gedacht.
Ist Muse der Nachfolger von Llama?
Meta veröffentlicht seit April 2025 keine neuen Llama-Gewichte mehr, die offenen Modelle des Konzerns erscheinen seit August 2026 unter dem Namen Muse. Bestehende Llama-Installationen laufen unter ihrer bisherigen Lizenz weiter.
Der nächste Schritt
torck plant und betreibt offene Sprachmodelle im Rechenzentrum von Kunden aus Industrie und Handel, von der Modell- und Lizenzauswahl über die Anbindung an ERP, Archiv und Ticketsystem bis zum Betrieb. Im Erstgespräch klären wir, welches Modell zu Ihren Anwendungsfällen passt und was es an Hardware braucht. Zur KI-Beratung mit On-Premise-LLM.
Weiterlesen: Wie sich Mistral, Llama und Qwen im Unternehmenseinsatz unterscheiden, zeigt der Open-Source-LLM-Vergleich. Was ein Modell der Billionenklasse verlangt, steht im Beitrag zu Mistral Large 4. Ob sich der Hardwarekauf jetzt lohnt, beantwortet der Beitrag zur KI-Hardware 2027.
German 
English 
French