Was ist Muse Spark? Metas neues KI-Modell

Vier Tabs. So viele hatte ich am Dienstagabend geöffnet – einer für jeden KI-Assistenten, den ich in einer normalen Arbeitswoche nutze. Mittwochmorgen wachte ich mit einem fünften Namen in meinem Feed auf. Muse Spark. Metas neues Modell, sofort verfügbar, entwickelt von einem Team, das vor einem Jahr noch nicht existierte.

Hallo, hier ist Dora! Mein erster Impuls war keine Begeisterung. Sondern: Muss ich einen fünften Tab öffnen? Dieser Beitrag dokumentiert, was ich nach einem Tag herausgefunden habe, in dem ich die bestätigten Fakten, die Lücken und die Dinge auseinandergenommen habe, die wichtig sind, wenn man gerade irgendetwas auf KI aufbaut.

Was Muse Spark ist – und woher es kommt

Meta Superintelligence Labs: die neue Einheit unter der Leitung von Alexandr Wang

Muse Spark ist das erste Modell aus Meta Superintelligence Labs (MSL), der KI-Einheit unter der Leitung von Alexandr Wang, der vor neun Monaten zu Meta kam, nachdem er Scale AI mitgegründet hatte. Meta gründete dieses Labor als Reaktion auf Kritik, dass seine früheren KI-Modelle unterdurchschnittliche Leistungen erbrachten, und CEO Mark Zuckerberg warb anschließend KI-Forscher von OpenAI, Anthropic und Google ab. Die dahinterstehende Investition ist nicht gering – Meta gab 14,3 Milliarden Dollar aus, um einen 49-prozentigen stimmrechtslosen Anteil an Scale AI zu erwerben und Wang als ersten Chief AI Officer überhaupt an Bord zu holen.

Das Llama-Problem: Warum Meta von Grund auf neu aufgebaut hat

Wer den Llama-4-Launch letzten April verfolgt hat, kennt die Vorgeschichte. Llama 4 wurde weithin als Flop kritisiert, und Meta wurde später dabei ertappt, spezialisierte, unveröffentlichte Modellversionen zu verwenden, die für bestimmte Aufgaben feinabgestimmt waren, um Benchmark-Ergebnisse aufzublähen. Dieser Vertrauensverlust ist der Kontext für alles, was Muse Spark zu leisten versucht. MSL baute Metas KI-Stack in den vergangenen neun Monaten von Grund auf neu auf und bezeichnete es als den schnellsten Entwicklungszyklus, den sie je durchgeführt haben.

Intern Avocado genannt, in 9 Monaten entwickelt

Intern unter dem Codenamen Avocado entwickelt, ist Muse Spark das erste Modell in Metas neuer Muse-Serie. Meta beschreibt es als bewusst klein und schnell – ihr technischer Blog stellt fest, dass verbesserte Trainingstechniken es ihnen ermöglichten, kleinere Modelle zu erstellen, die die Leistung älterer mittelgroßer Llama-4-Modelle mit einer Größenordnung weniger Rechenleistung erreichen.

Diese Effizienzbehauptung ist es wert, beobachtet zu werden. Es geht nicht um rohe Benchmark-Dominanz. Es geht um Kostenstruktur.

Was Muse Spark tatsächlich kann

Instant-Modus vs. Thinking-Modus: Wann welcher gilt

Muse Spark läuft in abgestuften Reasoning-Modi. Der Instant-Modus bearbeitet alltägliche, schnell zu erledigende Anfragen – die Art, die man zehnmal täglich an einen Assistenten stellt. Der Thinking-Modus fügt schrittweises Schlussfolgern für komplexere Aufgaben hinzu: Analyse juristischer Dokumente, Nährwertaufschlüsselung aus Fotos, mehrstufige Mathematik. Nutzer der Meta-AI-App können je nach Komplexität ihrer Eingaben zwischen den Modi wechseln.

Multimodales Verständnis: Bild-, Audio-, Texteingabe → Text- und interaktive Ausgabe

Das Modell akzeptiert Sprach-, Text- und Bildeingaben, produziert aber nur Textausgaben. Das ist ein wichtiger Unterschied. „Multimodal” bedeutet hier Wahrnehmung, nicht Generierung. Ein Foto aufnehmen, eine Frage sprechen, einen Screenshot einfügen – Muse Spark verarbeitet all das. Was zurückkommt, sind jedoch Text und interaktive Elemente (Websites, Dashboards, Spiele), keine Bilder oder Videos.

Meta hat starke multimodale Wahrnehmung in Muse Spark eingebaut, damit der Assistent sehen und verstehen kann, was man betrachtet, nicht nur lesen, was man tippt. Ihr Beispiel: Ein Regal mit Snacks am Flughafen fotografieren und eine nach Proteingehalt geordnete Aufschlüsselung erhalten, ohne Etiketten lesen zu müssen.

Visuelles STEM, visuelles Coding, Mini-Spiele: Bestätigte interaktive Ausgabefähigkeiten

Das ist der Teil, den die meisten Berichte unterschätzen. Muse Spark kann direkt aus einer natürlichsprachlichen Eingabe benutzerdefinierte interaktive Websites, Dashboards und Mini-Spiele generieren – was Meta als „Visual Coding” bezeichnet. Ihr offizieller Blogbeitrag beschreibt das Erstellen von Retro-Arkade-Spielen, Flugsimulatoren und Party-Planungs-Dashboards aus einem einzigen Satz. Das Modell bearbeitet auch visuelle STEM-Fragen, die zu interaktiven Erlebnissen führen können, wie das Erstellen von Mini-Spielen oder die Fehlersuche bei Haushaltsgeräten.

Das ist keine Bildgenerierung. Es ist Code-Generierung mit einer visuellen Ausgabeschicht. Eine andere Kategorie, andere Anwendungsfälle.

Multi-Subagenten-Koordination für komplexe Anfragen

Muse Spark kann mehrere Subagenten parallel starten, um eine Frage zu bearbeiten – zum Beispiel die Planung einer Familienreise, bei der ein Agent den Reiseplan entwirft, ein anderer Reiseziele vergleicht und ein dritter kinderfreundliche Aktivitäten findet, alles gleichzeitig. Das habe ich selbst noch nicht getestet. Die Architektur ist interessant; die Zuverlässigkeit in der Praxis ist ungeprüft.

Contemplating-Modus: Bestätigt geplant, kein Zeitplan

Meta plant die Einführung eines „Contemplating”-Modus, der es dem Modell ermöglicht, komplexere Probleme zu lösen TechCrunch, indem eine Gruppe von KI-Agenten für paralleles Schlussfolgern koordiniert wird. Wang erklärte auf X, dass der Contemplating-Modus mit anderen extremen Reasoning-Modellen wie Gemini Deep Think und GPT Pro konkurrenzfähig ist. Kein öffentlicher Zeitplan. Die Benchmark-Daten von Artificial Analysis zeigen frühe Contemplating-Ergebnisse von 50,2 % bei Humanity’s Last Exam – aber dies wurde unter von Meta bereitgestellten Bedingungen getestet, nicht unabhängig in großem Maßstab repliziert.

Was Muse Spark nicht ist

Kein eigenständiges Bild-/Videogenerierungsmodell

Ich möchte hier direkt sein, weil ich das bereits in mehreren Artikeln vermischt gesehen habe. Muse Spark generiert keine Bilder oder Videos. Metas Vibes-AI-Videofunktion in der Meta-AI-App verwendet derzeit KI-Modelle von Drittanbietern wie Black Forest Labs, und Meta plant lediglich, dass Muse Spark sie „irgendwann” antreiben soll. Zum Zeitpunkt des Launches gilt: Wenn man über Meta AI Videos generiert, ist Muse Spark nicht derjenige, der die Arbeit macht.

Keine offenen Gewichte – eine bewusste Abkehr von der Llama-Strategie

Anders als Metas frühere Llama-Modelle, die als Open-Weight-Modelle veröffentlicht wurden, die jeder herunterladen, modifizieren und ausführen konnte, ist Muse Spark proprietär. Meta hat gesagt, sie „hoffen, zukünftige Versionen als Open Source zu veröffentlichen”, und Axios berichtete, dass eine Open-Source-Veröffentlichung geplant ist. Aber derzeit sind die Gewichte geschlossen. Für Teams, die auf der Offenheit von Llama aufgebaut haben, ist das eine bedeutende Verschiebung.

Keine öffentliche API (nur private Vorschau, ausgewählte Partner)

Meta bietet Muse Spark in einer privaten Vorschau über API nur für ausgewählte Partner an. Keine öffentlichen API-Preise, kein angekündigter Zeitplan für den allgemeinen Zugang. Wer als Entwickler hofft, das zu integrieren, muss warten.

Wo es heute verfügbar ist

meta.ai und Meta-AI-App: Live seit dem 8. April 2026

Muse Spark treibt derzeit die Meta-AI-App und die Website meta.ai an, mit einem neuen Look, der zusammen mit dem Modell-Upgrade eingeführt wird. Alle Modi sind kostenlos nutzbar, obwohl Meta möglicherweise Ratenbegrenzungen verhängt.

WhatsApp, Instagram, Facebook, Messenger, KI-Brille: Rollout läuft

Muse Spark wird in den kommenden Wochen auf WhatsApp, Instagram, Facebook, Messenger und KI-Brillen ausgerollt.

API: Nur private Vorschau für ausgewählte Partner

Kein öffentlicher Zugang. Keine Preisangaben. Hier enden meine Daten.

Leistungskontext

Artificial Analysis Intelligence Index: 52

Muse Spark erzielt 52 Punkte auf dem Artificial Analysis Intelligence Index und belegt damit einen Platz in den Top 5 – hinter Gemini 3.1 Pro Preview (57), GPT-5.4 (57) und Claude Opus 4.6 (53). Ein wichtiger Vorbehalt: Artificial Analysis erhielt von Meta frühzeitigen Zugang, um das Modell unabhängig zu benchmarken. Unabhängig, ja. Aber zu Metas Bedingungen und Zeitplan.

Zum Kontext, wie weit Meta sich bewegt hat: Llama 4 Maverick und Scout erzielten auf demselben Index 18 bzw. 13 Punkte. Das ist ein dreifacher Sprung.

Eine Zahl, die meine Aufmerksamkeit erregt hat: Muse Spark verwendete nur 58 Millionen Output-Token, um die vollständige Auswertung abzuschließen, verglichen mit 157 Millionen bei Claude Opus 4.6 und 120 Millionen bei GPT-5.4. Token-Effizienz in diesem Maßstab ist keine Fußnote – es ist eine Kostenfrage.

Von Meta eingeräumte aktuelle Leistungslücken

Meta räumt offen Leistungslücken bei langfristigen agentischen Systemen und Coding-Workflows ein. Die VentureBeat-Analyse bestätigt dies: Muse Spark liegt bei Coding-Benchmarks wie Terminal-Bench und bei agentischen Aufgabenauswertungen deutlich zurück. Wenn der eigene Workflow code-intensiv ist, ist das nicht das richtige Modell. Noch nicht.

Datenschutz und Datenüberlegungen

Muse-Spark-Nutzer müssen sich mit einem bestehenden Meta-Konto wie Facebook oder Instagram anmelden. Es gibt keinen anonymen Zugangspfad.

Metas Datenpolitik: Was Nutzer wissen sollten

Axios bemerkte, dass Metas Datenschutzrichtlinie nur wenige Einschränkungen dazu enthält, wie das Unternehmen Daten verwenden kann, die mit seinem KI-System geteilt werden. Meta sagt nicht ausdrücklich, dass persönliche Informationen von einem Facebook- oder Instagram-Konto von der KI genutzt werden, aber es ist wahrscheinlich, da Meta generell auf öffentlichen Nutzerdaten trainiert und Muse Spark als persönliches Superintelligenz-Produkt positioniert hat.

Wenn man das für einen Workflow mit sensiblen Eingaben – Kundendaten, Gesundheitsfragen, interne Dokumente – bewertet, sollte man die Meta-Datenschutzrichtlinie lesen, bevor man irgendetwas in dieses Feld tippt. Das ist keine Warnung. Es ist ein Workflow-Schritt.

FAQ

Ist Muse Spark kostenlos nutzbar?

Ja. Alle Modi des Modells sind über meta.ai und die Meta-AI-App kostenlos nutzbar, obwohl Meta möglicherweise Ratenbegrenzungen verhängt.

Ist Muse Spark Open Source?

Nein. Muse Spark ist proprietär, obwohl Meta die „Hoffnung geäußert hat, zukünftige Versionen des Modells als Open Source zu veröffentlichen.” Das ist ein Bruch mit der Llama-Strategie.

Kann Muse Spark Bilder oder Videos generieren?

Nein. Muse Spark verarbeitet Text-, Bild- und Sprach-Eingaben und produziert Text- und interaktive Ausgaben (Websites, Mini-Spiele, Dashboards). Die Vibes-Videofunktion basiert derzeit auf Drittanbieter-Modellen von Black Forest Labs.

Wann wird die Muse-Spark-API öffentlich verfügbar sein?

Kein bestätigtes Datum. Sie befindet sich derzeit in der privaten Vorschau für ausgewählte Partner. Meta hat die Absicht signalisiert, einen breiteren API-Zugang anzubieten, hat sich aber nicht auf einen Zeitplan festgelegt.

Wie vergleicht sich Muse Spark mit GPT-5.4 und Gemini?

Auf dem Artificial Analysis Intelligence Index liegt Muse Spark (52) hinter GPT-5.4 (57), Gemini 3.1 Pro (57) und Claude Opus 4.6 (53). Es führt bei Gesundheits-Benchmarks und multimodaler Bildverarbeitung, liegt aber bei Coding- und agentischen Aufgaben zurück. Der Vergleich hängt vollständig vom eigenen Anwendungsfall ab.

Ich werde weiter beobachten, wie der Contemplating-Modus abschneidet, sobald er öffentlich verfügbar ist, und ob die API auf eine Weise geöffnet wird, die für Drittentwickler tatsächlich nutzbar ist. Im Moment ist Muse Spark interessant für das, was es über Metas Ausrichtung signalisiert – aber für die meisten Entwickler-Workflows ist es noch nichts, das man integrieren kann. Das könnte sich schnell ändern. Oder auch nicht. Selbst testen, wenn die API verfügbar wird. Das wird mehr verraten als alles, was ich hier sage.

Frühere Beiträge: