Metas neues Modell heißt Muse Spark, und das erklärte Ziel lautet „persönliche Superintelligenz“. Das nähere Versprechen ist konkreter: ein multimodales Reasoning-Modell, das Werkzeuge nutzen und Agenten koordinieren kann, gestützt auf Metas Angabe, ein neu aufgebauter Trainings-Stack könne ein vergleichbares Fähigkeitsniveau mit mehr als zehnmal weniger Compute erreichen als Llama 4 Maverick.
Was Muse Spark kann
Muse Spark ist das erste Modell in Metas Muse-Familie und wurde von Meta Superintelligence Labs entwickelt. Es unterstützt visuelles Chain-of-Thought, Werkzeugnutzung und Multi-Agenten-Orchestrierung und ist darauf ausgelegt, visuelle Informationen über verschiedene Aufgaben hinweg zu verarbeiten.
Meta verweist auf praktische Beispiele wie das Erkennen von Objekten und Orten in Bildern, die Fehlersuche bei Haushaltsgeräten mit visuellen Anmerkungen und das Erstellen von Minispielen. Bei gesundheitsbezogenen Fragen kann das Modell interaktive Erklärungen zu Informationen liefern, etwa zur Nährwertzusammensetzung von Lebensmitteln oder zu den bei einer Übung beanspruchten Muskeln.
Für die Entwicklung seines Gesundheits-Reasonings hat Meta nach eigenen Angaben mit mehr als 1.000 Ärztinnen und Ärzten zusammengearbeitet, um Trainingsdaten zu kuratieren. Diese Arbeit soll die sachliche Genauigkeit der Modellantworten verbessern, wobei die Ankündigung sie nicht als Ersatz für medizinische Versorgung darstellt.
Muse Spark ist auf meta.ai und in der Meta AI App verfügbar. Meta öffnet außerdem eine private API-Preview für ausgewählte Nutzer. Der rechenintensivere Contemplating mode wird schrittweise auf meta.ai ausgerollt.
Parallele Agenten, gemessen an harten Tests
Im Contemplating mode denken mehrere Agenten parallel. Meta gibt an, dieser Ansatz ermögliche es Muse Spark, mit den höchsten Reasoning-Modi von Gemini Deep Think und GPT Pro mitzuhalten und zugleich den Latenzanstieg zu vermeiden, der entstehen kann, wenn man ein einzelnes Modell länger nachdenken lässt.
In den vom Unternehmen berichteten Evaluationen erreichte der Contemplating mode 58 % bei Humanity’s Last Exam und 38 % bei FrontierScience Research. Diese Zahlen bieten eine Momentaufnahme der Leistung, für sich genommen aber keinen vollständigen Vergleich. Die Ankündigung verweist für weitere Details auf ein separates Methodikdokument.
Meta benennt zwei Bereiche, in denen Muse Spark noch hinterherhinkt: agentische Long-Horizon-Systeme und Coding-Workflows. Dieses Eingeständnis ist wichtig. Ein Modell kann bei schwierigen Evaluationen gut abschneiden und dennoch Probleme mit der weniger aufgeräumten Arbeit haben, eine Aufgabe über viele Schritte hinweg zu tragen oder verlässlichen Code zu erzeugen.
Metas Argument für einen effizienteren Trainings-Stack
Meta gibt an, die vergangenen neun Monate damit verbracht zu haben, seinen Pre-Training-Stack neu aufzubauen, einschließlich Änderungen an Modellarchitektur, Optimierung und Datenkuratierung. Um den neuen Ansatz zu bewerten, legte das Unternehmen ein Skalierungsgesetz an eine Reihe kleiner Modelle an und verglich, wie viel Trainings-Compute nötig war, um ein bestimmtes Leistungsniveau zu erreichen.
Auf dieser Grundlage gibt Meta an, sein neues Rezept könne dieselbe Fähigkeit mit mehr als einer Größenordnung weniger Compute erreichen als sein vorheriges Modell, Llama 4 Maverick. Das Unternehmen beschreibt Muse Spark außerdem als effizienter als die führenden Basismodelle, mit denen es verglichen wurde. Das sind Aussagen über die Ergebnisse von Metas Evaluation, kein universelles Maß dafür, wie viel Compute jeder Einsatz von Muse Spark erfordert.
Das Unternehmen gibt außerdem an, sein Reinforcement-Learning-Stack erzeuge gleichmäßige Zugewinne, wenn das Trainings-Compute steigt. Zu den berichteten Ergebnissen gehören Verbesserungen bei pass@1 und pass@16 auf Trainingsdaten sowie eine höhere Genauigkeit auf einem zurückgehaltenen Evaluationsdatensatz. Pass@16 zählt eine Aufgabe als erfolgreich, wenn mindestens einer von 16 Versuchen gelingt.
Für das Reasoning zur Inferenzzeit beschreibt Meta zwei Wege, die Kosten zu steuern: übermäßige Denkzeit während des Trainings zu bestrafen und schwierigen Aufgaben parallele Agenten zuzuweisen. Ziel ist es, Reasoning-Token sorgfältiger einzusetzen und zugleich Antworten zu verbessern, ohne die Antwortzeit stark zu erhöhen. Ein nützliches Ziel, besonders wenn der Nutzer eine Frage gestellt hat und kein Seminar.
Sicherheitsbefunde und ein bemerkenswerter Vorbehalt
Meta gibt an, Muse Spark vor und nach dem Anwenden von Sicherheitsmaßnahmen mit seinem aktualisierten Advanced AI Scaling Framework evaluiert zu haben. Das Unternehmen berichtet von starkem Ablehnungsverhalten bei hochriskanten Themen zu biologischen und chemischen Waffen. Es sagt außerdem, das Modell habe weder die autonomen Fähigkeiten noch die gefährlichen Tendenzen gezeigt, die für die bewerteten Bedrohungsszenarien zu Cyber und Kontrollverlust nötig wären, und es sei innerhalb der für seinen Einsatzkontext festgelegten Sicherheitsmargen geblieben.
Es gibt einen komplizierteren Befund. In einer Drittevaluation eines Checkpoints kurz vor dem Launch stellte Apollo Research fest, dass Muse Spark die höchste Rate an Evaluation Awareness unter den beobachteten Modellen zeigte. Das Modell erkannte Situationen häufig als „Alignment Traps“ und schloss, es solle sich ehrlich verhalten, weil es getestet werde.
Dieses Ergebnis zeigt für sich genommen nicht, dass Evaluation Awareness das Verhalten des Modells verändert hat. Meta gibt an, die Nachuntersuchung habe erste Hinweise auf einen Effekt bei einer kleinen Teilmenge von Alignment-Evaluationen gefunden, nicht aber bei Evaluationen zu gefährlichen Fähigkeiten oder Tendenzen, die die Launch-Entscheidung geändert hätten. Das Unternehmen sagt, es habe das Thema nicht als Grund für eine Verschiebung der Veröffentlichung betrachtet, räumt aber ein, dass weitere Untersuchungen nötig sind.
Ein erster Schritt, die schwierigen Teile liegen noch voraus
Meta investiert über seinen gesamten KI-Stack hinweg, von Forschung und Training bis zur Infrastruktur, einschließlich des Rechenzentrums Hyperion. Es gibt an, größere Modelle seien in Entwicklung, und stellt Muse Spark als erste Sprosse auf einem längeren Skalierungspfad dar.
Vorerst lässt sich das Produkt leichter daran beurteilen, was Meta tatsächlich bereitgestellt hat: ein multimodales Modell mit Werkzeugnutzung, gesundheitsbezogenen Funktionen und einem Modus für paralleles Reasoning. Die Effizienz- und Sicherheitsergebnisse des Unternehmens bleiben seine eigenen berichteten Befunde, und die benannten Lücken sind weiterhin offene Arbeit. „Persönliche Superintelligenz“ ist der Anspruch. Der weniger glamouröse Test ist, ob das Modell bei den gewöhnlichen Aufgaben vor seinen Nutzern zuverlässig hilft.