Milliarden Dollar, ein Labor namens Superintelligence, das Versprechen einer KI, die klüger sein soll als jeder Mensch. Herausgekommen sind bisher drei Modelle mit den Codenamen Avocado, Mango und Wassermelone. Und Platz vier.
Wie Meta von der offensten KI-Firma der Welt zum teuersten Aufholer der Branche wurde, ist eine Geschichte in mehreren Akten. Sie beginnt mit einem Betrug.
Inhaltsverzeichnis
Was bei Llama 4 schiefging
Meta hatte drei Jahre lang auf Llama gesetzt. Open Source, kostenlos nutzbar, auf Hugging Face herunterladbar. Die Strategie war klar. Wenn jeder Entwickler weltweit mit Llama arbeitet, wird Meta zum Betriebssystem der KI. Wer eine eigene KI lokal auf dem Rechner laufen lassen wollte, griff oft zu einem Llama-Modell.
Dann kam Llama 4 im April 2025. Scout und Maverick, zwei Varianten mit einem Mixture-of-Experts-Ansatz. Multimodal, mehrsprachig, beeindruckende Benchmark-Werte. Platz zwei auf dem Chatbot Arena Leaderboard, einem der bekanntesten KI-Benchmarks der Branche.
Nur stimmten die Zahlen nicht.
Wie sich herausstellte, hatte das Team verschiedene Modellversionen für verschiedene Benchmarks eingereicht. Immer die Variante, die auf dem jeweiligen Test am besten abschnitt. Das ist so, als würde man bei einer Schulprüfung für jede Aufgabe einen anderen Spezialisten hinsetzen und hinterher behaupten, eine einzelne Person habe alles gelöst. In der KI-Forschung ein Tabubruch.
Benchmark-Manipulation (auch »cherry-picking« oder »benchmark gaming«) bezeichnet die Praxis, Testergebnisse durch selektive Modellauswahl, angepasste Hyperparameter oder kuratierte Testdaten künstlich zu verbessern. Im Fall von Llama 4 wurden unterschiedliche Modellversionen auf unterschiedliche Benchmarks losgelassen, um jeweils Spitzenwerte zu erzielen.
Yann LeCun, damals noch Metas oberster KI-Forscher, sagte im Januar 2026 gegenüber Fast Company, die Ergebnisse seien »fudged a little bit« gewesen. Die Untertreibung des Jahres. Zuckerberg habe daraufhin das Vertrauen in alle Beteiligten verloren und die gesamte GenAI-Organisation kaltgestellt.
Meta KI im großen Umbau
Was Zuckerberg dann tat, war radikal. Im Juni 2025 gründete er die Meta Superintelligence Labs, eine komplett neue Abteilung mit dem Auftrag, Metas KI von Grund auf neu zu denken. Keine Evolution, sondern eine Revolution. Um das zu unterstreichen, holte er sich den Mann, der die größte Dateninfrastruktur der KI-Branche aufgebaut hatte.
Zeittafel: Metas KI-Wende auf einen Blick
| April 2025 | Llama 4 erscheint, Benchmark-Ergebnisse sorgen für Aufsehen |
| Mai 2025 | Externe Forscher decken Ungereimtheiten bei den Testergebnissen auf |
| Juni 2025 | Zuckerberg gründet Meta Superintelligence Labs (MSL) |
| Juni 2025 | Meta kauft 49 % von Scale AI für 14,3 Milliarden Dollar |
| November 2025 | Yann LeCun verlässt Meta nach Differenzen mit der neuen Führung |
| Januar 2026 | LeCun spricht öffentlich über die geschönten Benchmark-Werte |
| April 2026 | Muse Spark erscheint, Codename Avocado |
| Juli 2026 | Muse Image, Muse Video und Muse Spark 1.1 im Wochentakt |
Alexandr Wang, Gründer und CEO von Scale AI, wurde Metas erster Chief AI Officer. Der Preis dafür: 14,3 Milliarden Dollar für einen 49-Prozent-Anteil an Scale AI. Dazu kam Nat Friedman, ehemaliger CEO von GitHub, als Leiter der Produktintegration. Die alte Garde wurde nicht entlassen, aber neu organisiert. LeCun fand sich marginalisiert und verließ Meta im November 2025.
MSL besteht aus vier Gruppen. Wangs Team entwickelt die Sprachmodelle. Friedmans Gruppe kümmert sich um die Integration in Metas Produkte. Das ehemalige FAIR-Team forscht weiter, allerdings unter neuer Führung. Und eine vierte Einheit baut die Infrastruktur, die das alles am Laufen halten soll.
Die Zahlen sprechen eine eigene Sprache. 2025 investierte Meta rund 72 Milliarden Dollar in KI-Infrastruktur. 2026 sollen es 115 bis 135 Milliarden werden. Bis 2028 plant Zuckerberg mindestens 600 Milliarden Dollar in US-Rechenzentren. Die KI-Trends 2026 zeigen, dass dieser Energiehunger kein Meta-Problem allein ist, aber niemand skaliert so aggressiv.
Muse Spark, das erste Kind der neuen Ära
Am 8. April 2026 stellte MSL sein erstes Modell vor. Nicht Llama 5, nicht eine Weiterentwicklung des Bekannten. Sondern etwas völlig Neues mit einem neuen Namen: Muse Spark. Codename intern: Avocado. Man merke sich das Obst, es wird noch wichtig.
Und hier wird es für die Open-Source-Gemeinde schmerzhaft. Muse Spark ist geschlossen. Keine Gewichte auf Hugging Face, kein Download, keine freie Nutzung. Meta, das Unternehmen, das seine gesamte KI-Reputation auf Offenheit gebaut hatte, macht die Tür zu. Zum Start gab es nur einen privaten API-Zugang für ausgewählte Partner, mehr nicht.
Llama und Muse Spark im Vergleich
| Llama 4 (2025) | Muse Spark (2026) | |
|---|---|---|
| Lizenz | Open Weight (Community License) | Proprietär, geschlossen |
| Architektur | Mixture of Experts, 17B aktive Parameter | Unbekannt, »Thought Compression« |
| Eingabe | Text und Bild | Text, Bild und Sprache |
| Reasoning | Standard-Inferenz | Multi-Agent-Orchestrierung (»Contemplating«) |
| Effizienz | Baseline | Laut Meta 10× weniger Compute als Maverick |
| Benchmark-Rang | Umstritten (geschönte Werte) | Platz 4 (Artificial Analysis) |
Technisch bringt Muse Spark zwei Modi mit. Einen schnellen für einfache Anfragen und einen namens »Contemplating«, der mehrere Sub-Agenten parallel orchestriert, um komplexe Probleme zu lösen. Meta nennt die dahinterliegende Technik »Thought Compression« und behauptet, damit zehnmal weniger Rechenleistung zu benötigen als bei Llama 4 Maverick. Auf dem Index von Artificial Analysis landet Muse Spark mit 52 Punkten auf Platz vier, hinter Gemini 3.1 Pro, GPT-5.4 und Claude Opus 4.6. Llama 4 Maverick kam im Vorjahr auf 18.
Platz vier. Nicht eins. Womöglich die ehrlichste Platzierung, die Meta je hatte.
Avocado, Mango, Watermelon
Wer glaubte, nach dem großen Umbau folge jetzt Ruhe und ein einzelnes, sauber gepflegtes Modell, hat Zuckerberg unterschätzt. Im Juli 2026 kam es dick. Innerhalb einer Woche schob Meta gleich drei Releases hinterher, jedes davon als Fortschritt verkauft.
Am Dienstag, den 7. Juli, erschien Muse Image, ein Bildgenerator, intern Mango genannt. Einen Tag später Muse Video. Und am Donnerstag Muse Spark 1.1, laut Wang Metas »stärkstes Modell für agentische und Coding-Aufgaben« bislang. Drei Ankündigungen, drei Superlative, drei Tage.
Muse Spark 1.1 ist der eigentliche strategische Schritt. Erstmals gibt es einen kommerziellen API-Zugang mit nutzungsbasierter Abrechnung. 1,25 Dollar pro Million Input-Tokens, 4,25 Dollar pro Million Output-Tokens. Damit landet Meta beim selben Geschäftsmodell, das es bei OpenAI und Anthropic jahrelang belächelt hatte. Wang nennt die Preise »sehr aggressiv und attraktiv«. Das Unternehmen, das seine Modelle einst verschenkte, verlangt jetzt Geld dafür.
Der Coding-Fokus ist kein Zufall. Wang argumentiert, gute Coding-Fähigkeiten seien die Voraussetzung für KI-Agenten, die selbstständig mehrschrittige Aufgaben erledigen. Nur gibt Meta selbst zu, dass genau hier noch Lücken klaffen. Bei langfristigen agentischen Aufgaben und komplexen Coding-Workflows liegt das Modell hinter der Konkurrenz. Das relativiert die Superlative erheblich.
Muse Image kam übrigens nicht ohne Ärger. Meta erlaubte, KI-Bildbearbeitung auf öffentlich gepostete Instagram-Fotos anderer Nutzer anzuwenden, ohne deren ausdrückliche Zustimmung. Der Aufschrei folgte prompt. Ein Muster, das sich durch Metas KI-Geschichte zieht. Erst ausrollen, dann mit der Empörung umgehen.
Und das nächste Obst wartet schon. Watermelon, ein deutlich größeres Modell, steckt im Training und soll noch 2026 erscheinen. Es braucht ungleich mehr Rechenleistung und ist der eigentliche große Wurf, auf den Zuckerberg hofft. Muse Spark 1.1, sagt Meta fast entschuldigend, sei nicht der große Sprung. Der kommt erst noch. Angeblich.
Eine Milliarde Nutzer, aber wozu
Während die Modellentwicklung stolperte, wuchs etwas anderes rasant. Meta AI, der Assistent in WhatsApp, Instagram, Facebook und Messenger, erreichte im ersten Quartal 2025 eine Milliarde monatliche Nutzer. Schneller als jede andere KI-Plattform. ChatGPT brauchte dafür fast zwei Jahre, Meta schaffte es in 18 Monaten.
Der Trick ist kein technologischer. Meta hat seine KI in Apps eingebettet, die bereits Milliarden Menschen täglich nutzen. Kein neuer Download, kein Verhaltenswechsel nötig. In WhatsApp allein interagieren rund 630 Millionen Nutzer mit Meta AI. Das entspricht jedem dritten WhatsApp-Nutzer weltweit.
Meta AI ist der in WhatsApp, Instagram, Facebook und Messenger integrierte KI-Assistent von Meta. Er beantwortet Fragen, analysiert Bilder, fasst Texte zusammen und gibt Empfehlungen. Seit April 2026 läuft er auf dem Muse-Spark-Modell, seit Juli 2026 im Denkmodus auf Muse Spark 1.1. Die Nutzung ist kostenlos, ein Opt-in war nicht erforderlich.
Allerdings sind die täglichen aktiven Nutzer mit 40 Millionen eher bescheiden. Das heißt, viele probieren es aus, wenige kommen regelmäßig zurück. Meta AI ist überall, aber es ist bislang kein Produkt, für das Menschen bezahlen. Die KI-Preise der Konkurrenz zeigen, dass andere Anbieter längst Einnahmen generieren, während Meta seine KI verschenkt und hofft, dass sich das irgendwann in Werbeumsätzen niederschlägt.
Die Gegenrechnung sieht so aus. Mehr als 8 Millionen Werbetreibende nutzen inzwischen generative KI-Werkzeuge für ihre Meta-Anzeigen. Wer mit automatisch generierten Videos wirbt, erzielt laut Meta über 3 Prozent höhere Conversion-Raten. Das ist der tatsächliche Geschäftsmotor. Nicht der Chatbot, sondern die Maschine dahinter, die Werbung personalisiert.
Was das Ende von Open Source bedeutet
Der Schwenk von offen zu geschlossen ist mehr als eine strategische Entscheidung. Er verändert das Ökosystem. Tausende Entwickler, Startups und Forschungsgruppen haben auf Llama aufgebaut. Finetuning, RAG-Pipelines, lokale Deployments. All das funktioniert weiterhin mit den bestehenden Llama-Versionen, aber es wird keine Nachfolger mehr geben.
Zuckerbergs Begründung ist implizit, aber nachvollziehbar. Open Source hat Meta Reichweite gebracht, aber keinen Vorsprung. Jeder konnte Llama nehmen und etwas Besseres daraus bauen. Das Modell wurde zur Commodity, nicht zum Burggraben. Muse Spark soll beides sein, das beste Modell und ein exklusiver Wettbewerbsvorteil.
Ob das aufgeht, ist fraglich. OpenAI und Anthropic haben jahrelangen Vorsprung beim Aufbau proprietärer Infrastruktur. Google hat die Verteilung über Android und Chrome. Meta hat die Nutzerbasis, aber es muss erst beweisen, dass es Spitzenmodelle auch ohne die Hilfe der Open-Source-Community hinbekommt.
Was Muse Spark für dich als Nutzer bedeutet
Wenn du WhatsApp, Instagram oder Facebook nutzt, arbeitest du seit April 2026 mit Muse Spark, ohne es aktiv gewählt zu haben. Der Assistent steckt in der Suchleiste, im Nachrichtenverlauf, in den Bild-Tools. Eine Abmeldung ist nicht möglich, nur Ignorieren.
Datenschutzrechtlich ist das nicht unproblematisch. Jede Eingabe an Meta AI wird an Meta-Server übertragen, dort verarbeitet und gespeichert. Ein Widerspruchsrecht gibt es bislang nicht, wie die Verbraucherzentrale dokumentiert.
Die technische Qualität ist schwer einzuschätzen, weil unabhängige Tests noch rar sind. Was sich sagen lässt. Für schnelle Fragen im Messenger-Kontext funktioniert es ordentlich. Für tiefe Recherche, kreative Arbeit oder anspruchsvolles Coding gibt es bessere Optionen. Die Frage, was KI für unsere Zukunft bedeutet, hängt im Kern davon ab, ob die riesigen Plattformen oder die spezialisierten Anbieter das Rennen machen.
Meta wettet alles auf die eigene Größe. 3,56 Milliarden tägliche Nutzer über alle Apps hinweg. Wenn selbst nur ein Bruchteil davon regelmäßig mit der KI interagiert, ist das ein Datenstrom, mit dem kein Konkurrent mithalten kann. Ob sich daraus tatsächlich ein überlegenes Modell trainieren lässt oder nur bessere Werbealgorithmen, wird sich zeigen.
Zuckerberg wollte ein Superintelligence Lab und ein Grundgesetz für die KI der Zukunft. Bislang steht ein Obstkorb im Regal, Avocado, Mango, Wassermelone, und die Wette, dass daraus irgendwann mehr wird als teures Kompott. (lk)
