Meta hat das erste Modell der neuen Produktfamilie vorgestellt – Muse Spark

Meta Platforms kündigte die Einführung von Muse Spark an, seinem neuen fortschrittlichen KI-Modell, mit dem das Unternehmen direkt mit Giganten wie OpenAI, Google und Anthropic konkurrieren will. Das Unternehmen gab bekannt, dass dieses System Teil seiner neuen Modellfamilie „Muse“ ist, die mit dem Ziel entwickelt wurde, sich der sogenannten künstlichen Superintelligenz anzunähern – einem Stadium, in dem Maschinen die kognitiven Fähigkeiten des Menschen übertreffen könnten.

Muse Spark ist nur der erste Schritt innerhalb von Meta Superintelligence Labs, der Abteilung, die gegründet wurde, um Systeme zu entwickeln, die in der Lage sind, die menschliche Umwelt umfassend zu verstehen.

Das Vorhaben ist ehrgeizig: Meta plant, in diesem Jahr bis zu 135 Milliarden Dollar in künstliche Intelligenz zu investieren – fast doppelt so viel wie im Jahr 2025.

Was ist Muse Spark?

Muse Spark ist das erste Modell für künstliche Intelligenz, das unter der Leitung von Alexandr Wang, dem Leiter der KI-Abteilung bei Meta, entwickelt wurde, nachdem das Unternehmen mehrere Milliarden Dollar in Scale AI investiert hatte.

Dieses Modell, das zuvor unter dem Namen Avocado bekannt war, markiert den Beginn einer neuen technologischen Strategie bei Meta, die darauf abzielt, gegenüber der Konkurrenz wieder Boden gut zu machen.

Die Ankündigung hatte unmittelbare Auswirkungen auf den Markt: Die Meta-Aktie stieg nach der Bekanntgabe um bis zu 9 %, was das Vertrauen der Anleger in die KI-Strategie des Unternehmens widerspiegelt.

Wie funktioniert Muse Spark?

Muse Spark zeichnet sich durch die Integration fortschrittlicher multimodaler Schlussfolgerungsfähigkeiten aus, was bedeutet, dass es sowohl Text als auch Bilder gleichzeitig verarbeiten und verstehen kann.

Zu den wichtigsten Funktionen gehören:

• Fortschrittliche Schlussfolgerungen in Echtzeit
• Native visuelle Interaktion
• Nutzung externer Tools
• Koordination mehrerer KI-Agenten
• Visualisierung von Gedankengängen

Um dies zu erreichen, hat Meta Techniken wie bestärkendes Lernen und Test-Time-Reasoning integriert, mit dem Ziel, die Effizienz des Modells zu maximieren.

Darüber hinaus gibt das Unternehmen an, dass das System ähnliche Aufgaben wie sein Vorgängermodell Llama 4 Maverick ausführen kann, jedoch mit geringeren Rechenanforderungen.