LONDON (IT BOLTWISE) – Muse Spark Open stellt Gewichte eines neuen, offen verfügbaren KI-Modells für Desktop-Nutzung bereit. Das nativ multimodale System ist auf Coding und agentische Workflows ausgelegt und soll lange Planungsschritte besonders gut abdecken. Betreiber können die 816B-Variante mit 1M-Token Kontextfenster über MLX direkt lokal betreiben. Für die Performance nennt der Hersteller außerdem optimierte Helion-Kernel und mehrere Inferenz-Engines.
Mit Muse Spark Open liefert der Hersteller ein Open-Weight-Modell, das den Fokus spürbar von „nur Text“ hin zu dauerhaft nutzbaren Desktop-Agenten verlagert. Im Zentrum steht ein nativ multimodales System mit 816B Gesamtparametern, davon 42B aktiv, sowie einem 1M-Token-Kontextfenster. Für Unternehmen und Entwickler ist vor allem die Kombination aus großem Kontext und agentischer Ausrichtung relevant: Solche Modelle müssen nicht nur Informationen aus langen Projektständen aufnehmen, sondern auch mehrere Schritte konsistent koordinieren – vom Erstellen von Code über Tests bis zur iterativen Korrektur.
Technisch adressiert Muse Spark Open genau dieses „Long-Horizon“-Profil. Laut Veröffentlichung ist das Modell auf Coding und agentische Arbeit optimiert und zielt damit auf Aufgaben, bei denen die Qualität stark davon abhängt, ob Zwischenschritte sauber geplant und über eine längere Sequenz hinweg nachvollzogen werden. Dass die Modellgewichte als Open-Weights bereitgestellt werden, senkt dabei die Hürde für eigene Anpassungen: Entwickler können das Modell über PyTorch-basierte Workflows weiter tunen und anschließend je nach Zielplattform mit unterschiedlichen Inferenzpipelines ausspielen.
Auf der Hardware-Seite ist die Botschaft klar auf Apple Silicon zugeschnitten. Muse Spark Open soll als erstes Modell seiner Klasse auf einem Desktop-Setup laufen, das aus zwei Apple M5 Ultra Mac Studios besteht – getrieben durch die aktuelle MLX-Implementierung. Entscheidend ist dabei Apples einheitliche Unified-Memory-Architektur: Laut Angaben kann der integrierte GPU-Teil pro Mac Studio bis zu 512 GB Unified Memory nutzen, sodass zwei Maschinen zusammen das Modell vollständig im Speicher halten können. Gleichzeitig nennt der Hersteller eine Speicherbandbreite von 1,2 TB/s, die aus seiner Sicht schnell genug ist, um pro Token die benötigten Speicherzugriffe zu bedienen; daraus wird die Zielsetzung abgeleitet, dass zwei Systeme wie ein „Supercomputer“-ähnliches Setup mit Terabyte Unified Memory funktionieren sollen.
Die Performance-Optimierungen sind dabei mehr als Marketing-Sprech. Für Inferenz über SGLang nennt der Hersteller custom, auto-tunable Helion GPU-Kernels, die laut eigener Benchmarks 1,03–3,95× Kernel-level Speedups auf NVIDIA- und AMD-GPUs ermöglichen. Zusätzlich wird ein 3% End-to-End-Speedup auf AMD MI350 genannt – ein Hinweis darauf, dass nicht nur Mikro-Benchmarks im Kernel zählen, sondern auch die durchgängige Laufzeit im End-to-End-Workflow verbessert wird. Gleichzeitig unterstützt das Ökosystem mehrere gängige Inferenz-Engines, darunter vLLM, TensorRT-LLM, Hugging Face Transformers, Apple MLX, llama.cpp und Unsloth; damit lässt sich das Modell in heterogene Toolchains integrieren, statt eine komplett neue Laufzeit aufzubauen.
Für die Praxis liefert die Veröffentlichung zwei konkrete Workflow-Beispiele, die zeigen sollen, wie agentische Nutzung auf dem Gerät aussehen kann. Genannt wird unter anderem, dass das System mit Muse Code (gestützt auf Muse Spark Open) reale iOS-Änderungen am Projekt Ice Cubes umsetzt: Dazu gehören Bugfixes, neue Features und ein vollständiger Build – offenbar so weit, dass ein Team die Änderungen direkt im Code-Lifecycle ausführen kann. Außerdem wird ein End-to-End-Editing-Workflow mit DaVinci Resolve beschrieben: Das Modell soll Footage frame-by-frame prüfen, die stärksten Momente identifizieren und anschließend vertikal cropen. Solche Beispiele sind besonders für Entwicklerteams relevant, die bisher stärker auf externe Agent-Plattformen gesetzt haben, weil sie nun lokale Automatisierung im Produktionsumfeld testen können.
Ein wichtiger Punkt für die Einordnung ist das Release- und Sicherheitskonzept rund um Open-Weights. Laut Veröffentlichung wurden die Ergebnisse entlang eines „Meta Superintelligence Scaling Framework“ evaluiert, das die jeweils „severesten Risiken“ abdeckt, und das Modell habe dabei die Schwellenwerte erreicht, die für die Freigabe im Rahmen des Frameworks erforderlich sind. Zudem gibt es „additional safety post-training“ speziell wegen der besonderen Überlegungen, die mit Open-Weights einhergehen. Die Details sollen im Model Card sowie in einem vollständigen Evaluation Report verfügbar sein; bis dahin bleibt die Erwartung vor allem, dass das Sicherheitsprofil nicht nur synthetisch beschrieben, sondern nachvollziehbar dokumentiert wird.
Ergänzend stellt der Hersteller den Zugang über mehrere Kanäle bereit. Die Gewichte sollen unter anderem über Amazon SageMaker AI, Google Cloud Model Garden, Hugging Face und Microsoft Foundry Models verfügbar sein, während das Modell für gehostete Inferenz auch bei mehreren Partnern angeboten wird. Für Entwickler, die lokal bleiben wollen, wird MLX als Ausführungsweg auf Apple Silicon hervorgehoben, mit dem Hinweis, dass die Gewichte direkt von Hugging Face gezogen werden. Für Anpassungen wird außerdem TorchTitan als Weg genannt, um ein eigenes Setup für den jeweiligen Use Case zu schaffen. Bei aller Offenheit gilt jedoch: Die tatsächliche Nutzererfahrung hängt stark von Speicherbudget, Token-Auslastung und der gewählten Inferenz-Engine ab – gerade bei 1M-Token-Kontext, der in der Praxis schnell zu hohen Anforderungen an RAM- und KV-Cache-Verhalten führt.
Für den Markt bedeutet die Kombination aus Open-Weights, multimodaler Ausrichtung und lokaler Desktop-Bereitstellung eine klare Verschiebung: Teams bekommen eine Blaupause, wie agentische Workflows ohne permanenten Cloud-Betrieb getestet werden können, und sie können die Laufzeit selbst optimieren. Gleichzeitig steigt der Wettbewerb um die „beste“ Inferenz-Engine und die schnellste Kernel-Optimierung, weil genau diese Schichten bei großen Modellen den Unterschied zwischen „experimentell“ und „produktionsfähig“ machen. Wer in den kommenden Monaten Projekte mit lokaler KI-Entwicklung, Code-Agenten oder Multimedia-Assistenz plant, sollte vor allem die Passung zwischen Modell-Format, Torch/MLX-Stack und GPU-/Speicherprofil prüfen – denn Muse Spark Open zielt explizit darauf, dass diese Kette nicht nur funktioniert, sondern performant und skalierbar bleibt.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Muse Spark Open: neues Open-Weight-LLM für Coding und Agenten lokal auf Apple M5 Ultra" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Muse Spark Open: neues Open-Weight-LLM für Coding und Agenten lokal auf Apple M5 Ultra" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Muse Spark Open: neues Open-Weight-LLM für Coding und Agenten lokal auf Apple M5 Ultra« bei Google Deutschland suchen, bei Bing oder Google News!