Metas Muse Spark Open startet bei Fireworks mit Serverless-Betrieb nur in den USA

20. Oktober 2026Quelle: Fireworks AI

Fireworks AI bietet Metas Open-Weights-Modell Muse Spark Open vom ersten Tag an auf seiner Serverless-Plattform an. Es läuft ausschließlich auf Kapazität in den USA und ohne US-Aufpreis. Laut Fireworks führt das Modell mit 816 Milliarden Parametern ein Leaderboard für juristische Agenten an und hält bei Finanz- und klinischen Aufgaben gegen deutlich größere, proprietäre Konkurrenten gut mit.

Das Wichtigste in Kürze

Fireworks bietet Metas Muse Spark Open vom ersten Tag an auf Serverless-Kapazität nur in den USA und ohne US-Aufpreis an.
Das Modell hat 816 Milliarden Parameter, 42 Milliarden davon aktiv pro Token, und ein Kontextfenster von 1 Million Token.
Im Harvey Legal Agent Benchmark von Vals AI liegt es mit 25,4 % auf Platz eins von 75 Modellen, Claude Opus 5 kommt auf 6,7 %.
Im AA-Omniscience liegt die Halluzinationsrate bei 33 %, bei Claude Opus 5.5 sind es 59 %.
Zero Data Retention ist der Standard, Feinabstimmung ist über serverloses LoRA-Training möglich.

Großes Mixture-of-Experts-Modell für lange Sitzungen

Muse Spark Open ist laut Fireworks ein Mixture-of-Experts-Modell mit 816 Milliarden Parametern, von denen pro Token 42 Milliarden aktiv sind, und einem Kontextfenster von 1 Million Token. Das Unternehmen erklärt, es sei für langfristige Coding- und Agentenaufgaben gedacht, die über sehr lange Sitzungen hinweg konsistent bleiben müssen.

Fireworks bezeichnet es als eines der leistungsfähigsten US-Open-Weights-Modelle bislang und als das stärkste Open-Weights-Modell, das man für regulierte professionelle Anwendungen gesehen habe. Das Modell wurde in den USA trainiert und entwickelt, und Fireworks betreibt es standardmäßig mit Zero Data Retention.

Ergebnisse bei juristischen, finanziellen und klinischen Aufgaben

Fireworks hebt regulierte Bereiche hervor, in denen es besonders auf Genauigkeit ankommt. Die Zahlen stammen von unabhängigen Prüfern und aus dem hauseigenen Specialized Intelligence Index von Fireworks, bei dem alle Modelle im selben Testaufbau laufen.

Recht: Im Leaderboard von Vals AI für Harveys Legal Agent Benchmark belegt Muse Spark Open mit 25,4 % den ersten von 75 Plätzen, fast das Vierfache von Claude Opus 5 (6,7 %).
Finanzen (Rogo): Im Big Finance Bench von Rogo schlug es in den Läufen von Fireworks Claude Opus 5.5 auf jeder Schwierigkeitsstufe. Bei den schwierigsten Aufgaben lag es knapp vor GPT-6 Astra (17,3 % zu 16,5 %) und erzielte mehr als das 2,5-Fache von Opus 5.5 (6,6 %).
Finance Agent: Im Finance Agent v2 von Vals AI kam es auf 60,6 % und lag damit innerhalb eines Punkts von Gemini 3.8 Flash, bei rund 60 % niedrigeren Kosten pro Test.
Klinische Dokumentation: Bei Vals MedScribe erreichte es 90,1 % und lag innerhalb eines Punkts von Claude Opus 5 (91,0 %), bei 75 bis 83 % niedrigeren Token-Preisen.

Rogo meldete einen eigenen Lauf im Big Finance Bench, einem Set aus 928 realen Fragen zu Finanz-Workflows. Dort erzielte Muse Spark Open 53,3 %, das beste Open-Weights-Modell in der Rangliste und vor Claude Opus 5 mit 49,2 %. Fireworks weist darauf hin, dass die Drittanbieter-Ergebnisse von Vals AI und Artificial Analysis mit Metas API-Version des Modells gemessen wurden.

Gängige Benchmarks und Validierung

Im AA-Omniscience von Artificial Analysis liegt die Halluzinationsrate des Modells bei 33 % und damit unter der von Claude Opus 5.5 (59 %) und GPT-6 Astra (51 %). Fireworks führt das darauf zurück, dass das Modell bei Unsicherheit die Antwort verweigert, statt zu raten.

Beim agentischen Coding kommt Muse Spark Open nach Metas eigenen Auswertungen auf 82,9 % im Terminal-Bench 2.1 und liegt damit vor GPT-5.6 Terra und Grok 4.5. Jedes Modell wurde dort in seinem eigenen Agenten-Setup getestet.

Fireworks ließ die finalen Open-Weights-Gewichte außerdem durch seine Validierungssuite für den Launch auf dem produktiven Serving-Stack laufen. Das Modell erreichte 91,1 % bei AIME26, 89,7 % bei GPQA Diamond und 84,3 % bei SWE-bench Verified und blieb beim Bildverständnis mit OCRBench und MMMU Pro über 80 %. Dieselben Gewichte auf SGLang, einer Open-Source-Inferenz-Engine, lieferten übereinstimmende Werte. Fireworks mahnt zur Vorsicht: Agentische Ergebnisse hingen vom Testaufbau ab und seien nicht direkt mit den von Meta berichteten Zahlen vergleichbar.

Nutzung und Bedeutung für Entwickler

Muse Spark Open ist ab sofort über die Serverless-API von Fireworks auf Kapazität ausschließlich in den USA verfügbar, ohne US-Aufpreis. Teams können für Produktions-Workloads auf reservierten Durchsatz umsteigen und das Modell mit der Serverless Training API feinabstimmen. Aktuelle Preise nennt Fireworks auf der Modellseite, Unterstützung gibt es über Fireworks Lab.

Für Unternehmen aus Recht, Finanzwesen und Gesundheitswesen, die in den USA entwickelte Open-Weights-Modelle suchen, verbindet die Veröffentlichung Datenspeicherung nach Standardvorgabe mit anpassbaren Gewichten. Von Fireworks zitierte Kunden, darunter Rogo, Filevine, Factory und Decagon Labs, beschreiben das Modell als Grundlage für Anpassung und Post-Training. Die meisten der herausgestellten Zahlen stammen vom Anbieter oder aus eigenen Läufen von Fireworks, weshalb Teams das Modell besser an den eigenen Workloads testen sollten.