Offene Gewichte als Strategie: Meta, Nvidia und Black Forest Labs rüsten auf

Berlin, 16. Oktober 2026 – Nach einer Phase, in der vor allem geschlossene Spitzenmodelle die Schlagzeilen bestimmten, rücken offene Gewichte wieder in den Mittelpunkt. Meta, Nvidia und das Freiburger Start-up Black Forest Labs haben binnen Stunden neue Modelle veröffentlicht, deren Gewichte sich herunterladen und lokal betreiben lassen.

Meta kehrt zu offenen Gewichten zurück

Nach der Llama-Reihe kehrt Meta mit Muse Spark Open ins Feld der Modelle mit offenen Gewichten zurück. Das Modell hat 816 Milliarden Parameter, von denen pro Token 42 Milliarden aktiv sind, ein Kontextfenster von bis zu einer Million Token und verarbeitet Text, Bild, Video und Audio.^[The Decoder – Muse Spark Open is Meta's answer to Qwen, GLM, and Kimi in the open-weight race – url: https://the-decoder.com/muse-spark-open-is-metas-answer-to-qwen-glm-and-kimi-in-the-open-weight-race/]

Meta bezeichnet es laut Bericht als leistungsfähigstes offenes US-Modell und sieht es auf Benchmarks wie JobBench, MCP-Atlas, HLE-Diamond und ZeroBench in mehreren Kategorien vor Qwen 3.8, GLM 5.3 und Kimi K3 – bleibt aber klar hinter Metas bezahlten Muse-Wonder-Full-Modellen zurück.^[The Decoder – Muse Spark Open is Meta's answer to Qwen, GLM, and Kimi in the open-weight race – url: https://the-decoder.com/muse-spark-open-is-metas-answer-to-qwen-glm-and-kimi-in-the-open-weight-race/]

Optimiert ist Muse Spark Open für Apples M5 Ultra und läuft nach Angaben Metas lokal auf zwei Mac Studios mit je 512 GB Unified Memory; die Gewichte liegen auf Hugging Face. Die Lizenz ist kostenlos, verlangt aber das Label „Built with Muse Spark Open". Wer mehr als 20 Millionen Dollar pro Jahr umsetzt und das Modell als API-Dienst anbieten will, braucht eine eigene Vereinbarung.^[The Decoder – Muse Spark Open is Meta's answer to Qwen, GLM, and Kimi in the open-weight race – url: https://the-decoder.com/muse-spark-open-is-metas-answer-to-qwen-glm-and-kimi-in-the-open-weight-race/]

Nvidia beschreibt die Architektur: Ein Mixture-of-Experts-Ansatz aktiviert über Top-8-Routing aus 256 Experten 42 der 816 Milliarden Parameter pro Token; trainiert wurde auf Nvidias GB300 NVL72. Das Millionen-Token-Fenster solle ein ganzes Projekt samt Abhängigkeiten, Altcode und tausenden Dateien aufnehmen, ohne die Aufgabe zu zerteilen. Mit NVFP4-Checkpoints seien bis zu 50.000 Token pro Sekunde pro GPU und bis zu 600 Token pro Sekunde pro Nutzer möglich.^[NVIDIA – Scale Agentic Coding Workflows with Meta's Muse Spark Open on NVIDIA GB300 NVL72 – url: https://developer.nvidia.com/blog/scale-agentic-coding-workflows-with-metas-muse-spark-open-on-nvidia-gb300-nvl72/]

Eine Koalition für den Dauerbetrieb

Nvidia veröffentlicht parallel Nemotron 3.5 Super VL, ein offenes multimodales Modell mit 120 Milliarden Parametern, von denen pro Token zwölf Milliarden aktiv sind. Zwei kompaktere Bolt-Varianten sollen Agenten auf lokale Rechner bringen: eine stark komprimierte Fassung für Systeme ab 24 GB Speicher und eine spätere 4-GB-Version für Sprachassistenten.^[The Decoder – Nvidia's Nemotron 3.5 Super VL is an open model built to run enterprise AI agents nonstop – url: https://the-decoder.com/nvidias-nemotron-3-5-super-vl-is-an-open-model-built-to-run-enterprise-ai-agents-nonstop/]

Entwickelt wurde das Modell mit der „Nemotron Coalition", zu der Mistral AI, Thinking Machines Lab, Perplexity und Black Forest Labs zählen. Es ist aus dem größeren Nemotron 3 Ultra destilliert und soll dessen Genauigkeit bei rund einem Fünftel der Parameter erreichen; in Agenten-Tests von Hermes und LangChain sowie auf den Coding-Benchmarks SWE-bench und Terminal-Bench schneide es besser ab als der Vorgänger.^[The Decoder – Nvidia's Nemotron 3.5 Super VL is an open model built to run enterprise AI agents nonstop – url: https://the-decoder.com/nvidias-nemotron-3-5-super-vl-is-an-open-model-built-to-run-enterprise-ai-agents-nonstop/] Auf einer einzelnen GPU erreiche es nach Nvidias Angaben bis zu fünfmal den Durchsatz vergleichbarer offener Modelle derselben Größenklasse.^[NVIDIA – NVIDIA Nemotron 3.5 Super VL Powers Specialized Agents with Multimodal Reasoning – url: https://developer.nvidia.com/blog/nvidia-nemotron-3-5-super-vl-powers-specialized-agents-with-multimodal-reasoning/] Der Haken: Alles ist auf Nvidias eigene Hardware optimiert – wer das Beste herausholen will, kauft Nvidia-Chips.^[The Decoder – Nvidia's Nemotron 3.5 Super VL is an open model built to run enterprise AI agents nonstop – url: https://the-decoder.com/nvidias-nemotron-3-5-super-vl-is-an-open-model-built-to-run-enterprise-ai-agents-nonstop/]

Bildgenerierung auf dem Laptop

Einen anderen Weg geht Black Forest Labs. Das Freiburger Unternehmen hat mit FLUX 3 Image Klein ein Bildmodell mit offenen Gewichten vorgestellt: 5,6 Milliarden Parameter, native 4K-Ausgabe, pixelgenaue Bearbeitung und Erzeugung mit bis zu zehn Referenzbildern. Im internen Test erziele es die höchsten Elo-Werte aller offenen Modelle und schlage geschlossene Konkurrenten wie Ideogram V4.5 sowie das eigene FLUX.2 [pro]; gegenüber FLUX.2 [klein] lege es 91 Elo-Punkte zu, obwohl es 38 Prozent weniger Parameter hat.^[The Decoder – Black Forest Labs' open-weights image model FLUX 3 Image Klein runs on consumer GPUs with just 8 GB of VRAM – url: https://the-decoder.com/black-forest-labs-open-weights-image-model-flux-3-image-klein-runs-on-consumer-gpus-with-just-8-gb-of-vram/]

Eine INT8-Version läuft auf Nvidia-GPUs mit nur 8 GB VRAM und erzeugt auf einer RTX 4070 ein Bild in unter neun Sekunden. Die Gewichte stehen unter der FLUX Kommunity License, die für Firmen mit weniger als fünf Millionen Dollar Jahresumsatz kostenlos nutzbar ist; über die BFL-API kostet die Erzeugung 0,009 Dollar pro 1.000 Bilder.^[The Decoder – Black Forest Labs' open-weights image model FLUX 3 Image Klein runs on consumer GPUs with just 8 GB of VRAM – url: https://the-decoder.com/black-forest-labs-open-weights-image-model-flux-3-image-klein-runs-on-consumer-gpus-with-just-8-gb-of-vram/]

Offenheit als Kalkül

Das Geschäft hinter den offenen Gewichten bleibt ambivalent. Während Meta und Nvidia Offenheit als Vertriebsargument nutzen, meldet das geschlossene Lager Rekordzahlen: Anthropic hat Investoren mitgeteilt, dass der Umsatz im dritten Quartal auf 16,8 Milliarden Dollar gestiegen ist – nach rund 4,8 Milliarden im ersten und 11,5 Milliarden im zweiten Quartal. Zugleich hat das Unternehmen das „Destillation" genannte Abschöpfen eigener Modellausgaben durch Konkurrenten eingedämmt, das zuletzt fünf bis sieben Prozent des Umsatzes ausmachte.^[Simon Willison – Anthropic tells investors quarterly revenue up nearly 50% to $16.8bn ahead of IPO – url: https://simonwillison.net/2026/Oct/15/anthropic-tells-investors/]

Die drei Neuvorstellungen zeigen, dass offene Gewichte längst kein Nischenphänomen mehr sind: Sie sind Werkzeug im Wettbewerb um Hardware, Cloud-Kapazität und Entwickler. Wer sein Modell kostenlos abgibt, verkauft am Ende Rechenzeit, Chips oder Abonnements.