Meta kündigt die Veröffentlichung der brandneuen KI-Modelle Muse Wonder und des leistungsstärkeren Wonder Full an und behauptet, deren Fähigkeiten hätten die branchenführende Spitzenklasse erreicht. Laut den von Meta veröffentlichten Testdaten haben diese beiden Modelle in mehreren Fähigkeitstests bereits das Niveau von Fable 5.1, Opus 5.5 und GPT-6 Astra erreicht und schneiden bei bestimmten Benchmarks für Agenten und Wissensarbeit sogar leicht besser ab. Dieser Schritt erfolgt zu einem Zeitpunkt, da Anthropic und OpenAI nacheinander die Branche aufforderten, die Entwicklung von KI-Großmodellen an der technologischen Grenze zu verlangsamen.
Fähigkeiten von Metas neuen KI-Modellen erreichen branchenführende Spitzenklasse
Als Hintergrund: Nachdem Metas im April vergangenen Jahres veröffentlichtes Llama-4-Großmodell gescheitert war, reorganisierte Zuckerberg das Entwicklungsteam großflächig und holte den damals 28-jährigen Wang Tao als Chief AI Officer an Bord. Im April dieses Jahres veröffentlichte das neu formierte Meta Superintelligence Lab sein erstes Modell Muse Spark, das auf niedrige Latenz und leichtgewichtigen Betrieb ausgelegt war. In den folgenden Monaten iterierte Meta das Spark-Modell mehrfach, bis das in dieser Woche vorgestellte Wonder-Modell schließlich die branchenführende Spitzenklasse erreichte.
Erwähnenswert ist, dass Zuckerbergs Vision einer „persönlichen Superintelligenz“ sich deutlich von dem AGI unterscheidet, das die beiden anderen Giganten anstreben. Die beiden Fähigkeiten, die Meta Wonder diesmal betont, sind „proaktives Gedächtnis“ und „anhaltender Fokus“. Erstes ermöglicht es dem Modell, wichtigen Kontext über Gespräche hinweg zu bewahren und bei neuen Aufgaben proaktiv relevante Informationen abzurufen; zweites sorgt dafür, dass das Modell bei komplexen Zielen kontinuierlich vorankommt, bei Hindernissen alternative Wege ausprobiert und den Plan anhand neuer Informationen anpasst.
Zuckerberg betont Sicherheit von KI-Technologie und Branchen-Selbstdisziplin
Dies entspricht auch einem praktischen Bedarf persönlicher KI-Assistenten: Nutzer müssen ihre Situation nicht jedes Mal neu schildern, und der Assistent kann auch Aufgaben fortsetzen, die mehrere Interaktionsrunden erfordern. Zu den von Meta vorgestellten Beispielen gehören die Erstellung eines Laufplans über Apps hinweg basierend auf persönlichen Vorlieben, das Design und die Bestellung personalisierter Geschenke mithilfe echter Fotos von der persönlichen Social-Media-Seite sowie die Anordnung der Hochzeitssitzplätze gemäß komplexer Zuordnungsanforderungen.
In Metas internem MemoryBench-Test erzielte Muse Wonder 85,6 Punkte, höher als GPT-6 Astra mit 81,4 und Opus 5.5 mit 81,5. Der Test verlangt vom Modell, Schlüsselinformationen aus mehrrundigen Dialogen mit 64.000 bis 100.000 Tokens Länge wiederzufinden, während es gleichzeitig irrelevanten Störeinflüssen sowie widersprüchlichen oder nachträglich aktualisierten Informationen standhalten muss. In puncto Programmierung betont Meta, dass das Modell Projektanforderungen nachverfolgen, Code-Repositories modifizieren und kontinuierlich Tests und Revisionen durchführen könne.
Die veröffentlichten SWE-Marathon-Ergebnisse zeigen, dass Wonder Full in dem Benchmark für extrem langwierige Software-Engineering-Aufgaben eine Erfolgsquote von 57,5 % erreichte, Wonder 53,1 %, beide höher als die drei Vergleichsmodelle. Mit steigenden Modellfähigkeiten ziehen auch die Preise an. Muse Wonder wird über die API nutzungsbasiert abgerechnet: Pro Million Tokens kosten normale Eingabe, Cache-Eingabe und Ausgabe jeweils US$4 (ca. HK$31), US$0,20 (ca. HK$2) und US$20 (ca. HK$156); das stärkere Wonder Full wird über das Programmierwerkzeug Muse Code bereitgestellt und ist in den monatlichen Abonnements für US$50 (ca. HK$390) und US$200 (ca. HK$1.560) enthalten.
Bei der Präsentationsveranstaltung am Montag deutete Zuckerberg an, dass Meta die Investitionen weiter erhöhen werde, und erklärte, das Unternehmen „bereite bereits den nächsten Schritt vor“. Er fügte hinzu, dass das Tempo der künftigen Modellentwicklung „sich spürbar beschleunigen könnte“. Angesichts der wachsenden externen Sorge, die Entwicklungsgeschwindigkeit dieser Technologie könne sie außer menschliche Kontrolle geraten lassen, zeigt sich Zuckerberg unbeeindruckt. Er vertritt die Auffassung, dass die Verantwortung für die Modellsicherheit bei den einzelnen Laboren liegen sollte, und sagte: „Ich neige eher dazu zu glauben, dass KI eine Technologie ist, die durch konventionelle Sicherheitsvorkehrungen gestaltet werden kann, und nicht jene anthropomorphen KI-Vorstellungen.“
Zuckerberg hatte sich zuvor gegen den Appell von KI-Laborchefs wie Dario Amodei von Anthropic und Sam Altman von OpenAI ausgesprochen, die die gesamte Branche aufforderten, die KI-Entwicklung zu „verlangsamen“. Er spielte eine Schlüsselrolle bei der Ausarbeitung des „Superintelligence Accord“ des Weißen Hauses unter US-Präsident Trump, der Prinzipien der Branchen-Selbstdisziplin festlegte.
Zuckerberg enthüllte im Technologie-Podcast Cheeky Pint an jenem Tag einige Hintergründe der Neuordnung von Metas KI-Team. Zuckerberg berichtete, dass er bei einer Führungskräftesitzung Ende vergangenen Jahres Wang Tao gefragt habe, ob er sicher sei, dass ein Erfolg eintreten würde, falls das Unternehmen als Nächstes 100 oder 200 Milliarden Dollar investiere. Wang Tao erinnerte sich, dass er damals nur einen „Stimmungsbericht“ über den Forschungsfortschritt habe geben können, nicht aber sicher sagen, ob es gelingen würde.
Zudem verriet Zuckerberg, dass der Betrieb eines Gigawatt-Rechenzentrums jährlich rund 150 Milliarden Dollar koste, während die vorab anfallenden Bau-Capex bei etwa 500 bis 600 Milliarden Dollar lägen. Zur Frage, wie sich die massiven KI-Investitionen amortisieren ließen, erklärte Zuckerberg, Meta plane, durch kostenlose oder günstige Dienste die Nutzerbasis von Muse zu vergrößern, mehr Partner für die Anbindung zu gewinnen und so Netzwerkeffekte zu erzeugen. Auf dieser Basis könne das Unternehmen über Premium-Funktionsabonnements, Umsatzbeteiligungen bei Geschäftsdiensten, Modell-APIs und Enterprise-Services monetarisieren.
Er sagte: „Wenn Sie Muse Wonder sofort in Muse nutzen wollen, müssen Sie lediglich ein kostenpflichtiges Abonnement abschließen. Ich glaube, das wird ein großes Geschäft.“