Dazwischen liegt eine turbulente Phase. Mit der Llama-Reihe war Meta lange der wichtigste Anbieter offener Modelle, doch Llama 4 enttäuschte und geriet wegen geschönter Benchmark-Angaben in die Kritik, die größte Version der Reihe erschien nie. Zuckerberg baute die KI-Sparte daraufhin als Meta Superintelligence Labs neu auf, investierte Milliarden in den Datenanbieter Scale AI und in Abwerbungen von Spitzenforschern und organisierte die Einheit mehrfach um. Chefwissenschaftler Yann LeCun, über Jahre das Gesicht von Metas KI-Forschung, verließ das Unternehmen. Muse Glimmer ist nun das erste offene Modell der neuen Einheit.
Meta spielt wieder mit
Meta vergleicht Glimmer mit Googles Gemma4-31B und Alibabas Qwen3.6-27B, den beiden führenden offenen Modellen dieser Größenklasse. Das Ergebnis: Glimmer liegt in der Mehrzahl der Benchmarks vorn, vor allem bei agentischen Aufgaben wie Werkzeugnutzung, Websuche und der Arbeit mit langen Kontexten. Bei der Steuerung eines Computer-Desktops und bei Terminalaufgaben ist Qwen deutlich besser, bei multimodalen Aufgaben liegen alle drei Modelle gleichauf.
Unterm Strich heißt das: Meta ist in der Klasse der kleinen offenen Modelle wieder konkurrenzfähig, aber nicht überlegen. Wie immer bei herstellereigenen Benchmarks ist zudem Vorsicht angebracht. Meta hat die Vergleichswerte größtenteils selbst erhoben und räumt im Methodikbericht ein, dass die eigene Testumgebung nicht auf die Konkurrenzmodelle abgestimmt ist.
Gebaut für den Betrieb auf dem eigenen Gerät
In voller Präzision bräuchte das Modell über 55 GB Speicher. Meta komprimiert die Gewichte auf rund 4 Bit und drückt das Modell so unter 20 Gigabyte, womit es samt Bildverarbeitung in den Speicher aktueller Consumer-Grafikkarten und Macbooks passt. Ein zusätzliches kleines Hilfsmodell beschleunigt die Textausgabe laut Meta um bis zu das 3,1-Fache. Die Idee dahinter: Ein Agent, der Termine, Dateien und persönliche Nachrichten verwaltet, soll komplett auf dem eigenen Gerät laufen, ohne dass Daten in eine Cloud fließen.
Trainiert wurde Glimmer per Destillation aus Metas größerem Modell Muse Spark: Das kleine Modell lernt, die Ausgaben des großen nachzubilden. Das ist der übliche Weg, auf dem heute die meisten kompakten Modelle entstehen.
Zuckerberg verteidigt Destillation fremder Modelle, Amodei sieht sie als Bedrohung
Zum Release veröffentlichte Zuckerberg das Essay “The Future is for Everyone“, in dem er Metas Open-Source-Kurs grundsätzlich begründet. Seine Kernthese: Superintelligenz solle nicht bei wenigen Laboren liegen, sondern möglichst breit verteilt werden. Eine einzelne, wohlwollende Superintelligenz könne es nicht geben, Sicherheit entstehe durch ein Gleichgewicht vieler Akteure. Das gefährlichste Szenario sei, dass führende Labore ihre stärksten Modelle für sich behalten.
Bemerkenswert ist, wie deutlich Zuckerberg dabei die Destillation fremder Modelle verteidigt. Manche versuchten, sie als schädlich darzustellen, schreibt er, doch man müsse das Prinzip schützen, “dass man von allem lernen kann, was man beobachten kann”. Das zielt auf eine laufende Debatte: OpenAI und Anthropic werfen chinesischen Anbietern immer wieder vor, ihre Modelle unerlaubt als Lehrer benutzt zu haben, und Anthropic-Chef Dario Amodei warnt seit Langem vor offenen Modellen auf Spitzenniveau und fordert schärfere Exportkontrollen gegenüber China. Bei der Destillation werden die Ausgaben von Frontier-Modellen genutzt, um Trainingsdaten für verschiedene Trainingsabschnitte zu erzeugen. Unternehmen wie OpenAI sehen darin einen “free ride” für chinesische Labore und de facto einen Diebstahl, da sie hohe Summen in ihre Trainingspipeline investieren.
Zuckerberg vertritt die Gegenposition: Die USA sollten offene Modelle nicht beschränken, sondern dafür sorgen, dass die besten offenen Modelle aus Amerika kommen – auch mithilfe von Destillation. Auch bei den Trainingsdaten fordert er weniger Auflagen für US-Labore und verspricht im Gegenzug engere Zusammenarbeit mit der Regierung, etwa frühen Zugang zu Modellen für Sicherheitsprüfungen.
Dass ausgerechnet Meta so argumentiert, hat geschäftliche Gründe: Bei den leistungsstärksten Modellen liegt der Konzern hinter OpenAI und Anthropic zurück. Offene, breit verteilte Modelle sind derzeit der Bereich, in dem Meta eine führende Rolle beanspruchen könnte. Aktuell wird diese Rolle vorwiegend von den chinesischen Laboren gefüllt, die sich laut OpenAI und Anthropic an den Ausgaben ihrer Modelle bedienen.
Wie heikel das Thema ist, zeigte sich erst vor wenigen Wochen: Im Juni schränkte Meta laut The Information die Nutzung von Anthropics Claude Code und OpenAIs Codex durch die eigenen Ingenieure ein, damit deren Ausgaben nicht in Metas Trainingsdaten einfließen. Ein internes Memo warnte vor “ernsthaften Eskalationen mit Partnerunternehmen”. Zumindest rhetorisch dürfte diese Eskalation jetzt eingetreten sein.
Die offene Frage: Was bekommen Investoren für 600 Milliarden Dollar?
Für Anleger stellt sich unterdessen eine grundsätzlichere Frage. Meta plant laut WSJ allein in diesem Jahr bis zu 145 Milliarden US-Dollar an Investitionen, vor allem für Rechenzentren, bis 2028 sollen es 600 Milliarden werden. Dem stehen bislang keine direkten Erlöse gegenüber: Bei den stärksten Modellen liegt Meta hinter OpenAI und Anthropic zurück, ein API-Geschäft in vergleichbarer Größenordnung existiert nicht, und offene Modelle wie Glimmer bringen per Definition kein Lizenzgeschäft.
Wie ungeduldig die Börse geworden ist, zeigte der Juli: Als Zuckerberg im Earnings Call die Idee eines Cloud-Geschäfts anriss, mit dem Meta seine Rechenzentren direkt monetarisieren könnte, aber Details schuldig blieb, verkauften Investoren die Aktie ab. Kurz danach gestand Zuckerberg bei einem internen Townhall Schwächen im Konzernumbau ein.
Die Parallele zum Metaverse drängt sich auf. Auch damals kündigte er eine epochale Plattformwende an, benannte den Konzern um und versenkte über die Jahre einen zweistelligen Milliardenbetrag in der Reality-Labs-Sparte, ohne dass ein Massenmarkt entstand. Es gibt allerdings einen relevanten Unterschied: KI verbessert schon heute Metas Kerngeschäft, etwa Werbe-Targeting und Empfehlungssysteme, und die Nachfrage nach KI-Rechenleistung ist real, wie die Investitionswellen der gesamten Branche zeigen. Das Risiko liegt weniger darin, dass die Technologie ins Leere läuft, sondern darin, dass Meta massiv Infrastruktur für Modelle baut, die es anschließend verschenkt, während die Konkurrenz ihre Spitzenmodelle verkauft.
Eine Andeutung, wie Meta damit Geld verdienen will, versteckt sich in einem Nebensatz des Essays. Die kostenlosen Versionen sollen Milliarden Menschen erreichen, wer mehr Rechenleistung nutzen will, soll dafür zahlen, und zwar über einen “dynamischen Auktionsmechanismus”: Die Nachfrage bestimmt den Preis, und die knappe Kapazität der Rechenzentren fließt dorthin, wo die Zahlungsbereitschaft am höchsten ist.
Das Prinzip kennt Meta gut, denn nach derselben Logik funktioniert seit Jahren sein Werbegeschäft, eine der größten Auktionsmaschinen der Welt. Zuckerberg würde dessen Preismodell also auf Rechenleistung übertragen, was auch zu den Cloud-Überlegungen passt, die er im Juli andeutete. Mehr als eine Skizze ist das bislang aber nicht: kein Produkt, kein Zeitplan, keine Angabe, ob das für Endnutzer, Entwickler oder Unternehmen gelten soll.
Zuckerbergs Essay lässt sich damit auch als Antwort an die eigenen Investoren lesen: Wenn Meta das Rennen um das beste Modell nicht gewinnt, erklärt es die Verbreitung zum eigentlichen Ziel und die eigene Infrastruktur zum Produkt. Ein Plan, den in der Interpretation mancher Beobachter auch Google nach den jüngsten Umbrüchen in seiner KI-Abteilung Deepmind verfolgen könnte. Ob daraus ein Geschäftsmodell wird, das 600 Milliarden Dollar rechtfertigt, ist die Frage, die sich mit Zuckerbergs Philosophie allein nicht beantworten lässt.
