Die Geschichte von Meta AI — Volltext

Vorbemerkung (Methodik)

Diese Chronik folgt dem gleichen Anspruch wie die übrigen Geschichten dieses Projekts: Fakten werden belegt, Unsicherheit wird benannt, und Tatsachen werden von Deutung getrennt. Quellenpriorität: Primärquellen (Meta AI Blog, Meta Newsroom, SEC-Filings, arXiv, Unternehmensmeldungen) > seriöse Presse (Reuters, CNBC, The Verge, TechCrunch, Bloomberg, VentureBeat, NYT, WSJ) > Sekundärquellen (nur ergänzend). Benchmark-Zahlen werden als Momentaufnahme behandelt, sofern sie nicht aus offiziellen technischen Reports oder unabhängig reproduzierten Tests stammen.

Legende: ✅ Faktum (belegt) · 🟡 teilweise belegt / vorsichtig zu lesen · 🔵 Interpretation.

Ein roter Faden: Meta ist das Schwergewicht, das seine eigene DNA umbauen musste, um mitzuhalten. Aus dem akademisch-offenen FAIR-Labor und dem Open-Weight-Vorreiter der Llama-Ära wurde 2025/26 ein Konzern, der seine KI-Organisation radikal zentralisierte, sehr große Compute- und Talentbudgets mobilisierte und mit Muse Spark ein geschlossenes Frontier-Modell aus Meta Superintelligence Labs vorlegte. Das ist kein einfacher Wechsel von „offen“ zu „geschlossen“, sondern ein Spannungsfeld aus Open-Science-Erbe, source-available Llama-Lizenz, Produktdistribution über Milliarden Nutzer und proprietärem Frontier-Wettbewerb.

Teil I — FAIR & die Open-Science-DNA (2013–2022)

1.1 Yann LeCun und die Gründung von FAIR

✅ Im Dezember 2013 gründete Facebook das Labor Facebook AI Research (FAIR) und holte den Deep-Learning-Pionier Yann LeCun von der NYU. LeCun (2018 gemeinsam mit Geoffrey Hinton und Yoshua Bengio Turing-Award-Träger) prägte FAIR als universitätsnahes, publikationsfreudiges Labor mit Standorten in Menlo Park, New York, Paris, London u. a. Genau diese akademische DNA wurde später zum Keim eines Strategiekonflikts: Forschungsoffenheit und Publikationskultur auf der einen Seite, Frontier-Produktdruck und proprietäre Modelle auf der anderen.

Quellen: TechCrunch – LeCun heads Facebook AI Lab · Facebook Engineering – FAIR partnership program

1.2 PyTorch — Metas größter Beitrag zur Branche

✅ 2017 veröffentlichte FAIR PyTorch als Open-Source-Deep-Learning-Framework. Es wurde rasch zum Standard in Forschung, Lehre und Industrie; 2018 folgte PyTorch 1.0 als stärker produktionsreife Version. Nach der Umbenennung von Facebook zu Meta (Oktober 2021) firmierte das Labor als Fundamental AI Research — das Akronym FAIR blieb.

🔵 PyTorch ist Metas nachhaltigster KI-Beitrag: Die halbe KI-Welt baut bis heute darauf. Dieses Open-Source-Erbe erklärt, warum Metas spätere Closed-Weight-Wende so stark auffällt.

Quellen: Facebook Engineering – PyTorch 1.0 · PyTorch Blog – developer tools

1.3 Jenseits von Llama: Segmentation, Multimodalität und Weltmodelle

✅ Vor und neben den LLMs baute Meta eine starke multimodale Forschungslinie auf. Wichtige Meilensteine:

Segment Anything / SAM (April 2023): ein Foundation Model für Bildsegmentierung mit dem SA-1B-Datensatz (über 1 Mrd. Masken auf 11 Mio. Bildern).
ImageBind (Mai 2023): ein Modell, das Repräsentationen über sechs Modalitäten verbindet.
V-JEPA (Februar 2024): ein Video-Modell auf Basis von Yann LeCuns Joint-Embedding-Predictive-Architecture-Idee, gedacht als Schritt Richtung Weltmodelle.
SAM 2 (Juli 2024): ein einheitliches Segmentierungsmodell für Bilder und Videos, inklusive Echtzeit-Tracking.
Movie Gen (Oktober 2024): Medien-Foundation-Modelle für Text-zu-Video, Audio, Editing und Personalisierung.
V-JEPA 2 (Juni 2025): ein 1,2B-Parameter-Weltmodell für visuelles Verstehen, Vorhersage und Zero-Shot-Roboterplanung.

🔵 Diese Reihe fehlte bisher in der Chronik. Ohne sie wirkt Meta zu sehr wie ein reiner Llama-Anbieter. Tatsächlich war Meta AI immer auch Computer-Vision-, Multimodal- und Weltmodell-Forschung.

Quellen: Meta AI – Segment Anything · Meta AI – ImageBind · Meta AI – V-JEPA · Meta Newsroom – SAM 2 · Meta Research – Movie Gen · Meta AI – V-JEPA 2

Teil II — Die Llama-Ära (2023–2025)

2.1 LLaMA und der Leak (Februar/März 2023)

✅ Am 24. Februar 2023 kündigte Meta LLaMA an (7B/13B/33B/65B) — zunächst für Forschung, nicht für kommerzielle Nutzung. Schon Anfang März 2023 wurden die Gewichte über Torrent verbreitet und entfachten die Open-Weight-Debatte schlagartig: Teile der Community feierten die freie Verfügbarkeit, Sicherheitsexperten warnten vor unkontrollierter Verbreitung.

Quellen: arXiv – LLaMA paper · The Verge – LLaMA leak

2.2 Llama 2 — die kommerzielle Open-Weight-Wende (Juli 2023)

✅ Am 18. Juli 2023 veröffentlichte Meta gemeinsam mit Microsoft Llama 2 (7B/13B/70B) und gab es für kommerzielle Nutzung frei. Damit positionierte sich Meta als wichtigster Open-Weight/source-available-Akteur im LLM-Markt und gewann enorme Sympathien in der Entwicklergemeinde.

🟡 Wichtig ist die Begriffsgenauigkeit: Llama 2 war offen verfügbar und kommerziell nutzbar, aber wegen Lizenzbeschränkungen nicht „Open Source“ im strengen OSI-Sinn.

🔵 Llama wurde zur Basis vieler Ableger und Feintunings — Metas eigentliches Distributions- und Einflussinstrument im offenen Ökosystem.

Quellen: Meta AI – Llama 2 · Ars Technica – Llama 2 license debate

2.3 Llama 3, Meta AI und Llama 3.1 405B (2024)

✅ Llama 3 erschien am 18. April 2024 mit 8B- und 70B-Modellen. Gleichzeitig machte Meta den Assistenten Meta AI deutlich sichtbarer: eingebunden in WhatsApp, Instagram, Facebook, Messenger und auf meta.ai, gebaut auf Llama 3.

✅ Am 23. Juli 2024 folgte Llama 3.1 mit 8B, 70B und dem Flaggschiff 405B. Das 405B-Modell machte Meta erstmals zu einem ernsthaften Open-Weight-Konkurrenten proprietärer Systeme und gilt als Meilenstein der offenen Modellbewegung.

Quellen: Meta AI – Llama 3 · Meta Newsroom – Meta AI assistant built with Llama 3 · Meta AI – Llama 3.1

2.4 Meta AI wird Produktplattform (2025)

✅ Am 29. April 2025 startete Meta eine eigenständige Meta AI App. Sie verband Personalisierung, Sprachinteraktion, Discover-Feed und eine Companion-Funktion für Meta-AI-Brillen; die Weboberfläche meta.ai bekam parallele Funktionen. Meta beschrieb die App als auf Llama 4 gebaut.

🔵 Das ist ein wichtiger Meilenstein, weil Meta nicht nur Modelle veröffentlicht, sondern diese in ein enormes Produkt- und Social-Graph-Ökosystem schiebt. Distribution ist bei Meta kein Nebenschauplatz, sondern strategischer Kern.

Quellen: Meta Newsroom – Introducing the Meta AI app

2.5 Llama 4 und der Benchmark-Skandal (April 2025)

✅ Am 5. April 2025 erschienen die ersten Llama-4-Modelle als Mixture-of-Experts: Scout (17B aktiv / 109B gesamt, 10M-Token-Kontext) und Maverick (17B aktiv / 400B gesamt, 1M-Kontext), nativ multimodal. Angekündigt, aber Stand September 2026 nicht veröffentlicht: Behemoth (2 Bio. gesamt / 288B aktiv).

🟡 Der Launch wurde von einem Benchmark-Streit überschattet: Meta reichte beim LMArena-Leaderboard eine experimentelle, speziell optimierte Maverick-Variante ein. Später wurde deutlich, dass diese nicht dem öffentlich bereitgestellten Modell entsprach; LMArena verschärfte daraufhin seine Einreichungsregeln. Die konkreten Rangplätze einzelner Nachtests sind Momentaufnahmen.

Quellen: Meta AI – The Llama 4 herd · The Register – Llama 4 benchmark controversy · Neowin – Maverick retest

2.6 Behemoth auf Eis & der EU-Ausschluss (2025)

✅ Behemoth wurde mehrfach verschoben und Stand September 2026 nicht veröffentlicht. Offiziell ist keine Absage belegt; Berichte nennen Zweifel am Leistungssprung, während Meta Behemoth weiter als „Teacher Model“ für Scout/Maverick rahmte. Parallel veröffentlichte Meta die multimodalen Llama-4-Modelle nicht in der EU: Die Lizenz schließt in der EU ansässige Organisationen aus, begründet mit regulatorischer Unsicherheit.

🔵 Die Llama-Lizenz war ohnehin nie „Open Source“ im Sinne der OSI: Nutzerschwellen, geografische und inhaltliche Beschränkungen. Der EU-Ausschluss machte diese Einschränkungen sichtbar.

Quellen: Computerworld – Behemoth on pause · ioplus.nl – EU von Llama 4 ausgeschlossen · Simon Willison – Llama and the EU AI Act

Teil III — Strategiewechsel & Meta Superintelligence Labs (2025)

3.1 Der Talentkrieg und die Scale-AI-Wette (Juni 2025)

✅ Im Juni 2025 begann Zuckerberg, KI-Forscher persönlich zu rekrutieren; mehrere Medien berichteten über außergewöhnlich hohe Vergütungspakete. Am 12. Juni 2025 kündigte Scale AI eine neue Unternehmensphase an: CEO Alexandr Wang wechselte zu Meta, während Jason Droege Scale als Interim-CEO übernahm. Parallel wurde Metas 14,3-Mrd.-USD-Investment in Scale AI berichtet; Wang wurde Chief AI Officer von Meta.

🔵 Die Struktur als Investment statt Vollübernahme war strategisch: Meta bekam Wang, Daten-/Evaluierungsnähe und Scale-Know-how, ohne eine klassische Übernahme zu erklären.

Quellen: Scale AI – Company evolution · CNBC – Scale founder Wang exits for Meta · Meta – Alexandr Wang, CAIO · WSJ – Recruiting push

3.2 Gründung von Meta Superintelligence Labs (30. Juni 2025)

✅ Am 30. Juni 2025 verkündete Zuckerberg die Meta Superintelligence Labs (MSL). Wang wurde Chief AI Officer; Nat Friedman (Ex-GitHub-CEO) übernahm eine zentrale Produkt-/Applied-Rolle. MSL bündelte Foundation Models, Produkte, FAIR und Infrastruktur enger unter einer Superintelligence-Strategie. Im August 2025 wurde MSL in Gruppen wie TBD Lab, FAIR, Products & Applied Research und MSL Infra gegliedert.

🔵 Damit wurde FAIR nicht einfach abgeschafft, aber organisatorisch in eine härter produkt- und frontierorientierte Struktur eingebettet.

Quellen: CNBC – Zuckerberg memo on MSL · Bloomberg – MSL restructuring

3.3 Entlassungen und der Abgang von Yann LeCun (Okt.–Nov. 2025)

✅ Im Oktober 2025 strich MSL rund 600 Stellen, vorwiegend in FAIR, Produkt- und Infrastrukturteams; TBD Lab blieb Berichten zufolge verschont. Im November 2025 wurde bekannt, dass Yann LeCun Meta verlassen und AMI Labs aufbauen würde, ein auf Weltmodelle ausgerichtetes Startup. Im März 2026 meldeten mehrere Quellen eine Seed-Runde über rund 1,03 Mrd. USD bei etwa 3,5 Mrd. USD Vorbewertung 🟡.

🔵 Der Schritt war symbolisch groß: Ausgerechnet der Open-Science-Pionier LeCun verließ die Organisation in dem Moment, in dem Wang/TBD Lab und MSL das neue Zentrum der KI-Strategie wurden.

Quellen: TechCrunch – Meta cuts 600 AI jobs · TechCrunch – LeCun plans to leave Meta · TechCrunch – AMI Labs seed round · Tech.eu – AMI Labs funding

3.4 Der Talentkrieg hält an (2026)

✅ Auch ein Jahr nach der Scale-AI-Wette bleibt die Personalfront in Bewegung — weiterhin in beiden Richtungen. Am 24. August 2026 bestätigte Axios den Wechsel von Luke Metz zu Meta Superintelligence Labs: Metz, ein prominenter OpenAI-Forscher, hatte OpenAI 2024 Richtung Mira Muratis Thinking Machines verlassen, war Anfang 2026 zu OpenAI zurückgekehrt und startete nun bei Meta.

🔵 Der Zugang zeigt zweierlei: Metas Anwerbemaschine läuft trotz der internen Turbulenzen weiter — und der Talentkrieg ist längst ein Kreislauf, in dem dieselben Köpfe zwischen OpenAI, Thinking Machines und Meta rotieren.

Quellen: Axios/Yahoo – Meta hires OpenAI veteran Luke Metz

Teil IV — Muse Spark, der proprietäre Bruch & die teilweise Öffnung (2026)

4.1 Muse Spark — das erste MSL-Modell (8. April 2026)

✅ Am 8. April 2026 stellte Meta Muse Spark vor, das erste Modell der neuen Muse-Reihe aus Meta Superintelligence Labs. Axios berichtete, der interne Codename sei Avocado gewesen. Meta selbst beschreibt Muse Spark als Ergebnis eines neunmonatigen Neuaufbaus des AI-Stacks: klein und schnell im Design, mit Reasoning-Fähigkeiten für u. a. Wissenschaft, Mathematik und Gesundheit, multimodaler Wahrnehmung, visueller Coding-Hilfe und der Fähigkeit, mehrere Subagenten zu starten. Muse Spark treibt die Meta-AI-App und meta.ai an; am 12. Mai 2026 aktualisierte Meta die Ankündigung um den Rollout in WhatsApp, Instagram, Facebook, Messenger und AI-Brillen.

🟡 Nicht belastbar genug sind bisher genaue Modellparameter, Gewichtszugang, Trainingsdaten, eine „Thought Compression“-Mechanik oder konkrete Token-Einsparungen gegenüber Claude. Diese Angaben tauchten in Sekundärberichten auf, waren aber in Metas offizieller Ankündigung nicht als technische Spezifikation auffindbar. Deshalb wurden sie aus der harten Faktendarstellung entfernt.

🔵 Der Bruch: Muse Spark ist zum Start closed-weight und nur über Meta-Produkte bzw. eine private API-Vorschau verfügbar. Meta signalisierte zwar, künftige Versionen teilweise wieder offenlegen zu wollen, aber Muse Spark markiert klar den proprietären Frontier-Pfad innerhalb von MSL.

Quellen: Meta Newsroom – Introducing Muse Spark · Axios – Meta debuts Muse Spark · TechCrunch – Meta debuts Muse Spark · Bloomberg – first AI model from MSL

4.2 Benchmark-Einordnung: vorsichtiger lesen

🟡 Muse Spark wurde in Presse und externen Leaderboards als deutlicher Schritt nach vorn, aber nicht als eindeutiger State-of-the-Art-Durchbruch eingeordnet. Axios formulierte ausdrücklich, Muse Spark sei nicht die neue SOTA-Spitze, könne aber in bestimmten Aufgaben konkurrenzfähig sein. Da Meta keinen vollständigen technischen Report, keine Gewichte und keine reproduzierbaren Benchmark-Details veröffentlicht hat, sollten konkrete Intelligence-Index-Zahlen oder Vergleiche mit GPT, Gemini und Claude nur als flüchtige externe Momentaufnahmen erscheinen.

🔵 Die Botschaft ist deshalb nüchterner als zuvor: Muse Spark zeigt, dass Meta den Rückstand verkürzen will, beweist aber noch nicht, dass MSL die Frontier-Führung erreicht hat. Als nächster möglicher Multimedia-Schritt wurde in Berichten „Mango“ erwähnt 🟡; belastbare offizielle Details stehen auch Stand September 2026 aus.

Quellen: Axios – Meta Muse Spark · TechCrunch – Mango/Muse reporting · CNBC – Wall Street on Muse Spark

4.3 Die Muse-Kadenz (Juli–September 2026)

✅ Nach dem April-Start beschleunigte MSL die Release-Frequenz deutlich — drei Flaggschiff-Versionen in acht Wochen:

Muse Spark 1.1 (9. Juli 2026): agentische Werkzeugnutzung, Computer Use, parallele Subagenten und 1-Mio.-Token-Kontext. Zugleich startete die neue, OpenAI-kompatible Meta Model API als Public Preview — zunächst nur für US-Entwickler, mit aggressivem Preis ($1,25/$4,25 pro Mio. Token). Damit war 1.1 Metas erstes kostenpflichtiges Modell; in der Meta-AI-App lief es als „Thinking“-Modus. Meta veröffentlichte eigene Benchmark-Charts (u. a. MCP Atlas 88,1), aber keine Parameter, keinen Knowledge-Cutoff und keine EU-Zusagen.
Muse Spark 1.2 & Muse Code (5. August 2026): das erste kommerzielle Produkt der Einheit, die Wang nach dem ~14,3-Mrd.-USD-Scale-Deal aufgebaut hatte. Dazu Muse Code, Metas erster Terminal-Coding-Agent (Beta, macOS/Linux, asynchrone Hintergrund-Agenten). Die API öffnete sich mit „expanded global access“; ein Contributor-Tarif ($0,10/$0,20) machte die Nutzung rund zwölfmal billiger — im Tausch gegen die Trainingsnutzung von Prompts und Outputs. Artificial Analysis wies 1.2 mit Index 57 aus (externe Momentaufnahme).
Muse Spark 1.3 (2. September 2026): laut Meta rund 20 % weniger Tool-Calls und 25 % weniger Token als 1.2 bei unverändertem Preis; multimodale Eingabe, 1M-Kontext, Rückfragen bei unklaren Inputs statt Raten. Wang sagte, das Coding liege über GPT-5.6 Sol und auf Augenhöhe mit Claude Fable 5.1 — die Scorecard erschien jedoch nur als Diagramm ohne Zahlen. Max-Reasoning-Modi sollen erst nach zusätzlichen Sicherheitstests folgen.

🟡 Parallel berichteten Medien im Juli 2026 von „Watermelon“, dem internen Codenamen des nächsten großen MSL-Modells: Wang soll intern gesagt haben, es habe GPT-5.5 in Benchmarks eingeholt — ohne benannte Benchmarks oder veröffentlichte Ergebnisse. Offiziell ist das unbestätigt.

🔵 Die Kadenz selbst ist die Nachricht: MSL arbeitet wie ein Produktteam, nicht wie ein Forschungslabor. Die Belege für die Leistungssprünge bleiben aber überwiegend Hersteller-Charts; die EU-Verfügbarkeit der API ist von Meta nicht bestätigt, DSGVO-Zusagen fehlen.

Quellen: SQ Magazine – Muse Spark 1.1 · CNBC/Yahoo – Muse Spark 1.2 & Muse Code · Layer3 Labs – Muse Spark 1.2 pricing tiers · BuildFastWithAI – Muse Spark 1.3 · IT之家 – Muse Spark 1.3 (Wang-Statement) · innFactory – Modell-Übersicht Meta · Vasundhara – Watermelon (Berichtslage)

4.4 Muse Glimmer — die teilweise Rückkehr zu offenen Gewichten (10. August 2026)

✅ Am 10. August 2026 veröffentlichte MSL Muse Glimmer: ein dichtes 30B-Modell, aus Muse Spark 1.2 destilliert, multimodal (Text, Bild, Video bis 2 fps), für „always-on local agentic workflows“ — lauffähig auf einer einzigen Consumer-GPU (18–20 GB in 4-Bit). Entscheidend ist die Lizenz: Apache 2.0, OSI-anerkannt, ohne Umsatzdeckel, ohne Nutzer-Obergrenze und ohne den EU-Ausschluss der Llama-4-Community-License — permissiver als jede Llama-Lizenz, die Meta je nutzte. Zuckerberg begleitete den Release mit einem Essay („Rather than centralizing superintelligence, we should distribute it widely …“), und Meta kündigte an, auch die Gewichte von Muse Spark selbst offenzulegen — Stand September 2026 ohne Datum.

🟡 Die Leistung ist umstritten: Metas eigene Benchmarks (SWE-Bench Verified 76,0, MCP Atlas 75,5) stehen unabhängigen Messungen gegenüber, die deutlich schwächer ausfallen (Artificial Analysis Intelligence Index 35, hohe gemessene Halluzinationsrate). Glimmer ist eine Destillation, kein Flaggschiff — Metas bestes Modell bleibt geschlossen und abgerechnet.

🔵 Strategisch ist Glimmer die Antwort auf den härtesten Vorwurf gegen die Muse-Wende: dass Meta das offene Ökosystem verraten habe, das es mit Llama selbst aufgebaut hatte. Die teilweise Öffnung entschärft den Konflikt, löst ihn aber nicht — solange das Flaggschiff closed-weight bleibt, ist das Verhältnis von offen und proprietär eine Zweiklassenstruktur: offen für das Kleine, geschlossen für die Spitze.

Quellen: MarkTechPost – Muse Glimmer release · InfoQ – Muse Glimmer open weights · Futurum – Meta reopens its models · innFactory – Muse Glimmer (Lizenz & Messungen)

4.5 Muse Image & Muse Voice — die Familie wächst

✅ Am 7. Juli 2026 stellte MSL mit Muse Image sein erstes eigenes Bildgenerierungs-Modell vor — eingebunden in Meta AI, Instagram Stories und WhatsApp, mit angekündigter Ausweitung auf Facebook, Messenger und die Advantage+-Werbewerkzeuge; ein Muse Video ist in Entwicklung. Der Launch wurde zur Privatsphäre-Probe: Ein @-Mention-Feature erzeugte standardmäßig Bilder aus den öffentlichen Instagram-Fotos anderer Nutzer (Opt-out statt Opt-in); nach Protest u. a. von CAA und SAG-AFTRA zog Meta die Funktion nach rund 72 Stunden zurück und ergänzte einen Opt-out-Schalter.

✅ Am 1. September 2026 folgte Muse Voice Transcribe, MSLs erstes Echtzeit-Audiomodell: Streaming-Spracherkennung, Sprecher-Diarisierung (20+ Sprecher) und Endpointing in einem einzigen Modell, trainiert auf 70+ Sprachen. Meta nennt 3,1 % WER bei 0,16 s Latenz; verfügbar über Meta Model API, Meta AI für Mac und Muse Code. Closed-weight.

🔵 Beide Launches zeigen dieselbe Logik: Die Muse-Familie wird zur Vollsortiment-Plattform (Text, Code, Bild, Stimme) — und jede Produkttiefe in Meta-Apps erzeugt sofort Einwilligungs- und Datenschutzfragen, weil die Distribution über Milliarden Nutzer standardmäßig aktiviert wird.

Quellen: Alphamatch – Muse Image privacy controversy · Truescho – @-Mention-Rückzug · The Decoder – Muse Voice Transcribe · explainX – Muse Voice Transcribe

Teil V — Infrastruktur, Compute & Kapital

✅ Zuckerberg kündigte mehrere Multi-Gigawatt-Rechenzentren an: Prometheus (über 1 GW, geplanter Betrieb ab 2026) und Hyperion (Louisiana, initial etwa 2 GW, perspektivisch bis 5 GW). Mit AMD schloss Meta im Februar 2026 eine 6-GW-KI-Infrastrukturvereinbarung über MI450-basierte Custom-GPUs; erste Lieferungen sollen in der zweiten Jahreshälfte 2026 beginnen. Das diversifiziert Metas Compute-Strategie weg von reiner NVIDIA-Abhängigkeit.

✅ Kapital: Laut Meta lag der Capex 2025 bei 72,2 Mrd. USD; für 2026 hob Meta die Prognose auf 125–145 Mrd. USD an. Im Q1 2026 erzielte Meta 56,31 Mrd. USD Umsatz und 26,77 Mrd. USD Nettogewinn. Meta meldete außerdem 3,56 Mrd. Family Daily Active People im März 2026.

🔵 Metas strukturelle Stärke ist die Kombination aus Werbe-Cashflow, massiver Compute-Finanzierung und Distribution über Milliarden Nutzer. Diese Hebel können kurzfristige Benchmark-Rückstände mittelfristig relativieren.

✅ Q2 2026 (29. Juli 2026): Meta meldete 60,8 Mrd. USD Umsatz (+28 %), verfehlte aber erstmals nach vier Beat-Quartalen die Gewinnerwartung deutlich (GAAP-EPS 6,18 USD) — getrieben u. a. von 2,4 Mrd. USD Rechtskosten und 1,18 Mrd. USD Abfindungskosten; der freie Cashflow fiel um rund 91 % auf 784 Mio. USD. Die Capex-Prognose 125–145 Mrd. USD wurde bestätigt. Zwei strategische Nebensätze wogen schwer: Meta kündigte „Meta Compute“ an (Verkauf überschüssiger KI-Rechenkapazität an externe Kunden) und wies erstmals eine Umsatzlinie für die Muse-Spark-API aus.

🔵 Der Q2-Print zeigt die Asymmetrie der Meta-Wette: Die Werbemaschine wächst weiter zweistellig, aber Capex, Rechtskosten und Umbau fressen den Cashflow. „Meta Compute“ wäre der Einstieg in ein Cloud-Geschäft — und würde die Gigawatt-Cluster vom Kostenblock zum Umsatzträger machen.

Quellen: Digital Applied – Meta Q2 2026 · AIToolsRecap – Q2 2026, Capex & Meta Compute

Quellen: TechCrunch – Prometheus and Hyperion · AMD SEC filing – Meta 6GW agreement · Meta Investor Relations – Q1 2026 results

Teil VI — Kontroversen, Recht & Regulierung

✅ Urheberrecht: Recherchen und Gerichtsunterlagen legen nahe, dass Meta beim Llama-Training Material aus LibGen nutzte, einer illegalen Buchbibliothek. Autorinnen und Autoren wie Sarah Silverman, Ta-Nehisi Coates und Richard Kadrey klagten. Im Juni 2025 errang Meta in einem separaten Fair-Use-Punkt einen wichtigen Sieg, die rechtliche Lage blieb aber nicht erledigt: Im Mai 2026 folgte eine Klage von Scott Turow und fünf großen Verlagen: Elsevier, Cengage, Hachette, Macmillan und McGraw Hill.

🔵 Der Konflikt besteht aus zwei Ebenen: erstens die Fair-Use-Frage des Modelltrainings, zweitens Vorwürfe rund um Beschaffung, Torrenting oder Verbreitung urheberrechtlich geschützter Werke. Die zweite Ebene macht die Fälle für Meta besonders heikel.

✅ Governance: Meta veröffentlichte im Februar 2025 ein Frontier AI Framework und aktualisierte es im April 2026. Es beschreibt, wie Meta Modellveröffentlichungen anhand von Risiken etwa in Cybersecurity sowie chemischen/biologischen Missbrauchsszenarien bewertet. Muse Spark verweist ebenfalls auf verschärfte Sicherheits- und Risikoprozesse.

✅ Privacy-by-Default: Der Muse-Image-Launch (Juli 2026) zeigte die Kehrseite von Metas Distributionsmacht: Das @-Mention-Feature nutzte öffentliche Instagram-Fotos anderer Nutzer standardmäßig als Bildvorlage — Opt-out statt Opt-in. Nach Protest u. a. von CAA und SAG-AFTRA zog Meta die Funktion nach rund 72 Stunden zurück; Meta räumte ein, das Feature habe „missed the mark“. Kritik blieb an fehlender rückwirkender Löschung generierter Bilder.

✅ Agentic-Safety: Am 5. August 2026 gab Meta bekannt, dass Muse Spark 1.1 bei einer externen Cybersicherheits-Evaluierung des Partners Irregular durch eine fehlkonfigurierte Testumgebung Internetzugang erhalten und eine reale Schwachstelle bei einem Drittunternehmen ausgenutzt hatte. Irregular sprach von einem Konfigurationsfehler — nicht von einem Sandbox-Escape durch das Modell; Meta kündigte an, Testumgebungen künftig unabhängig auf Isolation prüfen zu lassen. Es war binnen Wochen der dritte vergleichbare Vorfall bei einem Frontier-Labor (nach OpenAI/Hugging Face und dem UK-AISI-Fall) — eher ein Branchen-Datenpunkt zu abgesicherten Eval-Sandboxes als ein Meta-Einzelproblem.

Quellen: Alphamatch – Muse Image controversy · Truescho – @-Mention-Rückzug · SQ Magazine – Cyber-Eval-Vorfall · MIT SMR India – testing error

Quellen: Authors Guild – Meta and LibGen · TechCrunch – Judge sides with Meta in copyright case · Hachette – publishers and authors file lawsuit · AP – publishers sue Meta · Meta Newsroom – Frontier AI Framework

Teil VII — Einordnung & Wettbewerbsposition

🔵 Metas Geschichte lässt sich in vier Thesen bündeln:

Von Open Science zu Open Weight zu Closed Frontier — und teilweise zurück. FAIR und PyTorch waren echtes Open-Science-/Open-Source-Erbe; Llama war ein Open-Weight/source-available-Vorreiter; Muse Spark ist der closed-weight Frontier-Schritt. Mit Muse Glimmer (Apache 2.0) und der angekündigten Spark-Gewichte-Öffnung kehrt Meta seit August 2026 teilweise zu offenen Gewichten zurück — als Zweiklassenstruktur: offen für die Destillation, geschlossen für die Spitze.
Geld schlägt nicht automatisch Qualität. Mit bis zu 145 Mrd. USD Capex 2026, sehr aggressiver Talentstrategie und der Scale-AI-Wette ist Meta einer der finanzstärksten Spieler. Muse Spark zeigt Fortschritt, aber noch keinen klar belegten Frontier-Sieg.
Distribution ist Metas Sondervorteil. Facebook, Instagram, WhatsApp, Messenger, meta.ai und AI-Brillen geben Meta einen Produktkanal, den kaum ein reines Modelllabor besitzt.
Die alte FAIR-DNA ist nicht weg, aber sie ist nicht mehr das Zentrum. SAM, V-JEPA, Movie Gen und PyTorch zeigen die Tiefe der Forschungskultur. MSL/TBD Lab zeigt, dass die Strategie nun stärker auf Frontier-Leistung, Produktintegration und proprietäre Kontrolle ausgerichtet ist.

Offene Fragen: Behemoth-Status (nicht erschienen, keine offizielle Absage); Existenz/Termin und technische Rolle von „Mango“; Existenz und Termin des berichteten „Watermelon“-Flaggschiffs 🟡; Datum der angekündigten Muse-Spark-Gewichte-Öffnung; EU-Verfügbarkeit und DSGVO-Zusagen der Meta Model API; technische Specs und Parameter der Muse-Spark-Linie; Ausgang der Urheberrechtsklagen; Tiefe der Scale-AI-Integration; Reproduzierbarkeit externer Benchmark-Zahlen (Hersteller-Charts vs. unabhängige Messung).

Quellenverzeichnis

Letzte Aktualisierung: 6. September 2026 (Muse-Kadenz 1.1/1.2/1.3, Muse Glimmer, Muse Image/Voice, Q2 2026, Cyber-Eval-Vorfall nachgezogen). Momentaufnahme; bei neuen MSL-Modellen (Behemoth, Mango, „Watermelon“), der angekündigten Spark-Gewichte-Öffnung, Benchmark-Updates oder Gerichtsentscheidungen fortzuschreiben.