Meta har altid v\u00e6ret open source-fork\u00e6mperen i AI-krigen. Llama-modellerne blev downloadet millioner af gange, og hele startup-\u00f8kosystemer byggede p\u00e5 dem. Men den 8. april 2026 \u00e6ndrede alt sig: Meta lancerede Muse Spark, den f\u00f8rste model fra det nye Superintelligence Labs under ledelse af Alexandr Wang. Og den er lukket. Fuldst\u00e6ndig propriet\u00e6r.<\/p>\n\n\n\n
Det er et strategisk skifte der fortjener mere opm\u00e6rksomhed, end det har f\u00e5et. For det handler ikke bare om en ny model. Det handler om, at den virksomhed der i tre \u00e5r har defineret open source-AI, nu vender ryggen til sin egen filosofi.<\/p>\n\n\n\n
Historien starter i juni 2025, da Meta brugte 14,3 milliarder dollars p\u00e5 at k\u00f8be 49% af Scale AI og hente stifteren Alexandr Wang ind som Metas f\u00f8rste Chief AI Officer. Wang fik frie h\u00e6nder til at bygge Meta Superintelligence Labs (MSL) fra bunden: ny infrastruktur, ny arkitektur, nye data-pipelines. Ni m\u00e5neder senere er resultatet Muse Spark, internt kaldt “Avocado”.<\/p>\n\n\n\n
Hvor Llama 4 brugte en Mixture-of-Experts-arkitektur med \u00e5bne v\u00e6gte, er Muse Spark en helt anderledes st\u00f8rrelse. Modellen er nativt multimodal, hvilket betyder at tekst, billede og tale er integreret fra dag \u00e9t. Det er ikke vision boltet ovenp\u00e5 bagefter, som vi har set hos mange konkurrenter. Den underst\u00f8tter tool-use, visuel chain-of-thought-r\u00e6sonnering og multi-agent-orkestrering med op til 262.000 tokens kontekst.<\/p>\n\n\n\n
Metas egne benchmarks placerer Muse Spark som nummer fire p\u00e5 Artificial Analysis Intelligence Index v4.0 med en score p\u00e5 52, bag Gemini 3.1 Pro Preview og GPT-5.4 (begge 57) og Claude Opus 4.6<\/a> (53). Ikke i top, men t\u00e6t nok til at t\u00e6lle.<\/p>\n\n\n\n Hvor Muse Spark faktisk overg\u00e5r konkurrenterne er p\u00e5 visuel forst\u00e5else. P\u00e5 CharXiv Reasoning, der tester figur- og diagramforst\u00e5else fra billeder, scorer Muse Spark 86,4 i sin “Contemplating”-tilstand. Til sammenligning scorer Gemini 3.1 Pro 80,2 og GPT-5.4 82,8. Det er et markant forspring p\u00e5 et omr\u00e5de der bliver stadigt vigtigere for enterprise-applikationer.<\/p>\n\n\n\n Meta fremh\u00e6ver ogs\u00e5 sundhedsr\u00e6sonnering som et fokusomr\u00e5de. Over 1.000 l\u00e6ger har kurateret tr\u00e6ningsdata specifikt til medicinsk r\u00e6sonnering, og p\u00e5 HealthBench Hard scorer modellen 42,8%. Det lyder lavt, men benchmarket er designet til at v\u00e6re ekstremt sv\u00e6rt.<\/p>\n\n\n\n En af de mere interessante tekniske detaljer er det Meta kalder “thought compression”. Under reinforcement learning bliver modellen straffet for at bruge for mange tokens p\u00e5 r\u00e6sonnering. Resultatet er en model der t\u00e6nker mere effektivt. Meta h\u00e6vder at Muse Spark rammer Llama 4 Maverick-niveau med over ti gange mindre compute. Hvis det holder, er det en reel ingeni\u00f8rm\u00e6ssig bedrift, ikke bare en benchmarking-\u00f8velse.<\/p>\n\n\n\n Det er v\u00e6rd at bem\u00e6rke forskellen p\u00e5 denne tilgang og den vi ser hos f.eks. Claude Opus 4.7<\/a>, hvor Anthropic i stedet tilbyder brugeren kontrol over, hvor meget modellen t\u00e6nker via “effort”-niveauer. Metas tilgang bager optimeringen ind i modellen selv.<\/p>\n\n\n\n Og s\u00e5 er vi ved det store sp\u00f8rgsm\u00e5l. Meta har i tre \u00e5r positioneret sig som open source-alternativet til OpenAI og Google. Llama-modellerne var ikke perfekte, og Llama 4 blev bredt kritiseret da den udkom i april 2025, men de gav udviklere og virksomheder et reelt alternativ til de lukkede API’er.<\/p>\n\n\n\n Nu er Muse Spark lukket. Meta siger der er “h\u00e5b om at open source-udgive fremtidige versioner”, men det er vage formuleringer. Der er ingen konkret tidsplan, og det er uklart om det betyder at Muse Spark selv bliver \u00e5bnet, eller om der kommer en separat open-weight-gren.<\/p>\n\n\n\n For de virksomheder og udviklere der har bygget p\u00e5 Llama, er signalet bekymrende. Ikke fordi Meta skylder dem noget. Men fordi det understreger en grundl\u00e6ggende risiko ved at bygge p\u00e5 andres velvilje: platformens strategi kan \u00e6ndre sig, og s\u00e5 st\u00e5r du med en afh\u00e6ngighed du ikke kontrollerer.<\/p>\n\n\n\n Som Mozilla Thunderbolt<\/a>-projektet viser, er der stadig akt\u00f8rer der satser helhjertet p\u00e5 open source-AI. Men n\u00e5r den st\u00f8rste open source-spiller i feltet skifter kurs, siger det noget om de \u00f8konomiske realiteter. At tr\u00e6ne frontier-modeller koster milliarder, og det er sv\u00e6rt at retf\u00e6rdigg\u00f8re overfor aktion\u00e6rer at give resultatet v\u00e6k.<\/p>\n\n\n\n Praktisk set er Muse Spark endnu ikke tilg\u00e6ngelig via offentlig API. Den er i “private preview” for udvalgte partnere, og gratis at bruge i Meta AI-appen, dog med rate limits. For danske virksomheder der overvejer at integrere modellen, er der alts\u00e5 ingen adgang endnu.<\/p>\n\n\n\n Det bredere budskab er: diversific\u00e9r dine AI-afh\u00e6ngigheder. Hvis du har bygget hele din stak p\u00e5 Llama, er det nu et godt tidspunkt at evaluere alternativer. Mistral Medium 3 med \u00e5bne v\u00e6gte og EU AI Act-compliance er et oplagt europ\u00e6isk alternativ. Gemma 4 under Apache 2.0 er en anden solid mulighed. Og selvf\u00f8lgelig er der de propriet\u00e6re API’er fra Anthropic, OpenAI og Google, hvis du alligevel betaler for adgang.<\/p>\n\n\n\n Muse Spark er en teknisk kompetent model. Men den virkelige historie handler om magt, kontrol og hvem der bestemmer spillereglerne i AI-\u00f8kosystemet. Meta har skiftet side. Og det b\u00f8r alle der arbejder med AI tage bestik af.<\/p>\n\n\n\n Meta dropper open source med Muse Spark, deres f\u00f8rste lukkede AI-model under Alexandr Wang. Hvad betyder det for udviklere og AI-\u00f8kosystemet?<\/p>\n","protected":false},"author":1,"featured_media":1258,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[8],"tags":[31],"class_list":["post-1259","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai","tag-language-models"],"acf":[],"_links":{"self":[{"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/posts\/1259","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/comments?post=1259"}],"version-history":[{"count":2,"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/posts\/1259\/revisions"}],"predecessor-version":[{"id":1264,"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/posts\/1259\/revisions\/1264"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/media\/1258"}],"wp:attachment":[{"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/media?parent=1259"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/categories?post=1259"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/vittrup-graversen.dk\/index.php\/wp-json\/wp\/v2\/tags?post=1259"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}“Thought compression”: T\u00e6nk mere med f\u00e6rre tokens<\/h2>\n\n\n\n
Det virkelige sp\u00f8rgsm\u00e5l: Hvad sker der med open source?<\/h2>\n\n\n\n
Hvad betyder det for danske udviklere?<\/h2>\n\n\n\n
Kilder<\/h2>\n\n\n\n
\n