258cbc9a59
AgentStack Daily EP111 (04.09.2026) Voll-Ingest mit Transcript + Show Notes: - OpenClaw v2026.9.1 Release-Readout (Mermaid-Rendering, Quick-Start-Install, persönliche Skills auf geteilten Gateways, Updater-Rollback, Startup-Quarantäne, Allow-Always-Approvals) -> wiki/tools/openclaw.md (Release-Sektion + Stand-Header) - institution: agentstack-daily.md um EP111-Zeile + Verwandte-Seiten erweitert - ling-3.0-flash-fin.md (neu): Finance-MoE 124B/5,1B, 262.144 Kontext - muse-spark-meta-prompt-discount.md (neu): Meta ~95% Daten-Rabatt - mikrotik-crs804-4ddq-400gbe-switch.md (neu): Desktop-400GbE für lokale AI-Cluster - glm-5.3-z-ai.md: HF-Trending-Datapunkt EP111 ergänzt - index.md (192.) + log.md aktualisiert Sekundärquelle; OpenClaw-/Modell-Zahlen nicht unabhängig verifiziert (markiert).
47 lines
2.3 KiB
Markdown
47 lines
2.3 KiB
Markdown
---
|
|
created: 2026-09-08
|
|
updated: 2026-09-08
|
|
sources: [podcast/2026-09-08_agentstack-daily-ep111-openclaw-91.md]
|
|
tags: [concept, meta, muse-spark, agents, data-licensing, pricing, coding-agents, model]
|
|
---
|
|
|
|
# Meta Muse Spark — Agent-Modell mit 95 % Daten-Rabatt
|
|
|
|
> **Quelle:** AgentStack Daily EP111 (04.09.2026) nach einem TechCrunch-Bericht.
|
|
> Primärquelle: TechCrunch (Meta Muse Spark-Lancierung).
|
|
|
|
## Kernidee
|
|
|
|
**Muse Spark** ist ein AI-Modell von Meta, das auf Coding-Agents und andere autonome
|
|
Workflows ausgerichtet ist. Seine Besonderheit ist die Preisbildung: Kunden, die ihre
|
|
**Prompts und Modell-Ausgaben** für Metas Modellentwicklung freigeben, erhalten im
|
|
Schnitt einen Rabatt von **~95 %** (also ungefähr ein Zwanzigstel des regulären Preises).
|
|
|
|
Der Trade ist explizit: Die Beiträge trainieren künftige Meta-Modelle; im Gegenzug
|
|
zahlt man deutlich weniger. Für hochvolumige Agent-Workloads wird hochwertiges
|
|
Trainingssignal erzeugt (Task-Instruktionen + Code-/Tool-Calls als Ausgabe).
|
|
|
|
## Einordnung / Governance-Kosten
|
|
|
|
- **Daten-Governance-Entscheidung, kein Coupon:** Coding-Konversationen können
|
|
proprietären Quellcode, interne Pläne oder versehentlich eingefügte Credentials
|
|
enthalten. Ein Team mit Kunden- bzw. Vertraulichkeitsverpflichtungen entscheidet
|
|
hier über Datenfluss, nicht über Ersparnis.
|
|
- **Konto-weite Zustimmung ≠ sichern einzelner Prompts:** Ein Agent kann Kontext aus
|
|
Stellen ziehen, von denen der Nutzer vergaß, dass er angehängt war. Aufbewahrungs-
|
|
und künftige Trainingsnutzungsregeln bestimmen die echten Kosten des Rabatts.
|
|
- **Bezug zum lokalen Diskurs:** passt zum Thema Daten-/Prompt-Telemetrie und
|
|
Privacy-vs-Telemetrie im Wiki ([[../policy/cryptographic-context-injection.md|Kryptografische
|
|
Kontext-Injektion]], [[../policy/ai-regulation-2026.md|AI-Regulierung]]).
|
|
|
|
## Für Builders
|
|
|
|
- Attraktiv für Open-Source-/persönliche Experimente und Public-Code-Agents.
|
|
- Bei proprietärem/sensiblen Code lohnt der Rabatt laut Episode nicht.
|
|
- Beobachten: die „Contribution Agreement" vor Aktivierung im Scale-Betrieb lesen.
|
|
|
|
## Verwandte Wiki-Seiten
|
|
|
|
- [[../../institutions/agentstack-daily.md|AgentStack Daily]] — Quelle (EP111)
|
|
- [[../policy/cryptographic-context-injection.md]] — Prompt-/Kontext-Sicherheit
|
|
- [[../policy/ai-regulation-2026.md|AI-Regulierung]] — Daten-/Tranings-Kontext
|