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).
2.3 KiB
2.3 KiB
| created | updated | sources | tags | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2026-09-08 | 2026-09-08 |
|
|
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).
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 — Quelle (EP111)
- ../policy/cryptographic-context-injection.md — Prompt-/Kontext-Sicherheit
- ../policy/ai-regulation-2026.md — Daten-/Tranings-Kontext