Meta hat sein Open-Source-Argument vom Zugang hin zu gemeinsamer Infrastruktur für die Wissenschaft verlagert und setzt darauf, dass offen veröffentlichte Modelle, Daten und geprüfte Bibliotheken mehr Forschung hervorbringen als Arbeit, die innerhalb eines Unternehmens bleibt. Wenn Partner auf diesen Ressourcen nicht aufbauen, scheitert die Behauptung an ihren eigenen Maßstäben.
| Dokument | Angaben |
|---|---|
| Herausgeber | Meta |
| Veröffentlicht | 20. November 2026 |
| Offizieller Text | about.fb.com |
| Verlinkte offizielle Seiten | 2 |
Die Prüfung liefert Metas Dokument „Gemeinsam Wissenschaft voranbringen: Höhepunkte des Open Source AI For Science Summit“, veröffentlicht am 20. November 2026. Meta zufolge hat sein Fundamental-AI-Research-Team Forscherinnen und Forscher von Universitäten, Krankenhäusern und aus der Industrie zwei Tage lang in Menlo Park, Kalifornien, zu Arbeiten über Gesundheitswesen, Neurowissenschaften, Chemie, Materialwissenschaft und Mathematik versammelt. Neu gegenüber Metas jüngster Geschäftsumfrage in Singapur ist der Umfang dessen, was das Unternehmen nun teilen will: ein größerer Hirndatensatz, ein schnelleres Atommodell auch für Klassenzimmer und eine Mathematikbibliothek, die zur Wiederverwendung gedacht ist.
Ein größerer Hirndatensatz, offen geteilt
Das deutlichste Versprechen betrifft das Digital Brain Project, das gemeinsam mit der Rothschild Hospital Foundation und der University of Montreal durchgeführt wird. Meta zufolge bezahlt das Projekt Forscher dafür, de-identifizierte Hirndaten zu sammeln und offen zu veröffentlichen. Auf dem Gipfel kündigte Meta ein höheres Sammelziel an und erhöhte das Ziel von 15.000 auf 25.000 Stunden.
Diese Erhöhung ist wichtig, weil das erklärte Ziel kein privater Trainingsdatensatz ist. Meta verknüpft die Daten mit zwei Zielen: einem besseren Verständnis der menschlichen Intelligenz und Forschung, die die neurologische Gesundheit verbessern könnte. Das Dokument nennt keinen Zeitplan für das Erreichen des neuen Ziels und keine Aufschlüsselung, wie die zusätzlichen Stunden auf die Standorte verteilt werden. Das Versprechen ist daher in einer Hinsicht messbar und in einer anderen offen. Leser können die letztendliche Gesamtzahl mit dem Ziel vergleichen, das Meta nun gesetzt hat, allein aus diesem Dokument können sie jedoch weder Tempo noch Abdeckung beurteilen.
Derselbe Abschnitt stellt neben den Datensatz eine zweite Anwendung. Forscher der University of Pittsburgh stellten Assistenzrobotik vor, die mit Metas Modellen DINOv3 und SAM 3 gebaut wurde. Meta zufolge plant das Team, einen Roboter zu zeigen, der einem Menschen beim Essen helfen kann, und testet Anweisungen, die in den eigenen Worten des Nutzers gesprochen werden. Der hier behauptete Wert ist die Unabhängigkeit von Menschen mit Behinderungen, kein Laborwert. Ein Datum für eine öffentliche Demonstration wird nicht genannt, und das System wird als geplant und experimentell beschrieben, nicht als einsatzbereit.
Atome simulieren, bevor Labore sich festlegen
Die Chemie liefert den Mechanismus hinter Metas weiterreichender Behauptung. Wissenschaftler nutzen Computersimulationen, um vielversprechende Materialien und Medikamente auszuwählen, bevor sie für Labortests bezahlen. Ein Modell, das Atome genauer oder schneller behandelt, kann diese erste Auswahl eingrenzen.
Auf dem Gipfel veröffentlichte Meta UMA Nitro, beschrieben als schnellere Version seines Universal Model for Atoms. Meta berichtet, dass UMA-Modelle in Arbeiten mit Carnegie Mellon und UC Riverside viele Kristallformen von Arzneimittelmolekülen ohne zusätzliche Trainingsdaten gefunden haben. Das Dokument erklärt in einfachen Worten, warum das wichtig ist: Die Kristallform eines Medikaments beeinflusst, wie sich eine Tablette auflöst. Ein Forscher, der die wahrscheinlichen Formen früher kennt, kann vermeiden, eine Version weiterzuverfolgen, die sich bei der Einnahme schlecht verhält.
Meta sagt außerdem, Arbeiten mit der University of Chicago hätten gezeigt, dass UMA ganze Enzyme Atom für Atom simuliert. Enzyme sind Proteine, die chemische Reaktionen in Lebewesen antreiben. Wenn eine Simulation ein ganzes Enzym zuverlässig nachvollzieht, so argumentiert Meta, können Wissenschaftler untersuchen, wie es funktioniert, und veränderte Versionen für Medizin, Nachhaltigkeit und Energie entwerfen. Das Dokument verwendet für diesen Schritt vorsichtige Sprache und stellt ihn als mögliche Hilfe dar, nicht als fertige Methode. Diese Unterscheidung ist zentral für das Plädoyer, das Meta für Offenheit hält: Das Modell wird veröffentlicht, damit andere es testen, seine Grenzen werden also in der öffentlichen Nutzung gefunden, nicht durch die Ankündigung geklärt.
Das Klassenzimmer als Vertriebskanal
Meta belässt UMA nicht in Forschungsgruppen. Sein UMA Playground lässt Nutzer Moleküle bauen, Bindungen brechen und entstehen sehen und Reaktionen visuell verfolgen. Discovery Education kündigte auf dem Gipfel an, dass das Werkzeug nun für Chemielehrer an weiterführenden Schulen verfügbar ist, mit Anleitungen für den Unterricht. RealChem, ein Hochschulkurs von Arizona State und Carnegie Mellon, plant, das Werkzeug in studentische Aktivitäten aufzunehmen.
Hier verändert der Gipfel das Publikum für ein Forschungsmodell. Eine Simulation, die zunächst durch Arzneimittel- und Materialforschung gerechtfertigt wurde, wird zu Lehrmaterial für Studierende, die beruflich vielleicht nie eine Laborsimulation durchführen werden. Meta nennt als Kontext für diesen Schritt die Reichweite der beiden Bildungspartner und verweist auf das große Publikum von Discovery Education aus Lehrkräften und Schülern sowie auf die Nutzung von RealChem an fast 100 Institutionen. Die Zahl der Institutionen ist hier die nützliche: Die Übernahme durch einen Kurs ist eine Entscheidung, die eine Lehrkraft oder ein Fachbereich trifft, und wiederholte Nutzung im Unterricht würde zeigen, ob eine Forschungsoberfläche den gewöhnlichen Unterricht übersteht.
Auch der Zielkonflikt ist sichtbar. Ein visueller Playground kann Bindungen und Reaktionen leichter verständlich machen, vereinfacht aber die Arbeit, die ein Forschungsmodell leistet. Metas Dokument behauptet nicht, dass die Klassenzimmerversion die Laborausbildung ersetzt. Es stellt Zugang und Vertrautheit als Gewinn dar. Das ist ein engeres Versprechen als die Entdeckung selbst und ein plausibleres, denn Lehrkräfte können schnell beurteilen, ob Schülerinnen und Schüler Reaktionen nach der Nutzung besser verstehen.
Mathematik, die nur einmal geprüft werden muss
Der Abschnitt zur Mathematik erklärt einen anderen Engpass. Einen neuen Beweis zu prüfen, kann Fachleute nach Angaben von Meta Monate oder Jahre kosten. Lean, eine quelloffene Sprache zum Schreiben von Mathematik, ermöglicht es einem Computer, jeden logischen Schritt zu verifizieren. Ist ein Ergebnis in dieser Form niedergeschrieben und geprüft, können andere Mathematiker darauf aufbauen, ohne die vollständige Prüfung zu wiederholen – gleichgültig, ob das Ergebnis von einem Kollegen, einem Studierenden oder einem KI-Assistenten stammt.
Meta betont, wer die Kontrolle behält. Mathematiker wählen die Fragestellungen und stellen sicher, dass die in Lean formulierten Aussagen dem entsprechen, was sie beweisen wollen. Forscher von FAIR stellten Projekte zur Unterstützung dieser Arbeit vor, darunter ATLAS, eine offene Bibliothek, die 26 frei zugängliche Lehrbücher sowie mehr als 45.000 computergeprüfte Definitionen und Ergebnisse formalisiert.
Diese beiden Zahlen tragen das Argument. Eine gemeinsame Bibliothek ist nur dann nützlich, wenn sie genügend gesichertes Material enthält, auf dem neue Arbeit aufbauen kann, und wenn die Menschen, die sie nutzen sollen, den Definitionen vertrauen. ATLAS wird als genau diese Grundlage präsentiert. Seine Bewährungsprobe wird nicht die auf dem Gipfel verkündete Größe sein, sondern ob externe Mathematiker ihre eigenen Ergebnisse in derselben Form hinzufügen und die Bibliothek als Ausgangspunkt zitieren. Metas Rolle besteht nach eigener Darstellung darin, die formale Basis und die Werkzeuge bereitzustellen, während die Forschungsgemeinschaft die Agenda bestimmt.
Eine offene Strategie, beurteilt an der Arbeit anderer
Zusammengenommen folgen die drei Bereiche einem Muster. Meta stellt ein gemeinsames Gut bereit, das andere prüfen und wiederverwenden können: für eine offene Veröffentlichung erhobene Hirndaten, ein in Forschung und Klassenzimmer gebrachtes Atommodell und eine geprüfte Mathematikbibliothek. In jedem Fall ist der Partner keine Dekoration. Krankenhäuser und Universitäten liefern Daten und Fragestellungen, Lehrkräfte entscheiden, ob ein Werkzeug zu einer Unterrichtsstunde passt, und Mathematiker wachen über die Bedeutung formaler Aussagen.
Dieses Muster markiert zugleich einen Wandel gegenüber den Vereinbarungen zur sauberen Fertigung, die Meta früher im November veröffentlicht hatte und bei denen langfristige Kaufzusagen ein Angebot schaffen sollten. Hier ist das Instrument kein Kaufauftrag, sondern geteiltes Material, das Nutzung schaffen soll. Der frühere Ansatz bezahlte für den Bau von Anlagen. Dieser hängt davon ab, dass Forscher sich entscheiden, in den offenen Formaten zu arbeiten, die Meta fördert.
Die Grenze des Dokuments liegt offen zutage. Es ist Metas eigener Bericht über seinen Gipfel, ohne unabhängigen Test von UMA Nitro, ohne Prüfung der Erhebung der Hirndaten und ohne Bericht von Lehrkräften oder Mathematikern nach dauerhafter Nutzung. Diese Lücken entleeren die Ankündigung nicht, denn die Ziele und Veröffentlichungen sind konkret genug, um später überprüft zu werden. Sie bedeuten aber, dass jede Behauptung über einen Nutzen Metas Behauptung bleibt, bis Partner eigene Ergebnisse veröffentlichen.
Die Schlussfolgerung ergibt sich aus der Struktur, die Meta gewählt hat. Offenheit ist hier kein Slogan, der an fertige Produkte geheftet wird; sie ist eine Wette darauf, dass geteilte Daten, Modelle und Bibliotheken von Menschen übernommen werden, die Meta nicht kontrolliert. Das höhere Ziel des Hirnprojekts, die Veröffentlichung für Klassenzimmer und das Wachstum von ATLAS geben dieser Wette drei getrennte Maßstäbe. Stocken diese Güter, wird der Gipfel als Schaufenster erscheinen. Sammelt sich auf ihnen externe Arbeit an, wird Meta gezeigt haben, dass das Weggeben von Material die Bedingungen bestimmen kann, unter denen ein Feld aufbaut.
Quelle: Meta, Meta, Introducing Direct: An App Just for Messaging, Meta, Meta’s New Agreements Bring Clean Manufacturing to Data Center Supply Chains · Datum:



