Die erste Phase von Metas Supercluster Prometheus ist fertig. Am 19. Oktober 2026 teilte Meta in seinem offiziellen Engineering-Blog mit, dass der Gigawatt-Supercluster in New Albany, Ohio, bereits läuft: Die kürzlich veröffentlichten Basismodelle der Muse-Familie wurden dort trainiert, und das Endziel liegt bei rund einer Million GPUs.
Maßstab: heute Hunderttausende GPUs, am Ende etwa eine Million
Prometheus besteht derzeit aus Hunderttausenden GPUs in mehreren Gebäuden – klassischen Rechenzentrums-Hallen, KI-optimierten Hallen und schnell errichteten Strukturen –, die über Meilen von Glasfaser eng gekoppelt sind und wie eine einzige Maschine arbeiten. Zwei Hardware-Generationen sind bereits im Einsatz: Catalina auf Basis von NVIDIAs GB200 NVL72 und Clemente mit GB300 NVL72, die den Speicher pro GPU von 192 GB auf 288 GB hebt und die gesamte 72-GPU-Domäne in ein einziges Rack packt. Eine dritte Plattform auf Basis der Vera Rubin NVL72 ist unterwegs. Metas erklärtes Ziel sind rund eine Million verteilte GPUs im Gleichschritt.
Das Schwierige ist nicht das Stapeln, sondern das Nicht-Stehenbleiben
Bei großen Trainingsläufen kann ein einziger defekter Host den gesamten Job verlangsamen oder stoppen; die Branche misst das mit der Goodput, dem Anteil nützlicher Rechenarbeit. Meta berichtet für das Pre-Training von Muse Wonder über 85 % Goodput und für das Reinforcement Learning über 90 %, bei einem mittleren Abstand zwischen Unterbrechungen von rund 47.000 GPU-Stunden, der durch Firmware- und andere Fixes später auf über 54.000 GPU-Stunden stieg. Der Preis steckt im Detail: NVL72 vergrößert die eng gekoppelte Domäne von 8 auf 72 GPUs und verneunfacht damit den Schadensradius eines Fehlers. Deshalb nutzt jede Domäne nur 64 GPUs und hält 8 als Ersatz im Rack bereit; ein Lauf mit 32.768 GPUs braucht rund 13 % zusätzliche Hardware.
Netz und Kühlung: die unauffällige Arbeit hinter einem Gigawatt
Das Aggregationsnetz zwischen den Gebäuden von Prometheus spannt sich von 2 km bis über 100 km, liefert mehrere Pbps pro Regionenpaar, und der Cluster verbraucht Millionen Meilen Glasfaser und Zehntausende Switches. Thermisch hält eine geschlossene Flüssigkühlung Rack-Leistungen von mehreren Hundert Kilowatt im Zaum. Mit anderen Worten: Die ingenieurtechnische Herausforderung dieses Clusters liegt nicht mehr im einzelnen Chip, sondern darin, ob Optik, Strom und Kühlung über Jahre im selben Takt zuverlässig laufen.
Warum man diesen Cluster beobachten sollte
Prometheus ist die Trainingsbasis für die nächsten Frontier-Modelle der Meta Superintelligence Labs. Das Signal ist eindeutig: Der Wettbewerb der Spitzenlabore verschiebt sich von „wie viele Beschleuniger kann man kaufen" zu „kann man eine Million davon zu einer Maschine organisieren, die selten steht". Für den Rest der Branche ist Beschaffung nur die Eintrittskarte; System-Zuverlässigkeit auf Infrastrukturebene wird in den nächsten Jahren den Abstand bestimmen.
