Im Quellenvergleich
Worin die Quellen übereinstimmen
Meta hat am 2. September 2026 das KI-Modell „Muse Spark 1.3“ veröffentlicht. Es ist der Nachfolger von „Muse Spark 1.2“ und wird über die Entwickler-Angebote „Muse Code“ und „Meta Model API“ bereitgestellt. Das Modell verbessert sich laut Hersteller vor allem bei Agenten-Aufgaben und beim Programmieren. CEO Mark Zuckerberg sprach auf X vom „größten Sprung“ bei Programmier- und Agenten-Aufgaben. Meta kündigt außerdem eine kommende Open-Weights-Version an. Die öffentlich verfügbare Reasoning-Stufe ist „xhigh“, die stärkere Stufe „max“ folgt nach zusätzlichen Sicherheitstests. Die Standardpreise bleiben unverändert bei 1,25 US-Dollar pro Million Input- und 4,25 US-Dollar pro Million Output-Tokens. Unabhängige Tests von Artificial Analysis bestätigen den Leistungszuwachs: Im Intelligence Index steigt das Modell von 57 Punkten (Version 1.2, Stufe „xhigh“) auf 61 Punkte (Version 1.3, Stufe „xhigh“); die Stufe „max“ erreicht 62 Punkte. Die Kosten pro Aufgabe steigen laut Artificial Analysis von 0,40 auf 0,55 Dollar, da die Modelle mehr Input-Tokens verbrauchen. Metas KI-Chef Alexandr Wang spottete auf X über Googles zeitgleich erschienenes Gemini 3.8 Flash („gemini who?“).
Aktualisierungen
03.09.2026
14:08Die öffentlich verfügbare Reasoning-Stufe ist „xhigh“, die stärkere Stufe „max“ folgt nach zusätzlichen Sicherheitstests.
Die Standardpreise bleiben unverändert bei 1,25 US-Dollar pro Million Input- und 4,25 US-Dollar pro Million Output-Tokens.
17:07Unabhängige Tests von Artificial Analysis bestätigen den Leistungszuwachs: Im Intelligence Index steigt das Modell von 57 Punkten (Version 1.2, Stufe „xhigh“) auf 61 Punkte (Version 1.3, Stufe „xhigh“); die Stufe „max“ erreicht 62 Punkte.
Die Kosten pro Aufgabe steigen laut Artificial Analysis von 0,40 auf 0,55 Dollar, da die Modelle mehr Input-Tokens verbrauchen.
Metas KI-Chef Alexandr Wang spottete auf X über Googles zeitgleich erschienenes Gemini 3.8 Flash („gemini who?“).
Worin sie sich unterscheidenEinordnung der Leistungsfähigkeit im Vergleich zu Konkurrenzmodellen·Verfügbarkeit der stärksten Modellstufe·Preisgestaltung+5 weitere
Einordnung der Leistungsfähigkeit im Vergleich zu Konkurrenzmodellen- In Metas Vergleichstabelle übertrifft Muse Spark 1.3 in drei Programmier-Tests die Modelle „GPT-5.6 Sol“ von OpenAI und „Claude Opus 5“ von Anthropic.1
- In vier von sechs Agenten-Tests schnitt Claude Opus 5 am besten ab.1
- Das Modell bleibt in den meisten Leistungstests hinter Spitzenreitern wie Claude Fable 5.1 zurück.2
- In Terminal-Bench 2.1 hält Claude Fable 5.1 die Spitze mit 91,4 Prozent, während Muse Spark 1.3 auf 85 bis 86 Prozent kommt.2
- In GDPval-AA v2, einer Prüfung mit 220 realen Berufsaufgaben, verbessert sich Meta auf 1709 und 1754, Claude Fable 5.1 steht bei 1853.2
- Die ausgelieferte Version „xhigh“ erreicht im Intelligence Index 61 Punkte und liegt damit hinter Claude Fable 5.1 von Anthropic (66 Punkte).3
- Laut Artificial Analysis ist Muse Spark bei Intelligenz und Kosten pro Aufgabe leicht besser als Gemini 3.8 Flash, Google bietet aber höheren Durchsatz und günstigere Einführungspreise.3
Verfügbarkeit der stärksten Modellstufe- Die Stufe „max“ läuft laut Artificial Analysis vorerst als limitierte Partner-Preview.2
- Die besten Benchmark-Ergebnisse erzielt die Konfiguration „max“, die noch in Sicherheitstests steckt und nicht breit verfügbar ist.3
Preisgestaltung- Laut Meta ist das Modell das günstigste seiner Leistungsklasse, Konkurrenten liegen zwischen 0,94 und 1,23 Dollar pro Index-Aufgabe.2
- Teurer als Version 1.2 mit 0,40 Dollar pro Aufgabe ist es dennoch.2
- Für die max-Variante gibt es noch keinen Preis.2
- Der günstigere Contributor-Tarif kostet 0,10 US-Dollar Input und 0,20 US-Dollar Output, erlaubt Meta aber, die Daten zum Training zu nutzen.4
- Laut KI-Chef Alexandr Wang nutzen bereits ein zweistelliger Prozentsatz der Programmierer diesen Tarif.4
Geplante Modellvarianten- Geplant sind außerdem ein größeres Modell und eine offene Gewichtsversion von Muse Spark 1.2.1
- Meta kündigt zudem eine kommende Open-Weights-Version an.2
- Eine Veröffentlichung offener Modellgewichte stellt Meta in Aussicht, ohne Termin.4
- Es bleibt unklar, wann Meta die versprochenen offenen Gewichte veröffentlicht; der neue Beitrag nennt nur vage „Muse Spark open weights releases“.3
Faktengenauigkeit- Die Faktengenauigkeit sinkt, weil das Modell bei Unsicherheit häufiger nicht antwortet.2
- Laut Meta lernte das Modell, bei Schwierigkeiten keine Ergebnisse zu erfinden.1
Effizienz beim Programmieren- Beim Programmieren vergleicht Metas Technik das Modell mit dem Vorgänger: etwa 20 Prozent weniger Tool-Aufrufe und rund 25 Prozent weniger Token-Verbrauch.1
- Beim Test „DeepSWE v1.1“ erreichte es 75,4 Punkte, der Vorgänger 55,0.1
Bewertung der Benchmark-Grafik- Metas Benchmark-Bericht zeigt Fortschritte, die Grafik ist laut Artikel aber irreführend, weil sie Spark 1.3 in der Stufe „max“ mit Spark 1.2 in „xhigh“ vergleicht.4
Kosten der höheren Reasoning-Stufe- Für einen zusätzlichen Punkt im Intelligence Index benötigt „max“ rund 62 Prozent mehr Reasoning-Tokens als „xhigh“.4