Muse Spark 1.3: Benchmarks, Preise und Zugang im Test

👁 116 Aufrufe

Muse Spark 1.3 ist Metas neuestes Sprachmodell und das schnellste Modell in der Spitzengruppe des Artificial-Analysis-Rankings: 214-252 Token pro Sekunde bei 45-48 Punkten im Intelligenzindex. Es erschien am 2. September 2026, kostet 1,25 USD pro Million Input-Token und hat eine günstigere Version, für die Sie mit Ihren Daten bezahlen. Wir haben es durch unser Labor geschickt: In 13 Aufgaben auf Polnisch erzielte es 75,5 von 100 Punkten für 0,10 USD. Im Folgenden die Ergebnisse mit Antwortfragmenten, Benchmarks, Preise, Reasoning-Stufen und wie Sie aus Deutschland, Österreich und der Schweiz Zugang zum Modell erhalten.

Was ist Muse Spark

Muse Spark ist eine Modellfamilie von Meta Superintelligence Labs. Die erste Version vom April 2026 versorgte den Assistenten in der Meta-AI-App und auf meta.ai. Im Juli öffnete Meta die API für Muse Spark 1.1, am 2. September veröffentlichte es Version 1.3. Das Modell ist geschlossen und multimodal und dient laut Meta hauptsächlich für lange Agentenaufgaben, Programmierung und die Arbeit mehrerer Agenten gleichzeitig.

Meta nennt vier Verbesserungen gegenüber 1.2: bessere Agentenarbeit (Nachfragen, Multitasking), Programmierung mit „~20% weniger Tool-Aufrufen und ~25% weniger Token“, besseres Befolgen von Anweisungen bei langen Aufgaben und größere Resistenz gegen Angriffe. Im Ankündigungstext werden keine Benchmark-Zahlen genannt, nur ein Vergleichsdiagramm mit GPT und Claude. Über andere Sprachen außer Englisch steht in der Ankündigung kein Wort.

Benchmarks: Wo steht Muse Spark 1.3

Unabhängige Zahlen liefert Artificial Analysis. Sein Index (Version 4.3.2) besteht aus 10 Tests: Agentenaufgaben (30%), Programmierung (20%), wissenschaftliches Reasoning (20%) und Allgemeinwissen (30%).

Daten vom 27. September 2026. Drei Dinge aus dieser Tabelle:

• Geschwindigkeit. 214-252 Token pro Sekunde sind die höchste Rate in den Top 25 des Index. Claude Opus 5.5 in der xhigh-Variante schafft 89.
• Geschwätzigkeit. Beim Index-Test generierte Muse Spark 170 Mio. Output-Token bei einem Median von 88 Mio. Ein Teil des Geschwindigkeitsvorteils wird also durch die Antwortlänge aufgefressen.
• Startverzögerung. Auf das erste Token wartet man laut AA zwischen 25 und 35 Sekunden, je nach Messung. Bei Live-Chat ist das viel, bei Hintergrundaufgaben spielt es keine Rolle.

Laut AA schneidet es am stärksten bei Agentenaufgaben ab (AA-Briefcase, GDPval-AA, AutomationBench). Ein Vergleich weniger bekannter Top-Modelle mit den Ergebnissen unseres polnischen Tests für alle vier findet sich im Artikel Weniger bekannte KI-Modelle: MiMo, Qwen3.8 Max, GLM-5.3 und Muse Spark.

Preise: Standard und Contributor

Metas Preise pro Million Token, ohne MwSt. Contributor ist dasselbe Modell für einen Bruchteil des Preises, aber Meta schreibt ausdrücklich, dass der Rabatt „im Austausch für die Zustimmung zur Nutzung Ihrer Anfragen und Antworten zum Training zukünftiger Meta-Modelle“ gewährt wird. Es gibt darin keine max-Reasoning-Stufe. Für Kundendaten, Verträge oder irgendetwas Vertrauliches würde ich diese Version nicht verwenden. Das ist meine Meinung.

Reasoning-Stufen

Die API akzeptiert den Parameter reasoning_effort mit den Werten minimal, low, medium, high, xhigh und max. Der Wert „none“ gibt einen 400-Fehler zurück, Reasoning lässt sich also nicht ausschalten. Artificial Analysis misst die beiden höchsten Stufen: xhigh ergibt 45 Punkte und 1,37 USD pro Aufgabe, max - 48 Punkte und 1,60 USD. In unserem Labor erhalten alle Modelle effort=low, damit der Vergleich fair ist.

Unser polnischer Test: 75,5 Punkte

Muse Spark 1.3 durchlief dieselben 13 Aufgaben wie Qwen3.8 Max, GLM-5.3 und MiMo-V2.6-Pro: 9 Schreibaufgaben, zwei Korrekturen und zwei Quiz über Polen. Einstellungen wie bei allen in unserem Ranking der besten KI zum Schreiben auf Polnisch: OpenRouter, effort=low, dieselben Token-Limits. Die Antworten wurden blind von drei Juroren bewertet (Claude Opus 5.5, GPT-6 Sol, Gemini 3.1 Pro), und neben Muse Spark waren vier Anker aus der ersten Runde im Pool. Ihre Ergebnisse unterschieden sich um 1,0-1,7 Punkte von damals, die Reihenfolge blieb gleich. Nach Kalibrierung auf die Skala der ersten Runde hat Muse 75,3 Punkte.

Alle Ergebnisse aus demselben Bewertungspool, 27. September 2026. Das Gesamtergebnis setzt sich zu 70% aus dem Jurorenschnitt, zu 20% aus Regeltreue und zu 10% aus Texthygiene zusammen. Im Ranking von 16 Modellen würde Muse Spark mit 75,3 Punkten Platz 11 belegen, knapp hinter Qwen3.8 Max (75,9) und vor DeepSeek V4 Pro (74,1). Das Qwen-Ergebnis enthält eine Antwort aus einem zweiten Versuch mit höherem Limit; bei gleichen Limits hätte Qwen in diesem Pool 68,7 Punkte, also weniger als Muse.

Wichtiger Hinweis: Muse verdankt einen großen Teil seines Ergebnisses der Texthygiene. Abgebrochene Sätze - fehlende Satzenden - kamen nicht vor, daher erhielt es in diesem Teil 88 von 100. Die reinen Jurorenbewertungen (6,78) liegen niedriger als bei MiMo (7,12) und Qwen (7,90). Zählt man nur Juroren und Regeln, läge es hinter MiMo.

Antwortfragmente

Am besten gelang die Übersetzung eines Newsletters voller englischer Redewendungen (8,67, bei 9,50 für Opus):

„Bądźmy szczerzy: wdrożenie nowego klienta to nie fizyka kwantowa, ale ostatnio za bardzo szliśmy na skróty. (…) To był dla nas zimny prysznic.„ („Seien wir ehrlich: Onboarding eines neuen Kunden ist keine Quantenphysik, aber in letzter Zeit haben wir zu viele Abkürzungen genommen. (…) Das war für uns eine kalte Dusche.“)

Die Juroren bemängelten hier nur „straciliśmy z radaru trzy duże konta„ („wir haben drei große Konten vom Radar verloren“), was verschleiert, dass die Kunden abgewandert sind. Auch der LinkedIn-Post schnitt gut ab, mit treffendem „powtarzalność w niepowtarzalnym rzemiośle„ („Wiederholbarkeit im unwiederholbaren Handwerk“).

Am schlechtesten war die Wasserkocher-Beschreibung aus einer Produktkarte (3,44). Muse streckte den Absatz auf die geforderte Länge, indem es die gesamte Spezifikation ein zweites Mal in einem Satz wiederholte:

„Pojemność wynosi 1,7 l, moc wynosi 2200 W, regulacja temperatury jest od 40 do 100 °C co 10 °C, funkcja podtrzymania temperatury wynosi 30 minut…„ („Das Fassungsvermögen beträgt 1,7 l, die Leistung beträgt 2200 W, die Temperaturregelung ist von 40 bis 100 °C alle 10 °C, die Warmhaltefunktion beträgt 30 Minuten…“)

Im Artikel über Stromrechnungen (3,89) fügte es 20-mal „(to przykład)„ („das ist ein Beispiel“) hinzu und setzte ein türkisches Wort in polnischer Deklination ein: „za, na przykład, 20 zł (to przykład ceny, nie gerçekowa cena rynkowa)„ („für, zum Beispiel, 20 zł (das ist ein Preisbeispiel, kein gerçekowa Marktpreis)„). Der Artikel war auch zu lang - die einzige gebrochene Regel im gesamten Test (25 von 26).

Abgesehen vom Schreiben erledigte Muse den Rest nahezu fehlerfrei: leichte Korrektur 22 von 22, schwere 29 von 30, beide Polen-Quiz vollständig (46 von 46 und 48 von 48). Es gab keine einzige leere Antwort ab.

Schnelles Modell, das lange denkt

Trotz effort=low dachte Muse Spark viel nach: 17,2 Tsd. Reasoning-Token von 22,7 Tsd. Output-Token insgesamt, also 76%. Deshalb dauerten die 9 Schreibaufgaben 135 Sekunden, fast so lange wie bei Claude Opus 5.5 (133 s), trotz der Geschwindigkeit aus der AA-Tabelle. Der gesamte Test mit 13 Aufgaben kostete 0,1012 USD, 3,7-mal weniger als Opus und 25-mal mehr als GPT-6 Luna. Die Contributor-Version haben wir nicht getestet.

Wofür wir es verwenden würden: Korrektur, Übersetzungen und Aufgaben mit harten Regeln, denn dort war es nahezu fehlerfrei. Für Texte, die natürlich auf Polnisch klingen sollen, würden wir GPT-6 Luna wählen - höheres Ergebnis für 1/25 der Kosten. Das ist unsere Meinung. Der Meta-AI-Assistent funktioniert seit 2025 auch in Europa, aber Meta gibt nicht an, auf welchem Modell er läuft; wie Sie ihn nutzen, haben wir im Artikel Meta AI: Was ist das und wo funktioniert es beschrieben.

Zugang zu Muse Spark aus Deutschland, Österreich und der Schweiz

• OpenRouter - meta/muse-spark-1.3, einziger Anbieter ist Meta, Preis wie beim Hersteller. Erfordert Altersbestätigung 18+ in den Kontoeinstellungen.
• Meta Model API (dev.meta.ai) - Meta spricht von einer öffentlichen Vorschau mit „erweitertem globalem Zugang“, veröffentlicht aber keine Länderliste. Nutzer aus Europa meldeten im September eine Meldung über Nichtverfügbarkeit in der Region. Aus Deutschland haben wir das nicht bestätigt.
• Muse Code - Programmier-Agent für macOS und Linux, in dem Meta Version 1.3 am Veröffentlichungstag bereitstellte. Wir haben ihn im August beschrieben.
• Muse App (persönlicher Agent, 8. September) - Pläne Free, Power für 20 USD und Maximum für 100 USD monatlich, laut Presseberichten nur in den USA und für Volljährige. Über die Privatsphäre dieser App haben wir in der Muse-Assistenten-Review geschrieben.

Häufig gestellte Fragen

Was kostet Muse Spark 1.3?

1,25 USD pro Million Input-Token und 4,25 USD pro Million Output-Token, ohne MwSt. Die Contributor-Version kostet 0,10 / 0,20 USD, aber Meta darf damit seine Modelle trainieren.

Ist Muse Spark 1.3 in Deutschland, Österreich und der Schweiz verfügbar?

Über OpenRouter ja, nach Altersbestätigung 18+ in den Kontoeinstellungen (das ergibt sich aus der Fehlermeldung, die wir erhielten). Meta gibt keine Länderliste für seine API an, und die Muse-App funktioniert nur in den USA.

Schreibt Muse Spark 1.3 gut auf Polnisch?

Korrekt, aber steif: 75,5 von 100 Punkten in unserem Test, 7,56 von 10 für Korrektheit und 5,63 für Natürlichkeit. Am besten gelang ihm die Übersetzung mit Redewendungen (8,67), am schlechtesten die Produktbeschreibung (3,44).

Ist Muse Spark 1.3 Open Source?

Nein, die Gewichte sind geschlossen. Offene Gewichte hat Meta für das kleinere Muse Glimmer 30B veröffentlicht.

Ist Muse Spark besser als GPT-6 Sol?

Im Artificial-Analysis-Index sind sie gleichauf: je 48 Punkte in der max-Variante. Muse Spark ist mehr als doppelt so schnell (214 gegenüber 86 Token/s), GPT-6 Sol günstiger pro Aufgabe (1,06 gegenüber 1,60 USD).

// weiterlesenSPARK: Wie LLMs kontinuierlich lernen, ohne Privatdaten zu reproduzierenAnleitungenNVIDIA RTX Spark startet: Launch-Events in sechs StädtenNachrichtenWald oder Baum: Wie viele menschliche Prüfer braucht ein reproduzierbarer KI-Benchmark?Algorithmen

Kinetyra