Muse Spark 1.3 im Faktencheck: Benchmarks, Preis, API und die Unterschiede zu 1.2

Faktenstand: 13. Oktober 2026. Muse Spark 1.3 ist seit dem 2. September verfügbar; max reasoning steht inzwischen laut Meta zur Verfügung. Die Standard- und Contributor-Preise sind jetzt direkt für 1.3 gelistet. ¹²³

Die interessanteste Änderung ist nicht ein einzelner Benchmarkwert. Meta positioniert 1.3 deutlich stärker für lange agentische Aufgaben: mehrere Arbeitsstränge in einem langen Thread, bessere Einhaltung komplexer Vorgaben, gezieltere Rückfragen, mehr Selbstkorrektur und weniger unnötige Tool-Aufrufe. In internen Vergleichen von Meta-Ingenieuren benötigte 1.3 rund 20 % weniger Tool-Aufrufe und 25 % weniger Tokens als Muse Spark 1.2. Das ist eine Herstellerangabe, kein unabhängiger Benchmark. ¹

Bei den Benchmarks ist die Lage differenzierter als manche Launch-Posts vermuten lassen. Ein Teil der Werte stammt aus Metas eigenem Evaluationssetup und war zum Rechercheschluss noch nicht auf allen öffentlichen Leaderboards gespiegelt. Metas inzwischen veröffentlichte 1.3-Modellkarte nennt direkt 1.754 Elo auf GDPval-AA v2. Bei der ursprünglichen Gegenprüfung im September war noch kein unabhängiger 1.3-Eintrag auf Artificial Analysis sichtbar. Herstellerwert und unabhängige Replikation bleiben getrennt. ⁴³

Muse Spark 1.3 in 30 Sekunden

• Release: 2. September 2026. ¹
• Zugang: Muse Code und Meta Model API. ¹
• Max reasoning: inzwischen über Muse Code und Meta Model API verfügbar. ¹³
• Stärkster Schwerpunkt: Coding, lange Agenten-Workflows, Multitasking und Instruction Following. ¹
• GDPval-AA v2: 1.754 Elo stehen heute auf Metas eigener 1.3-Modellkarte; eine unabhängige Reproduktion ist damit nicht belegt. ³
• DeepSWE v1.1: Meta-nahe Launch-Berichte nennen 75,4 %, aber das öffentliche Datacurve-Leaderboard führte 1.3 zum Prüfzeitpunkt noch nicht sichtbar. ⁵⁶
• Standard-API: 1,25 USD Input / 0,15 USD Cache-Input / 4,25 USD Output pro 1 Mio. Tokens laut Meta. ²
• Contributor-API 1.3: 0,10 USD Input / 0,002 USD Cache-Input / 0,20 USD Output; Meta darf die Daten für Modelltraining verwenden. ²
• Open Weights: angekündigt, aber ohne Termin und Lizenzdetails. ¹

Was ist Muse Spark 1.3?

Muse Spark ist Metas proprietäre Modellfamilie für multimodales Reasoning und agentische Workflows. Die erste Muse-Spark-Version erschien am 8. April 2026. Muse Spark 1.1 folgte am 9. Juli, Muse Spark 1.2 am 5. August und 1.3 nun am 2. September. ⁷⁸⁹

Mit 1.1 rückten Tool-Nutzung, Computer Use, Coding und ein aktiv verwalteter Kontext von einer Million Tokens in den Vordergrund. 1.2 wurde explizit auf Coding und lange Softwareaufgaben trainiert und zusammen mit dem Terminal-Agenten Muse Code entwickelt. ⁷⁸ Bei 1.3 verschiebt Meta den Schwerpunkt weiter von „gute Einzelantwort“ zu „lange Aufgabe zuverlässig zu Ende bringen“.

Das zeigt sich in vier Bereichen:

1. Längere Agentenläufe. 1.3 soll offene Ziele über lange Threads verfolgen, Informationen aus widersprüchlichen Quellen zusammenführen und Lücken im eigenen Plan korrigieren. ¹
2. Bessere Zusammenarbeit. Das Modell soll bei unklaren Anforderungen eher nachfragen, bei Blockaden Hilfe anfordern und vor folgenreichen Aktionen bestätigen. ¹
3. Weniger Constraint Drift. Meta sagt, 1.3 halte komplexe Prozess- und Formatvorgaben über mehrere Schritte zuverlässiger ein. ¹
4. Effizienteres Coding. Interne Meta-Vergleiche melden rund 20 % weniger Tool Calls und 25 % weniger Tokens als bei 1.2. ¹

Für reale Coding-Agenten ist Punkt 4 potenziell wichtiger als ein paar Benchmarkpunkte: Weniger unnötige Tool-Aufrufe können Latenz, Kosten und Fehlermöglichkeiten senken. Allerdings fehlen dafür bislang unabhängige Messreihen auf identischen Aufgaben.

Muse Spark 1.3 Benchmarks: Was ist wirklich bestätigt?

Metas Evaluationsbericht ist ungewöhnlich nützlich, weil er die Testaufbauten beschreibt. Er enthält aber auch eine wichtige Warnung: Läufe mit Drittanbieter-Modellen seien „best effort“; Prompts, Tools und Runtime könnten für proprietäre Konkurrenzmodelle nicht optimal abgestimmt sein. Außerdem stammen die Vergleichswerte je nach Benchmark aus eigenen Läufen, offiziellen Leaderboards oder Anbieterangaben. ¹⁰

Benchmark	Muse Spark 1.3	Quelle und Prüfstand 13.10.2026	Was der Test misst
GDPval-AA v2	1.754 Elo	Meta-Modellkarte; nicht unabhängig repliziert	reale professionelle Arbeitsergebnisse
JobBench	64,9	Launch-Wert, noch nicht separat verifiziert	professionelle Aufgaben aus 35 Berufen
OSWorld 2.0	66,9	Launch-Wert	lange Desktop-/Computer-Use-Workflows
DeepSearchQA	90,3 F1	Meta-Modellkarte, keine eigene Replikation	mehrstufige Webrecherche
AutomationBench	49,6 %	Meta-Modellkarte, kein unabhängiger Mac-Test	Business-Automation mit Tools
DeepSWE v1.1	75,4 %	Meta-Run; öffentliches Leaderboard noch nicht synchron	lange Software-Engineering-Aufgaben
SWE Atlas Codebase QnA	59,4	Meta-Run; Scale-Seite noch nicht synchron	tiefes Codebase-Verständnis
Terminal-Bench 2.1	88,8 %	Launch-Wert	terminalbasierte Agentenaufgaben
MRCR v2 256K–512K	98,5	Launch-Wert	Long-Context-Retrieval
MRCR v2 512K–1M	98,1	Launch-Wert	Long-Context-Retrieval
Agentic IF Index	57,8	Meta-interner Index	Einhaltung komplexer Agenten-Anweisungen

Die 1.3-Werte außerhalb GDPval-AA v2 sind aus dem Launch-Material bzw. dessen Berichterstattung entnommen und mit Metas Methodik abgeglichen. ¹⁰⁵⁴

GDPval-AA v2: stark, aber nicht Platz 1

Metas offizielle 1.3-Modellkarte führt für Muse Spark 1.3 (max) 1.754 Elo auf GDPval-AA v2 direkt auf. Das ist belastbare Herstellerzuordnung, keine unabhängige Replikation. Bei der ursprünglichen Gegenprüfung am 2. September war kein separater 1.3-Eintrag auf der Artificial-Analysis-Seite sichtbar. Die Benchmark-Beschreibung bleibt trotzdem relevant: GDPval-AA v2 nutzt 220 Aufgaben aus OpenAIs GDPval-Datensatz, verteilt über 44 Berufe und neun große US-Branchen; die Agenten erzeugen echte Arbeitsergebnisse wie Dokumente, Tabellen, Präsentationen und Diagramme. ⁵⁴¹¹

Das ist ein deutlich aussagekräftigerer Agentenindikator als reine Multiple-Choice-Benchmarks. Trotzdem bleibt die Elo-Zahl abhängig von Harness, Judges und dem aktuellen Vergleichsfeld.

DeepSWE: Warum 75,4 % noch kein sauber bestätigter „SOTA“-Titel ist

Der Launch-Wert von 75,4 % auf DeepSWE v1.1 klingt nach einer klaren Spitzenposition. Metas Methodik sagt, dass Muse Spark 1.3 max mit einem mini-swe-agent ausgeführt wurde und Vergleichswerte anderer Modelle vom offiziellen Datacurve-Leaderboard stammen. ¹⁰

Beim Abruf am 2. September zeigte Datacurve selbst jedoch noch kein sichtbares Muse-Spark-1.3-Ergebnis in der geparsten Rangliste. Dort lag Gemini 3.8 Flash high bei rund 74 %, Claude Opus 5 max ebenfalls bei rund 74 % und GPT-5.6 Sol max bei rund 73 %. ⁶

Das bedeutet nicht, dass Metas 75,4 falsch ist. Es bedeutet lediglich: Der Wert war zum Prüfzeitpunkt noch nicht als unabhängiger öffentlicher Leaderboard-Eintrag nachvollziehbar. Für einen seriösen Artikel ist daher „Meta meldet 75,4 %“ die richtige Formulierung – nicht „Muse Spark 1.3 ist unabhängig bestätigt DeepSWE-Sieger“.

SWE Atlas: Scaffold und Schrittbudget sind Teil der Leistung

Metas 59,4-Punkte-Wert auf SWE Atlas Codebase QnA ist ebenfalls interessant, aber die öffentliche Scale-Seite führte 1.3 zum Abrufzeitpunkt noch nicht. Scale weist selbst darauf hin, dass unterschiedliche native Scaffolds die Ergebnisse stark beeinflussen können. In seiner Analyse berichtet Scale, dass native Coding-Umgebungen bei denselben Modellen 1,5- bis 2-mal mehr Exploration auslösen und deutlich bessere Ergebnisse erzielen können. ¹²¹³

Das ist ein entscheidender Punkt für alle Coding-Benchmarks: Man misst häufig nicht nur „das Modell“, sondern Modell + Agenten-Harness + Tools + Reasoning-Einstellung + Budget.

Long Context: Die MRCR-Werte sind beeindruckend, aber eng definiert

Meta meldet 98,5 im MRCR-v2-Band von 256K bis 512K Tokens und 98,1 zwischen 512K und 1M Tokens. ⁵ Metas Methodik erklärt den Test genauer: 100 Beispiele pro Band, 8-Needle-Variante, regelbasierte Bewertung und reine Retrieval-Aufgabe ohne Agenten-Tools. ¹⁰¹⁴

Diese Ergebnisse zeigen, dass das Modell relevante Textstellen über sehr lange Kontexte wiederfinden kann. Sie beweisen nicht automatisch, dass 1.3 bei jeder millionentokenlangen Codebasis oder jeder komplexen Syntheseaufgabe gleich zuverlässig argumentiert. Retrieval ist nur ein Teil von Long-Context-Qualität.

Die offizielle API-Grenze ist inzwischen dokumentiert: Meta nennt im aktuellen Coding-Agent-Quickstart für muse-spark-1.3 ein Kontextfenster von 1.048.576 Tokens und eine maximale Ausgabe von 131.072 Tokens. Die MRCR-Ergebnisse beweisen trotzdem keine gleichbleibende Qualität für beliebige Aufgaben bis zur Kontextgrenze. ¹⁵

Muse Spark 1.3: direkte Meta-API-Preise statt abgeleiteter 1.2-Werte

API-Tarife und Limits geprüft am 13. Oktober 2026. Die offizielle Meta-Preisliste und die Modellkarte führen inzwischen beide Varianten von Muse Spark 1.3 ausdrücklich auf. Eine Übertragung von Muse-Spark-1.2-Preisen ist nicht mehr nötig. Die folgenden Tarife gelten für Metas eigene Model API und sind US-Dollar pro Million Tokens, nicht für beliebige Drittanbieter-Router. ²³

API-Modell-ID	Input	Cache-Input	Output	Datenverwendung
muse-spark-1.3	1,25 USD	0,15 USD	4,25 USD	Laut Meta nicht zum Training der Meta-Modelle
muse-spark-1.3-contributor	0,10 USD	0,002 USD	0,20 USD	Meta darf Eingaben und Ausgaben zur Modellverbesserung/Training verwenden

Der Contributor-Preis ist kein gewöhnlicher Mengenrabatt. Wer fremden Quellcode, Kundendaten oder personenbezogene Informationen verarbeitet, sollte die Datenfreigabe vor einer Auswahl prüfen. Der Standardtarif sagt nur etwas über die Verwendung für Modelltraining aus; er ersetzt keine Prüfung von Speicherung, Datenstandort, Datenschutzverträgen und anderen Meta-Bedingungen. Ein nominell günstigerer Satz rechtfertigt keine ungeprüfte Übertragung sensibler Daten. ²

Drei überprüfte Kostenbeispiele

Eigene Arithmetik auf Grundlage der bestätigten Muse-Spark-1.3-API-Preise, zunächst ohne Cache-Treffer oder Zusatzwerkzeuge:

Szenario	Input	Output	Standard 1.3	Contributor 1.3
Klein	1 Mio.	0,2 Mio.	2,10 USD	0,14 USD
Mittel	10 Mio.	2 Mio.	21,00 USD	1,40 USD
Intensiv	100 Mio.	20 Mio.	210,00 USD	14,00 USD

Beispiel Standard: 10 × 1,25 + 2 × 4,25 = 21,00 USD. Das Contributor-Modell kostet bei diesem 5:1-Verhältnis rechnerisch genau 15× weniger; die tatsächliche Ersparnis hängt von Output-Verhältnis, Caching und Tools ab.

Caching-Beispiel: Bei 10 Mio. gesamten Input-Tokens, davon 8 Mio. tatsächliche Cache-Hits, und 2 Mio. Output-Tokens betragen die Kosten 12,20 USD Standard oder 0,616 USD Contributor. Formel: (Input gesamt − Cache-Hits) × Inputpreis + Cache-Hits × Cachepreis + Output × Outputpreis. Cache-Tokens nicht doppelt berechnen: In den API-Antworten den Wert cached_tokens kontrollieren. Die Rate gilt unabhängig davon, ob der Kontext relativ kurz oder bis zur 1-Mio.-Token-Grenze reicht. ²

Praktische Limits und echte Zusatzkosten

Metas Rate-Limit-Dokumentation nennt für Standard bis zu 3.000 RPM und 4.000.000 TPM, für Contributor 150 RPM und 3.000.000 TPM (jeweils pro Team, nicht pro API-Key). Zusätzlich existiert ein separater Standardgrenzwert von 600 Background-Submissions pro Minute. Bei HTTP 429 sollten Agenten Retry-After bzw. Rate-Limit-Header lesen und mit exponentiellem Backoff sowie Jitter reagieren. ²

Die integrierte web_search-Funktion kostet 2,50 USD pro 1.000 Suchanfragen zusätzlich zu Tokens. Ein Agent, der 100 Websuchen ausführt, verursacht deshalb bei Meta etwa 0,25 USD reine Suchgebühren. Für einen deutschen Account sind dies USD-Listenpreise, keine zugesicherten EUR-Endpreise inklusive Umsatzsteuer. ²

API auf dem Mac: Basisadresse, keine lokale Inferenz

Einrichtung auf macOS: Das OpenAI-kompatible Python-SDK gehört in eine isolierte Umgebung statt in System-Python. MODEL_API_KEY nur als Umgebungsvariable beziehungsweise im Secret-Manager hinterlegen; keine Schlüssel in öffentliche GitHub-Repositories oder Browser-JavaScript kopieren. Der Beispielaufruf kann API-Kosten erzeugen.

python3 -m venv .venv-meta-spark
source .venv-meta-spark/bin/activate
python -m pip install --upgrade openai

Die aktuelle Meta-Quickstart-Anleitung dokumentiert die Basisadresse https://api.meta.ai/v1, den Schlüssel MODEL_API_KEY sowie muse-spark-1.3 als Modell-ID. Für einen kurzen Funktionstest eignet sich der OpenAI-Python-Client mit der Responses API; die eigentliche Inferenz findet bei Meta statt:

import os
from openai import OpenAI

client = OpenAI(base_url="https://api.meta.ai/v1", api_key=os.environ["MODEL_API_KEY"])
response = client.responses.create(model="muse-spark-1.3", input="List three ways to test a coding agent.")
print(response.model_dump_json(indent=2))

Meta nennt 1.048.576 Tokens Kontext und 131.072 Tokens Output als API-Limits im Coding-Agent-Quickstart. Für mehrstufige Tool-Loops empfiehlt Meta das Weiterreichen verschlüsselter Reasoning-Inhalte (z. B. include: ["reasoning.encrypted_content"]) über den passenden Client. Das OpenAI-kompatible Verhalten kann je nach Endpoint Einschränkungen haben; das Modell ist nicht lokal auf dem Mac ausführbar, solange keine passenden Gewichte und Runtime verfügbar sind. ¹⁵

Was ändert sich gegenüber Muse Spark 1.2?

Muse Spark 1.2 war bereits ein deutlich Coding-orientiertes Modell und wurde gemeinsam mit Muse Code trainiert. Meta beschrieb lange Repository-Aufgaben, Planning, Context Compaction und persistente Hintergrundagenten. ⁷

1.3 baut weniger eine komplett neue Produktkategorie und mehr eine Qualitätsstufe für lange Agentenläufe:

Bereich	Muse Spark 1.2	Muse Spark 1.3
Coding-Fokus	stark, co-trained mit Muse Code	mehr Long-Horizon-Coding-Training
Tool-Nutzung	viele agentische Workflows	laut Meta weniger unnötige Calls
Token-Effizienz	1.2-Basis	intern ~25 % weniger Tokens
Multitasking	vorhanden	explizit verbessert
Rückfragen/Bestätigungen	agentisch	stärker auf Kollaboration und Konsequenzkalibrierung trainiert
Instruction Following	verbessert gegenüber 1.1	erneut explizit verbessert
Open Weights	nicht verfügbar	angekündigt, noch nicht veröffentlicht

Die konkrete Entscheidung „1.2 oder 1.3?“ ist deshalb einfach: Wenn 1.3 im selben Tarif und derselben Umgebung verfügbar ist, gibt es nach der aktuellen Evidenz wenig Grund, für neue agentische Coding-Workloads bewusst bei 1.2 zu starten. Bestehende Produktionssysteme sollten trotzdem Regressionstests durchführen, weil Änderungen bei Rückfragen, Tool-Entscheidungen und Kürze bestehende Agentenlogik beeinflussen können.

Ist Muse Spark 1.3 besser als GPT-5.6 Sol oder Claude Opus 5?

Nicht pauschal.

Auf GDPval-AA v2 liegt Muse Spark 1.3 mit 1.754 Elo unter Claude Opus 5 max mit 1.824. ⁵⁴ Beim von Meta gemeldeten DeepSearchQA-Wert erreicht Muse Spark 1.3 90,3, während GPT-5.6 mit 93,1 angegeben wird. Beim Agentic IF Index nennt das Launch-Material 57,8 für Muse Spark 1.3 und 60,5 für GPT-5.6. ⁵

Auf anderen Coding-Werten sieht 1.3 sehr stark aus, insbesondere bei dem von Meta gemeldeten DeepSWE-Run und Terminal-Bench 2.1. ⁵ Wegen unterschiedlicher Harnesses und noch nicht vollständig synchronisierter Leaderboards ist „besser“ aktuell eher workloadabhängig als ein belastbarer Gesamtsieg.

Für Entwickler ist daher die sinnvollere Frage:

• Wie gut funktioniert das Modell in meinem Agenten-Harness?
• Wie oft muss ein Mensch eingreifen?
• Wie viele Tool Calls und Tokens braucht es bis zur korrekten Lösung?
• Wie häufig produziert es unvollständige Änderungen?
• Wie verhalten sich Kosten bei langen Sessions mit Cache?
• Welche Daten dürfen im gewählten Tarif verarbeitet werden?

Welche Angaben im Oktober 2026 noch offen sind

Die inzwischen offizielle Muse-Spark-1.3-Modellkarte nennt direkt 1 Mio. Tokens Kontext, Preise für beide 1.3-Tarife, Benchmarkwerte und den Max-Reasoning-Modus. All das ist damit nicht mehr bloß eine September-Vermutung. Meta publiziert jedoch weiterhin nicht vollständig:

• Parameterzahl und detaillierte Modellarchitektur von Muse Spark 1.3.
• Veröffentlichungstermin und konkrete Lizenz für die angekündigten offenen Muse-Spark-Gewichte.
• Unabhängig reproduzierte Werte für sämtliche in Metas eigenen Benchmarks aufgeführten Harnesses.
• Praxisgenaue Zuverlässigkeit in konkreten Coding-Agenten: Die offenen Benchmarks ersetzen keine Tests auf einem festen Repository-/Tool-Setup.

Benchmark-Hinweis: Die mittlerweile öffentliche Meta-Modellkarte führt den Wert 1.754 Elo für GDPval-AA v2 selbst auf. Das bestätigt die Herkunft als Herstellerwert, aber keine unabhängige Reproduktion auf dem aktuellen Artificial-Analysis-Leaderboard. Ebenso stammen die angegebenen 75,4 % DeepSWE aus Metas ausgewiesenem Testsetup. ³

Wo Muse Spark 1.3 heute steht

Abgrenzung zum neuen Muse Wonder: Das am 12. Oktober vorgestellte Wonder ist ein anderes Cloud-Modell. Wonder Full ist über Muse Code Power/Maximum statt die öffentliche Pay-as-you-go-API erhältlich. Bei 10 Mio. ungecachten Input-Tokens und 2 Mio. Output-Tokens kosten Spark 1.3 Standard 21 USD und Wonder Standard 80 USD. Das sind Listenpreis-Rechnungen ohne Cache, Toolgebühren und Steuern, keine Qualitätsbenchmarks. Spark 1.3 Contributor bietet zwar niedrigere Preise, erlaubt Meta aber die Trainingsnutzung der Daten; für Wonder gibt es keinen Contributor-API-Tarif. Meta-Tarife · Muse Wonder.

Muse Spark 1.3 ist weiterhin primär eine Cloud-API für Coding- und Agenten-Workflows, kein praktisch lokales Mac-Modell. Metas aktuelle Modellkarte bestätigt mittlerweile 1.3-Preise, Max Reasoning sowie die Herstellerwerte für GDPval-AA v2, DeepSWE, Kontext-Retrieval und Terminal-Bench. Das ist bessere Quellenlage als zum Release; ein unabhängig reproduzierter Qualitätssprung ist damit aber noch nicht bewiesen. ³

Bei 1.754 GDPval-AA-v2-Elo und 75,4 % DeepSWE handelt es sich um von Meta veröffentlichte Resultate mit eigenem Setup. Der preisgünstige Contributor-Tarif für 1.3 ist direkt bestätigt, verlangt jedoch die Erlaubnis zur Modellverbesserung mit Eingaben und Ausgaben. Für vertrauliche Workloads nicht einfach wegen 15× niedrigerer Rechenkosten auswählen. ²³

Wer Muse Spark 1.3 ernsthaft mit 1.2, Claude oder GPT vergleicht, sollte denselben Harness, dieselben Tool-Rechte, die gleiche Kontextlänge und ein reproduzierbares Testset verwenden. Kosten sind als Cache-Miss, Cache-Hit, Output und optional Websuche getrennt zu messen.

Weiterführend: Muse Spark 1.1 sowie die Meta-API-Dokumentation.

Quellenbelege

Footnotes

1. Meta: Vorstellung ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸ ↩⁹ ↩¹⁰ ↩¹¹

2. Meta: Preisliste ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸ ↩⁹

3. Meta: Modellkarte ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸

4. Artificial Analysis ↩ ↩² ↩³ ↩⁴

5. Meta: Benchmarks ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷

6. DeepSWE ↩ ↩²

7. Meta: Muse 1.2 ↩ ↩² ↩³

8. Meta: API-Start ↩ ↩²

9. Meta: Hintergrund ↩

10. Meta: Evaluationsmethodik ↩ ↩² ↩³ ↩⁴

11. OpenAI: GDPval ↩

12. Scale: SWE Atlas ↩

13. Scale: SWE Atlas ↩

14. MRCR-Datensatz ↩

15. Meta: API-Quickstart ↩ ↩²