Kurs
Claude Code 101
3 Std.
27.6K
Hinweis: Meta hat am 2. September 2026 Muse Spark 1.3 veröffentlicht.
Meta hat am 9. Juli 2026 Muse Spark 1.1 veröffentlicht – das zweite Modell der Meta Superintelligence Labs und ein Upgrade des ursprünglichen Muse Spark aus dem April. Gleichzeitig öffnete Meta die Meta Model API in einer Public Preview für Entwickler und wechselt damit in dasselbe Bezahl-API-Geschäftsmodell wie Anthropic und OpenAI.
Der Launch erfolgte nur zwei Tage, nachdem Meta mit Muse Image das erste Bildgenerierungsmodell der Superintelligence Labs vorgestellt hatte.
Muse Spark 1.1 ist ein multimodales Reasoning-Modell für agentische Aufgaben, mit einem Kontextfenster von 1 Mio. Tokens und Fortschritten bei Tool-Use, Computerbedienung, Coding und multimodalem Verständnis.
Es läuft im Modus "Thinking" in der Meta-AI-App und auf meta.ai. Meta positioniert es als Wettbewerber auf Top-Niveau zu GPT-5.5, Claude Opus 4.8 und Gemini 3.1 Pro. API-Preise: 1,25 $ pro Million Eingabetokens und 4,25 $ pro Million Ausgabetokens, mit 20 $ Startguthaben.
In diesem Artikel zeige ich, was in Muse Spark 1.1 neu ist, gehe die agentischen Features durch, bespreche Benchmarks und schlage praxisnahe Tests für deine eigene Evaluation vor. Sieh dir dazu auch unsere Beiträge zu Muse Glimmer, Sakana Fugu vs. Claude Fable 5 und unser Tutorial zum lokalen Einsatz von MiniMax M3 an.
TL;DR
- Muse Spark 1.1 ist Metas zweites Modell der Superintelligence Labs, veröffentlicht am 9. Juli 2026, entwickelt für agentische Aufgaben mit einem Kontextfenster von 1 Mio. Tokens.
- Es ist proprietär und Closed-Weight – im Gegensatz zur offenen Llama-Familie – mit kostenlosem Consumer-Zugang auf meta.ai und einer neuen, kostenpflichtigen Meta Model API in der Public Preview.
- API-Preise: 1,25 $ pro Million Eingabetokens und 4,25 $ pro Million Ausgabetokens, mit 20 $ Startguthaben.
- Stärken: Fokus auf agentische Aufgaben, mit Fortschritten bei Tool- und Computerbedienung, Coding und multimodalem Verständnis.
- Schwäche: Langfristige agentische Arbeit ist im Vergleich zu GPT-5.5 und Opus 4.8 noch ausbaufähig.
Was ist Muse Spark 1.1?
Muse Spark 1.1 ist Metas neuestes multimodales Reasoning-Modell, das nicht nur Single-Turn-Fragen beantwortet, sondern Arbeit über externe Apps und Services hinweg plant und orchestriert. Es steht über der offenen Llama-Familie, Metas vorheriger Hauptlinie vor den Muse-Spark-Modellen.
Anders als Llama ist Muse Spark proprietär und Closed-Weight, ohne lokalen Einsatz oder Community-Fine-Tuning.
Die wichtigste Neuerung gegenüber dem ursprünglichen Muse Spark ist die agentische Fähigkeit.
Laut Meta erledigt 1.1 komplexe Projekte schneller, da es darauf trainiert wurde, Multi-Agent-Systeme zu orchestrieren – als Hauptagent, der plant und delegiert, oder als Subagent, der fokussiert arbeitet und bei Bedarf eskaliert.
Es verwaltet außerdem aktiv sein Kontextfenster mit 1 Mio. Tokens, komprimiert frühere Schritte und behält die relevanten Details für spätere Phasen.
Beim Coding meldet Meta deutliche Verbesserungen gegenüber dem ersten Modell auf dem internen Meta Internal Coding Bench und Wettbewerbsfähigkeit mit führenden Alternativen. Diese Einordnung ist wichtig, denn unabhängige Benchmarks zeichnen ein gemischteres Bild – mehr dazu im Benchmark-Abschnitt.
Was ist neu in Muse Spark 1.1
Das Upgrade dreht sich darum, Dinge über Apps und Interfaces hinweg zu erledigen – nicht nur Text zu generieren. Das sind die Fähigkeiten, die Meta für dieses Release hervorhebt.
Multi-Agent-Projekte orchestrieren
Muse Spark 1.1 kann als Leitagent laufen, der Kontext sammelt, einen Plan erstellt und die Ausführung an parallele Subagenten delegiert.
Als Subagent kennt es seine verfügbaren Tools und weiß, wann es die Kontrolle an den Hauptagenten zurückgeben muss.
Laut Meta ermöglicht diese Parallelstruktur, komplexe Projekte schneller abzuschließen als mit dem ursprünglichen Muse Spark, da die End-to-End-Latenz sinkt.
Für die Praxis heißt das: Du kannst es mit einem Projekt wie "Zieh die Support-Tickets aus dem letzten Quartal, kategorisiere sie und erstelle eine Summary-Präsentation" betrauen – und es teilt Abruf, Tagging und Entwurf auf Subagenten auf.
Meta behauptet außerdem, dass es ohne Fine-Tuning auf neue native Tools, MCP-Server und Custom Skills im Zero-Shot-Verfahren generalisiert – du musst also nicht jede Integration separat antrainieren.
Einen Computer über mehrere Apps hinweg bedienen
Muse Spark 1.1 bewältigt Computer-Workflows, die sich über mehrere Anwendungen erstrecken und bei denen sich Informationen mitten im Task ändern.
Meta hat es darauf trainiert zu entscheiden, wann Geschwindigkeitsskripte sinnvoll sind, wann es besser ist, direkt durch ein Interface zu klicken, und pro Schritt Aktionsbatches zu erzeugen statt Klick für Klick zu überlegen.
Das firmeneigene Beispiel ist ein Agent, der eine Bestellung für eine Dinnerparty aufgibt, neuen Kontext bemerkt und die Bestellung ohne Nutzereingriff aktualisiert.
Näher am Alltag eines Datenteams: Ein Agent, der eine Preisseite eines Anbieters scraped, eine Preisänderung während der Session erkennt und eine Vergleichstabelle entsprechend anpasst, bevor er sie exportiert.
Die Aussage: Es hält Kontext über längere Sessions hinweg und passt sich mit minimalem menschlichen Input an veränderte Anforderungen an.
Bugs fixen und Code in großen Codebasen migrieren
Coding ist Metas zentrales Marketingthema, gestützt durch Zuwächse bei Real-World-Aufgaben wie das Diagnostizieren komplexer Bugs, Implementieren von Features in Enterprise-Systemen und großangelegten Codemigrationen.
Muse Spark 1.1 unterstützt gängige Features für agentisches Coding, darunter Planning Mode, Goal Conditioning, Subagent-Delegation und Kontextkomprimierung, und laut Meta passt es sich an unterschiedliche Harnesses wie OpenCode an.
Frühe Partner bestätigen das. Saoud Rizwan, CEO von Cline, sagt, Meta baue "offensichtlich für ernsthaftes agentisches Coding – starker Tool-Use zu einem Preis, der echte Coding-Workloads in großem Maßstab ermöglicht." Amjad Masad, CEO von Replit, lobte die "Top-Tier-Coding-Fähigkeiten (insbesondere Frontend und Design)" und die OpenAI-kompatible Verpackung.
Wahrnehmung und Aktion in einem Workflow kombinieren
Die multimodalen Stärken von Muse Spark 1.1 umfassen Wahrnehmung, Visual-to-Code-Generierung, sehr präzise Bild- und Videobeschreibung sowie multimodale agentische Ausführung. Wichtiger Punkt aus Metas Sicht: Wahrnehmung und Aktion greifen ineinander – visuelle oder Audioeingaben inspizieren, Details über lange Workflows hinweg behalten und sie bei der Computerbedienung aktiv nutzen.
In Metas Demo wurden per Smartphone-Video Produktfotos extrahiert und ein Artikel analysiert; anschließend bediente das Modell den Browser, um im Namen des Nutzers ein Facebook-Marktplatz-Angebot zu erstellen. Beachte die Modalitätsgrenze, die mehrere Drittanbieter-Guides erwähnen: Eingaben umfassen Text, Bilder und Audio, Ausgaben sind aktuell nur Text – dieses Modell generiert also keine Bilder oder Videos direkt.
Muse Spark 1.1 Benchmarks
Metas offizieller Beitrag stützt sich stark auf interne Bewertungen wie den Meta Internal Coding Bench, die nicht unabhängig reproduzierbar sind.
Die nützlichsten öffentlichen Zahlen stammen aus Third-Party-Vergleichen. Sie zeigen, dass Muse Spark 1.1 eine hohe Token-Effizienz bietet, dafür aber bei den schwierigsten Coding-Aufgaben eine Lücke hat.
| Benchmark | Muse Spark 1.1 Meta |
Muse Spark Meta |
Gemini 3.1 Pro (high) |
Opus 4.8 (max) Anthropic |
GPT 5.5 (xhigh) OpenAI |
|
|---|---|---|---|---|---|---|
| Agent | MCP Atlas Skalierter Tool-Use |
88.1 | 82.2 | 78.2 | 82.2 | 75.3 |
| JobBench Professioneller Tool-Use |
54.7 | 17.0 | 15.9 | 48.4 | 38.3 | |
| Toolathlon-Verified Persönlicher Tool-Use |
75.6 | 49.4 | 61.1 | 76.2 | 73.5 | |
| OSWorld-Verified Agentische Computerbedienung |
80.8 | 53.3 | 76.2 | 83.4 | 78.7 | |
| Humanity's Last Exam Multidisziplinäres Reasoning (mit Tools) |
62.1 | 50.4 | 51.4 | 57.9 | 52.2 | |
| Finance Agent v2 Agentische Finanzanalyse |
57.2 | - | 43.0 | 53.9 | 51.8 | |
| Coding | Terminal-Bench 2.1 Agentisches Terminal-Coding |
80.0 | 67.3 | 70.3 | 82.7 | 83.4 |
| SWE-Bench Pro Vielfältige Softwaretechnik |
61.5 | 55.0 | 54.2 | 69.2 | 58.6 | |
| DeepSWE 1.1 Langfristiges agentisches Coding |
53.3 | 10.0 | 12.0 | 59.0 | 67.0 | |
| Multimodal | CharXiv Reasoning Diagramm-Q&A |
88.4 | 88.9 | 81.6 | 89.9 | 84.8 |
| BabyVision Visuelles Reasoning |
76.3 | 39.9 | 51.5 | 81.2 | 83.6 | |
Terminal-Bench 2.1 (agentisches Terminal-Coding)
Terminal-Bench 2.1 misst, wie gut ein Modell mehrstufiges Coding und Agent-Aufgaben im Terminal bewältigt.
Meta meldet für Muse Spark 1.1 einen Score von 80,0 – knapp hinter 82,7 für Claude Opus 4.8 und dem Spitzenwert 83,4 von GPT-5.5.
MCP Atlas (skalierter Tool-Use)
Dieser Index misst skalierten Tool-Use, der Planung und Orchestrierung über eine Vielzahl externer Apps und Services erfordert.
Hier liegt Muse Spark 1.1 vorn – mit 88,1 gegenüber 82,2 für Opus 4.8 und 75,3 für GPT-5.5. Auch bei JobBench, das professionellen Tool-Use misst, führt das neue Meta-Modell. Agentischer Tool-Use ist also klar die Priorität von Muse Spark 1.1.
Evaluation Awareness (Apollo Research)
Die Evaluation-Awareness-Metrik von Apollo Research misst, ob ein Modell zu erkennen scheint, dass es getestet wird. Drittauswerter wiederholen die Aussage, dass Muse Spark unter den evaluierten Modellen die höchste Evaluation-Awareness zeigte. Mit Vorsicht zu genießen: Diese Ergebnisse sind bislang kaum unabhängig repliziert, und einige Beobachter sehen die Gefahr einer Überinterpretation ohne weitere Replikationen.
Muse Spark 1.1: Preise und Verfügbarkeit
Für Endnutzer ist der Zugang kostenlos. Muse Spark 1.1 läuft im Thinking-Modus in der Meta-AI-App und auf meta.ai. Du brauchst ein Meta-Login; bei starker Nutzung sind serverseitige Rate Limits wahrscheinlich. Eingaben: Text, Bild und Audio; Ausgaben: derzeit nur Text.
Für Entwickler ist die neue Meta Model API in der Public Preview. US-Entwickler können sie jetzt nutzen, um Prompts zu testen, Outputs zu vergleichen und Integrationen zu prototypisieren. Die Preise liegen bei:
- 1,25 $ pro Million Eingabetokens
- 4,25 $ pro Million Ausgabetokens
- 20 $ Startguthaben, bevor Pay-as-you-go greift
Reuters ordnet diese Preise über OpenAIs Einsteiger-Modell GPT-5 mini und Anthropics Claude Haiku 4.5 ein, aber unter Anthropics höherwertigem Claude Sonnet 4.8.
Das Modell soll die bisherigen Llama-Modelle ersetzen, die Chatbots auf WhatsApp, Instagram, Facebook und Metas Smart Glasses antreiben. Es ist erwähnenswert, dass mehrere unabhängige Guides auf spärliche API-Dokumentation hinweisen – ohne detaillierte Model Card und ohne offizielle, exakte Bestätigung einiger Kerndaten.
Fazit
Das deutlichste Signal dieses Launches: Meta hat sein Geschäftsmodell geändert. Mit einer Abrechnung pro Token über die Meta Model API konkurriert Meta jetzt direkt auf dem Terrain von Anthropic und OpenAI, statt wie bei Llama primär offene Gewichte auszuliefern.
Das ist ein großer Wandel für ein Unternehmen, dessen KI-Reputation stark auf Offenheit fußte.
Mein Eindruck: Muse Spark 1.1 ist aus zwei Gründen wirklich spannend – kostenloser Zugang auf Top-Niveau über meta.ai und eine starke Token-Effizienz.
Der größere Vorbehalt für Praktiker ist Transparenz. Es gibt keinen Open-Weight-Release. Wenn dein Workflow lokalen Einsatz oder Fine-Tuning erfordert, ist Muse Spark nicht das richtige Modell. Dann sind die offene Llama-Linie oder eine Open-Weight-Alternative wie MiniMax M3 die bessere Wahl.
Wenn du die agentischen Multi-Tool-Workflows bauen willst, für die Muse Spark 1.1 ausgelegt ist, empfehle ich unseren Kurs Developing AI Systems with the OpenAI API, da die Meta Model API OpenAI-kompatibel ist.
