Muse Code gegen den Rest des Felds: die Preis-Leistungs-Landkarte
Fünf ernstzunehmende Rivalen, zwei Achsen, die zählen. Wo Metas Agent wirklich steht — gegen Claude, Codex, DeepSeek, GLM und MiniMax — plus ein Entscheidungsraster, das auch die nächste Preisänderung überlebt.
Das Fähigkeitsbild: ein knapper zweiter Platz
Auf Terminal-Bench 2.1 — dem Benchmark, der echter Terminal-Agent-Arbeit am nächsten kommt — erreicht Muse Spark 1.2 in Muse Code 82,9 %, hinter Anthropics Claude Opus 5 mit 86,7 % und knapp vor OpenAIs Codex mit GPT-5.6 Terra bei 81,8 %; dicht dahinter xAIs Grok Build (81,6 %) und Googles Antigravity CLI (78,9 %). Auf DeepSWE 1.1, das Software-Engineering auf Repository-Ebene abklopft, ist die Reihenfolge dieselbe, der Abstand aber größer: 59,3 % gegen 65,0 % für Opus 5 und 64,8 % für Codex. Meta hat diese Zahlen selbst veröffentlicht, unvorteilhafte Zellen inklusive — das ist ein paar Glaubwürdigkeitspunkte wert.
Die ehrliche Zusammenfassung: Claude Code + Opus 5 führt bei den Fähigkeiten; Muse Code und Codex tauschen je nach Test die Plätze. Die Open-Weight-Herausforderer — DeepSeek V4, GLM-5.2, MiniMax M3 — melden starke Ergebnisse auf benachbarten Benchmarks (MiniMax nennt 80 %+ auf SWE-bench Verified), haben aber keine First-Party-Harnesses, weshalb direkte Agent-Benchmark-Vergleiche größtenteils schlicht nicht existieren.
Metas veröffentlichtes Terminal-Bench-2.1-Diagramm. Hinter den Top drei füllen Grok 4.5 in Grok Build (81,6 %) und Gemini 3.6 Flash in der Antigravity CLI (78,9 %) das Feld auf — und der Sprung von 1.1 auf 1.2 beträgt 6,7 Punkte.
Das Preisbild: drei Spuren
Pro Million Token sortiert sich das Feld in Spuren. Premium: Opus 5 mit 5 Dollar Input / 25 Dollar Output und OpenAIs Flaggschiff GPT-5.6 Sol mit 5 / 30. Mittelfeld: Codex’ Standardmodell GPT-5.6 Terra mit 2 / 12 (nach OpenAIs Preissenkung vom 30. Juli), Grok 4.5 mit 2 / 6, Gemini 3.6 Flash mit 1,50 / 7,50, GLM-5.2 mit 1,40 / 4,40 und Muse Standard mit 1,25 / 4,25. Budget: MiniMax M3 mit 0,60 / 2,40, DeepSeek V4 Pro mit 0,435 / 0,87 und das neue DeepSeek V4 Flash mit 0,14 / 0,28. Und dann, komplett außerhalb der Karte: Muse Contributor mit 0,10 / 0,20 — billiger als jede Open-Weight-Option, im Tausch dafür, dass Meta aus deinen Sessions lernen darf.
Speziell für Agent-Workloads ist Cached Input die Zahl, die sich aufsummiert: Der Repository-Kontext wird in jedem Turn erneut mitgeschickt, und Muse Contributors Cache-Rate von 0,002 Dollar sowie DeepSeek V4 Flashs 0,0028 spielen in einer eigenen Liga. Opus 5 cached für 0,50 Dollar — das 250-Fache von Contributor. Über einen Monat langer Sessions ist die Cache-Spalte die Rechnung; die Mechanik dahinter steht in unserem Tarif-Rechenpost.
Was Preis- und Score-Tabellen übersehen
Drei strukturelle Unterschiede passen in keine Zelle. Erstens, Harness-Ownership: Meta, Anthropic, OpenAI, xAI und Google liefern allesamt First-Party-Agenten aus, deren Modelle dafür getuned sind — Muse Spark 1.2 wurde buchstäblich gemeinsam mit Muse Code trainiert — während DeepSeek, GLM und MiniMax auf Third-Party-Harnesses wie OpenCode setzen, die exzellent, aber generisch sind. Zweitens, Offenheit: Das chinesische Trio veröffentlicht Gewichte — du kannst selbst hosten, fine-tunen und API-Preisen komplett entkommen. Das bietet keiner der großen Drei. Drittens, Auditierbarkeit: Muse Codes replay-exaktes Event-Log ist als vollwertiges Produktfeature derzeit einzigartig, und für regulierte Teams wiegt das womöglich schwerer als einstellige Benchmark-Deltas.
Ein Entscheidungsraster
Maximale Fähigkeit, Preis zweitrangig — Claude Code + Opus 5, weiterhin die Nummer eins auf der Anzeigetafel. Fähigkeit nahe der Frontier zum Mittelklassepreis, mit Parallelität und Auditierbarkeit als Differenzierern — Muse Code, im Standard-Tarif für proprietäre Arbeit oder als Contributor für alles andere. Self-Hosting, Fine-Tuning oder harte Datensouveränitäts-Anforderungen — die Open-Weight-Spur: DeepSeek V4 fürs Preis-Leistungs-Verhältnis, GLM-5.2 oder MiniMax M3 je nach Harness und eigenen Eval-Ergebnissen. Tiefe Investitionen ins OpenAI- oder Google-Ökosystem — Codex und die Antigravity CLI bleiben die Wege des geringsten Widerstands, und Grok 4.5s Output-Rate von 6 Dollar macht Grok Build zum günstigsten Agenten der Premium-Spur.
Und weil die Model API Drop-in-kompatibel mit den SDKs und CLIs ist, die du ohnehin schon fährst, kostet dich der Test von Muse gegen deinen Platzhirsch genau eine Base-URL-Änderung. Die Zahlen altern in diesem Markt schnell; die Vergleichsseite führt die aktuelle Tabelle samt Datum der letzten Prüfung. Trau deinen eigenen Diffs mehr als jedem Benchmark — unseren eingeschlossen.