Muse Spark 1.3: Was sich geändert hat, was es kostet und wo du es nutzt

Was am 2. September erschienen ist

Meta hat Muse Spark 1.3 am 2. September 2026 veröffentlicht, vier Wochen nach 1.2. Noch am selben Tag wurde es als Modell hinter Muse Code und in der Meta Model API ausgerollt; bezahlter Entwicklerzugang startete am 3. September. In der API gibt es die zwei bekannten Varianten: muse-spark-1.3, dessen Daten nie zur Verbesserung von Metas Produkten verwendet werden, und muse-spark-1.3-contributor, das deutlich günstiger ist, weil genau das passiert. Das Kontextfenster bleibt bei einer Million Token; das Modell nimmt Text, Bilder und Video als Input und liefert Text zurück.

Wenn du Muse Code nutzt, musst du nichts tun: Der Agent ist von selbst auf 1.3 umgestiegen.

Was sich tatsächlich geändert hat

Meta stellt bei 1.3 die Alltagstauglichkeit in den Mittelpunkt, nicht die rohe Leistungsfähigkeit:

Längere Threads. Das Modell hält Arbeit mit längerem Horizont über mehrere Workflows in einem einzigen Thread durch — passend zum Workflows-Feature, das Muse Code beim Verlassen der Beta bekommen hat.
Es fragt, statt zu raten. Es stellt Rückfragen, sagt Bescheid, wenn es feststeckt, und schätzt seine eigenen Grenzen realistischer ein, statt Ergebnisse zu melden, die es gar nicht erreicht hat.
Schlankere Läufe. In Vergleichen von Meta-Ingenieuren erledigte es dieselbe Coding-Arbeit mit rund 20 % weniger Tool-Calls und 25 % weniger Token als 1.2.

Den letzten Punkt wird deine Rechnung merken. Die Preise sind gleich geblieben, also sind weniger Token pro Aufgabe ein glatter Rabatt: Wenn die Einsparung auf deinem Workload hält, landet ein Job, der auf 1.2 1,00 $ an Token gekostet hat, auf 1.3 eher bei 0,75 $.

Der Haken an den Benchmarks

Metas Scorecard zum Launch ist stark — doch die besten Zahlen stammen aus einer max-Reasoning-Konfiguration, die zum Launch noch in den letzten Sicherheitstests steckte und nur einem begrenzten Kreis von Partnern zur Verfügung stand. Für diese Konfiguration meldete Meta:

Benchmark	Muse Spark 1.3 (max)
DeepSWE 1.1	75,4 %
Terminal-Bench 2.1	88,8 %
SWEAtlas CodeBase QnA	59,4 %
Long-Context-Retrieval (MRCR, 256K–512K)	98,5 %

Auf DeepSWE lag es damit laut der Zusammenfassung der Scorecard durch DataCamp vor GPT-5.6 Sol (73,0) und Claude Opus 5 (74,0). Die Konfiguration, die die meisten Entwickler zum Launch bekommen, schneidet schwächer ab. Der Vergleich von VentureBeat sah das ausgelieferte Modell bei 61 im Artificial Analysis Intelligence Index — gleichauf mit GPT-5.6 Sol (max) und Claude Opus 5 (high) — und zeigte Abstände zu max bei Agenten-Aufgaben wie OSWorld 2.0 (57,2 gegenüber 66,9) und JobBench (61,2 gegenüber 64,9). Sieh die Tabelle mit den Spitzenwerten als Obergrenze — nicht als Vorschau darauf, wie sich deine erste Session anfühlt.

Was es kostet

An der Preisliste hat sich nichts geändert:

Pro 1M Token	Standard (`muse-spark-1.3`)	Contributor (`muse-spark-1.3-contributor`)
Input	1,25 $	0,10 $
Gecachter Input	0,15 $	0,002 $
Output	4,25 $	0,20 $

In Muse Code kannst du die Token-Abrechnung mit einem Monatsplan ab 5 $ auch ganz umgehen; die Preisseite vergleicht die Optionen.

Wo du es nutzt

Muse Code — das Standardmodell; /model wechselt mitten in der Session zwischen den Varianten.
Meta Model API — Drop-in-kompatibel mit den SDKs von OpenAI und Anthropic: Modell-ID ändern, Code behalten.
OpenRouter — dort sind sowohl muse-spark-1.3 als auch muse-spark-1.3-contributor gelistet.
Cursor — Team- und Enterprise-Admins müssen zuerst den Meta-Provider aktivieren; Cursor bietet 300K Token Kontext oder im Max Mode die vollen 1M, zu denselben Preisen pro Token.

Ist Muse Spark Open Source?

Teilweise, seit Oktober 2026. Das gehostete Muse Spark 1.3, das du in Muse Code und über die API nutzt, kannst du nicht herunterladen — es gibt es nur über Metas Produkte und API. Am 15. Oktober 2026 hat Meta aber einen Spark mit offenen Gewichten veröffentlicht: Muse Spark Open, ein Mixture-of-Experts-Modell mit 816 Milliarden Parametern insgesamt (42 Milliarden aktiv) und 1M Token Kontext. Es steht unter der Muse Model License, einer eigenen, nicht OSI-zertifizierten Lizenz, und braucht selbst in NVFP4 rund 700 GB Beschleunigerspeicher — ein Modell für Workstation oder Cluster, nicht für den Laptop. Die zugangsbeschränkten Gewichte liegen auf Hugging Face als meta-models/Muse-Spark-Open-816B-A42B.

Metas kleines Open-Weight-Modell ist weiterhin Muse Glimmer, veröffentlicht am 10. August 2026: ein agentisches Modell mit 30 Milliarden Parametern, destilliert aus Muse Spark, unter der Apache-2.0-Lizenz und quantisiert klein genug für eine einzelne Consumer-GPU (rund 20 GB). Die Gewichte liegen auf Hugging Face als meta-models/Muse-Glimmer-30B, und das Modell läuft in Ollama und LM Studio. Meta hat Glimmer nicht als Modell für Muse Code dokumentiert — betrachte es also als separate, lokale Option und nicht als Gratisversion desselben Agenten.

Update (Oktober 2026)

Muse Spark 1.3 ist nicht mehr Metas stärkstes Modell. Am 12. Oktober hat Meta Muse Wonder und Muse Wonder Full vorgestellt, seine ersten Frontier-Modelle. Wonder gibt es in der Meta Model API als muse-wonder-1.0 für 4,00 $ pro Million Input-Token und 20,00 $ Output sowie in Muse Code; Wonder Full steht nur Muse-Code-Abonnenten in den Plänen Power und Maximum zur Verfügung. Unser Guide zu Muse Wonder behandelt beide. Spark 1.3 bleibt das günstige Arbeitspferd mit niedriger Latenz, zu den unveränderten Preisen oben. Und am 15. Oktober hat Meta mit Muse Spark Open den ersten Spark mit offenen Gewichten veröffentlicht.

Solltest du wechseln?

Wenn du Muse Code nutzt, hast du schon gewechselt. Wenn du Muse Spark 1.2 über die API aufrufst, ist der Wechsel eine einzeilige Änderung der Modell-ID — lass deine eigenen Prompts vorher und nachher laufen, denn „weniger Token“ ist ein Durchschnitt, dein Workload aber nicht. Wie die Spark-Reihe hierhin gekommen ist, beschreibt unser Beitrag dazu, wie Muse Spark 1.2 trainiert wurde; wo sie gegenüber konkurrierenden Agenten steht, zeigt die Vergleichsseite.