Mit Muse Spark 1.1 verlangt Meta zum ersten Mal Geld für ein eigenes KI-Modell und bricht damit still mit der Open-Source-Strategie, die den Konzern jahrelang von OpenAI und Anthropic abgehoben hat. Die Schlagzeile ist der Kampfpreis. Die eigentliche Nachricht ist der Strategiewechsel dahinter.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügenDas Wichtigste in Kürze
- Muse Spark 1.1 ist Metas erstes kostenpflichtiges Modell, entwickelt von den Meta Superintelligence Labs.
- Der Preis liegt bei rund 1,09 € je Million Eingabe-Token und 3,70 € je Million Ausgabe-Token und unterbietet Claude Opus deutlich.
- Das Modell läuft nur über Metas API, vor allem in den USA, und lässt sich anders als Llama nicht mehr selbst hosten.
- Metas Benchmark-Zahlen stehen in der Kritik, ein Muster, das der Konzern schon 2025 mit Llama 4 geliefert hat.
Metas Bruch mit dem offenen Modell
Bezahlschranke statt Download: Llama war jahrelang Metas Trumpf, ein Modell zum Herunterladen, das Unternehmen im eigenen Rechenzentrum betreiben konnten. Muse Spark 1.1 gibt es nicht mehr als Datei zum Herunterladen, sondern nur noch als Zugang über die neue Meta Model API. Jede Anfrage schickt die Daten an Metas Server.
Preis als Waffe: Mark Zuckerberg beschreibt Muse Spark als „starkes Agenten- und Coding-Modell zu einem sehr niedrigen Preis“. Der Kurs von etwa 1,09 € je Million Eingabe-Token reiht sich in einen Preiskampf ein, den zuletzt xAIs Grok 4.5 und die chinesischen Anbieter hinter GLM 5.2 angeheizt haben. Meta kann diesen Kurs bieten, weil es parallel eigene KI-Chips in Produktion bringt und so seine Betriebskosten drückt.
Was leistet Muse Spark 1.1 wirklich?
Muse Spark 1.1 glänzt bei agentischen Aufgaben und Werkzeugnutzung, bleibt beim reinen Programmieren aber hinter Claude Opus 4.8 und GPT-5.5 zurück und unterbietet beide beim Preis deutlich.
Zahlen im Detail: Im Coding-Test Terminal-Bench 2.1 nennt Meta 80,0 Punkte, während Claude Opus 4.8 auf 82,7 und GPT-5.5 auf 83,4 kommen. Der unabhängige Intelligence Index von Artificial Analysis vergibt 43 Punkte, Rang 34 von 570 Modellen.[2]
Prominente Fürsprecher: Replit-Chef Amjad Masad nennt Muse Spark „ein vollständiges agentisches Fundament“.[1] Das Kontextfenster beziffert Meta auf eine Million Token.
Terminal-Bench 2.1 nach Metas eigener Tabelle
Auf dem Coding-Benchmark liegt Muse Spark hinter beiden Rivalen. In der Hacker-News-Diskussion wird eingewandt, dass der Wert mit mehr Rechenkernen als vorgesehen entstanden sei.
Warum die Benchmark-Zahlen mit Vorsicht zu genießen sind?
Metas Zahlen entstehen im eigenen Haus und stehen in der Kritik: Einen Teil der Coding-Bestwerte soll das Modell nur mit mehr Rechenleistung als vorgesehen erreicht haben, weshalb es in der offiziellen Bestenliste fehlt.
Zahlen mit Beigeschmack: In der Diskussion auf Hacker News wird eingewandt, dass Meta den Terminal-Bench-Wert mit sechs Rechenkernen und 8 GB Arbeitsspeicher erzielt habe, obwohl die Testumgebung nur vier Kerne vorsieht.
Ein bekanntes Muster: Der Verdacht trifft keinen Unbekannten. Im April 2025 hatte Meta eine eigens getunte Testversion von Llama 4 Maverick auf Platz zwei der Bestenliste LMArena gebracht, während die herunterladbaren Gewichte danach auf Rang 32 abgerutscht sind. Die Betreiber von LMArena haben Meta öffentlich gerügt, und der ehemalige KI-Chef Yann LeCun hat später eingeräumt, die Ergebnisse seien „ein wenig geschönt“ gewesen. Dass Benchmarks als Verkaufsargument an Aussagekraft verlieren, zeigt sich quer durch die Branche.
Metas eigentliche Nachricht ist nicht der niedrige Preis, sondern der Abschied vom offenen Modell. Der Mittelstand tauscht die Kontrolle über Llama im eigenen Rechenzentrum gegen eine Schnittstelle auf US-Servern.
— Markus Seyfferth, Chefredakteur Dr. Web
Folgen für den Mittelstand: Für deutsche Unternehmen verschiebt sich mit dem Bezahlmodell die entscheidende Frage. Ein selbst gehostetes Llama hält die Daten im eigenen Haus, DSGVO-konform und ohne Drittzugriff. Eine US-API bedeutet Datenabfluss, den Sie vertraglich und technisch absichern müssen, bevor produktive Prozesse darauf laufen. Wie stark solche Modelle inzwischen selbstständig arbeiten, zeigt der Blick auf autonome Agenten wie ChatGPT Work.
Konkret zu tun: Prüfen Sie Muse Spark nicht anhand der Herstellerzahlen, sondern in einem eigenen Test mit Ihren typischen Aufgaben. Vor jedem Pilotprojekt gehören Verarbeitungsstandort und Auftragsverarbeitungsvertrag geklärt, während ein selbst hostbares Modell als Ausweichoption in der Hinterhand bleibt. So bleiben Sie unabhängig von einem Anbieter, der den Zugang jederzeit neu zuschneiden kann.
Quellen
[1] Meta AI: „Introducing Muse Spark and the Meta Model API“ ↩
[2] Artificial Analysis: „Muse Spark: Intelligence, Performance & Price Analysis“ ↩
Mehr Newshunger?
- Grok 4.5 ist da: xAIs neues Modell setzt auf Tempo und Preis statt Benchmark-Krone
- Erst die Behörden, dann alle: Der kontrollierte Marktstart von GPT-5.6
- Signal statt Rauschen: Warum KI-Coding-Benchmarks kaum noch etwas messen
- Weg von Nvidia: Meta bringt ab September einen eigenen KI-Chip in Produktion
- KI macht die Umsatzsteuer für unter drei Dollar: Was der Buchhaltungs-Test verschweigt
