Mit einem Wert von 62 im Intelligence Index von Artificial Analysis setzt sich Muse Spark 1.3 an die dritte Stelle aller getesteten KI-Modelle, hinter Claude Fable 5.1 und Claude Opus 5. Für Meta bestätigt das eine riskante Wende: weg vom quelloffenen Llama, hin zu einem geschlossenen Modell hinter kostenpflichtiger Schnittstelle.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügenFür Firmen im DACH-Raum, die Llama bisher auf eigenen Servern betrieben, verschiebt sich damit die Grundlage. Der neue Kurs entscheidet mit, worauf sie ihre KI-Projekte künftig bauen.
Das Wichtigste in Kürze
- Muse Spark 1.3 erreicht im Intelligence Index von Artificial Analysis 62 Punkte und liegt damit vor allen OpenAI-Modellen, nur hinter zwei Claude-Versionen.
- Das Modell braucht laut Meta rund 25 Prozent weniger Tokens als der Vorgänger, der Preis bleibt gleich.
- Meta gibt den quelloffenen Llama-Ansatz auf und setzt wie OpenAI und Anthropic auf ein geschlossenes Modell mit kostenpflichtiger Schnittstelle.
- Firmen, die Llama bisher lokal für datenschutzkritische Aufgaben betrieben, verlieren perspektivisch die Grundlage und sollten Alternativen prüfen.
Wie schlägt sich Muse Spark 1.3 gegen die Konkurrenz?

Der unabhängige Dienst Artificial Analysis führt Muse Spark 1.3 mit 62 Punkten auf Platz drei seines Intelligence Index, nur hinter zwei Modellen von Anthropic und vor allen Modellen von OpenAI.[1] Meta selbst bezeichnet das Modell besonders beim Programmieren als stärker denn OpenAIs GPT-5.6 Sol.[2]
Der eigentliche Hebel steckt aber nicht im Punktestand, sondern im Verbrauch. Muse Spark 1.3 braucht laut Meta rund 25 Prozent weniger Tokens für dieselbe Aufgabe als der Vorgänger, bei unverändertem Preis.[2] Weniger Tokens bedeuten geringere Kosten pro Antwort. Meta kann den Preis also drücken, ohne an der Marge zu verlieren, und macht daraus eine Waffe im Preiskampf.
Dazu kommen praktische Neuerungen. Das Modell bearbeitet mehrere Arbeitsabläufe gleichzeitig, hält den Kontext über lange Aufgaben besser und fragt vor unumkehrbaren Aktionen nach.[2]
Warum gibt Meta den offenen Llama-Weg auf?
Bis 2025 verteilte Meta seine Llama-Modelle offen, jeder durfte sie herunterladen und selbst betreiben. Llama 4 enttäuschte jedoch, und quelloffene Modelle aus China wie DeepSeek und Qwen zogen einen Großteil der Entwickler auf sich. Offene Gewichte verschenkten so den eigenen Vorsprung, ohne Geld einzubringen. Ein kleineres, weiterhin offenes Modell wie Muse Glimmer bleibt inzwischen die Ausnahme.
Als Antwort baute Mark Zuckerberg die neue Einheit Superintelligence Labs auf und holte Alexandr Wang, den früheren Chef von Scale AI, als obersten KI-Verantwortlichen. Für den Zugriff auf Scale AI zahlte Meta rund 12,2 Milliarden Euro (14 Milliarden US-Dollar, Kurs 0,87, Stand September 2026).[2] Muse Spark ist das erste Ergebnis dieser Kehrtwende, ein größeres Modell mit dem Codenamen Watermelon steht bereits in Arbeit.
Meta verkauft die Aufholjagd als Sieg, doch der eigentliche Bruch liegt woanders: Der Konzern, der offene KI im Markt groß gemacht hat, macht seine besten Modelle jetzt zu und überlässt das offene Feld den Chinesen.
— Markus Seyfferth, Chefredakteur Dr. Web
Was bedeutet das für Unternehmen im DACH-Raum?
Viele Mittelständler schätzten an Llama genau das, was jetzt wegfällt. Das Modell lief auf eigenen Servern, ohne dass Daten das Unternehmen verließen, ein starkes Argument unter der DSGVO. Ein reines API-Modell verlagert die Verarbeitung zurück zu Meta.
Hinzu kommt die Regulierung. Der EU AI Act stellt Anbieter quelloffener Modelle bei den Pflichten für Allzweck-KI teils frei, geschlossene Modelle fallen unter die vollen Transparenz- und Dokumentationspflichten. Metas Wechsel verschiebt also auch die rechtliche Einordnung.
Für Entscheider zählt daraus zweierlei. Bei datenschutzkritischen Anwendungen sollte niemand auf künftige offene Llama-Versionen bauen, quelloffene Alternativen wie Mistral oder Qwen gehören weiter auf die Liste. Und bei der Modellwahl wiegt der Preis pro Token künftig schwerer als der reine Benchmark-Wert.
Quellen
[1] Artificial Analysis: „Intelligence Index“ (artificialanalysis.ai/models)
[2] Meta AI: „Muse Spark, Meta Model API“ (ai.meta.com/blog)
Mehr Newshunger?
- Muse Glimmer: Metas offenes KI-Modell läuft auf einer einzelnen Grafikkarte
- Astra: OpenAIs erstes KI-Modell mit kritischen Cyberfähigkeiten
- Open-Source-KI als öffentliches Gut: AI Potluck kartiert 24.600 Projekte
- iFlytek veröffentlicht zwei quelloffene On-Device-Modelle, bleibt aber tief im Minus
- 25,8 Milliarden Euro: ByteDance finanziert seinen KI-Ausbau mit einem Milliardenkredit