Muse Code: Wer es herstellt, was es kostet und welche Version aktuell ist

Muse Code ist Metas Coding-Agent für das Terminal und CI, entwickelt für die Modellfamilie Muse Spark, und die beiden Versionen, die für alle relevant sind, die hier ankommen, sind Muse Spark 1.3 – die aktuelle Generation, datiert auf den 2. September 2026 – und Muse Spark 1.2, die Version, die die CLI weiterhin auswählt, sofern man nichts anderes angibt. Muse Code wird als native muse-Binary installiert, läuft interaktiv oder headless und wird auf drei Arten verkauft: drei Monatspläne für 5,00 $, 15,00 $ und 50,00 $ sowie nutzungsabhängige Token-Abrechnung über die Meta Model API zu 1,25 $ pro Million Input-Tokens und 4,25 $ pro Million Output-Tokens im Standard-Tarif. Noch eine Generation zurück, Muse Spark 1.1, wird weiterhin im selben Tarif zu denselben Preisen angeboten.

Lesen Sie diese Seite als Referenzseite, nicht als Nachrichtenmeldung. Muse Code selbst ist keine neue Sache, über die berichtet werden müsste: Meta hat es am 5. August 2026 als Betaversion veröffentlicht und am 31. August 2026 aus der Beta-Phase entlassen, und diese Seite nutzt diese Daten, um das Modell zeitlich einzuordnen, statt es anzukündigen. Die Begründung für diese Seite ist eine anhaltende Suchnachfrage, die wir am 28. September 2026 selbst gemessen haben: Die bloße Suchanfrage „muse code“ erzielte in den zurückliegenden 28 Tagen 4.547 Impressionen bei null Klicks, und die kommerzielle Schreibweise derselben Suchintention — „muse code free“, „muse code plan“, „muse code plans“, „muse code free tier“, „muse code 1.3“ — erzielte weitere 124 Impressionen, ebenfalls bei null Klicks. Leserinnen und Leser stellen vier konkrete Fragen. Diese Seite beantwortet sie der Reihe nach anhand von Metas eigener Dokumentation und sagt klar, wenn eine Zahl von Meta und nicht von einem unabhängigen Evaluator stammt.

Wenn du eigentlich eine Bewertung des Verhaltens des Agenten oder einen direkten Vergleich mit einem anderen Coding-Harness brauchst, dann ist das nicht die richtige Seite. Diese gibt es bereits in diesem Blog, und die, die deine Zeit wert sind, sind am Ende verlinkt.

Was Muse Code ist und wer es entwickelt

Die Definition des Anbieters ist ein Satz: „Muse Code ist Metas Coding-Agent für das Terminal und CI, entwickelt für Muse Spark.“ Es ist keine Bibliothek, keine Chat-Schnittstelle und kein Modell – es ist ein Harness. Du führst es in einem Projektverzeichnis aus; es plant, bearbeitet Dateien und führt Befehle aus, um eine Aufgabe abzuschließen, wobei Freigaben und eine OS-Sandbox ab dem ersten Lauf aktiv sind.

Meta beschreibt Muse Code und die Meta Model API als zwei Wege zum selben zugrunde liegenden Modell: Rufe die API direkt auf, wenn du deinen eigenen Agenten oder deine eigene Anwendung entwickelst, und führe Muse Code aus, wenn du einen fertigen Coding-Agenten in der Kommandozeile oder innerhalb einer Pipeline möchtest. Dieser Unterschied ist wichtig für die Preisgestaltung, denn das Abonnement bezahlt das Harness, und der API-Schlüssel wird separat pro Token abgerechnet.

Die Installation erfolgt mit einem Ein-Zeilen-Installer, und die beiden Anbieteroberflächen sind sich bei der Zeichenfolge nicht ganz einig:

• macOS und Linux — curl -fsSL https://dev.meta.ai/install.sh | sh auf der Dokumentationsseite und derselbe Befehl mit der Endung | bash auf der Marketingseite und in beiden Research-Blogbeiträgen

• Windows — irm https://dev.meta.ai/install.ps1 | iex, nur auf der Dokumentationsseite veröffentlicht

• Überprüfung — muse --version, dann muse in einem Projektverzeichnis, um eine interaktive Sitzung zu starten

• Erster Start — du wirst aufgefordert, dem Workspace zu vertrauen (wodurch dessen Skills, Regeln und Hooks geladen werden) und dich entweder über eine Browser-Anmeldung oder mit einem API-Schlüssel zu authentifizieren; in CI setzt du META_API_KEY stattdessen

• Zwei Oberflächen — muse für die interaktive Terminal-UI, muse exec "<prompt>" für einen einzelnen nicht-interaktiven Durchlauf bis zum Abschluss

• Steuere es aus deinem eigenen Programm — muse serve führt ein versioniertes Sitzungsprotokoll aus, muse schema gibt sein JSON-Schema aus, und npm install @muse-code/sdk installiert den TypeScript-Wrapper

Dieser letzte Punkt ist der Teil, den die meisten Zusammenfassungen übersehen. Muse Code ist nicht nur eine CLI: Das Sitzungsprotokoll ist eine dokumentierte, versionierte Schnittstelle, und das Changelog zeigt, dass es gezielt erweitert wird – Sitzungen können über das Protokoll umbenannt werden, Clients können eine strukturierte Diff-Zusammenfassung für jede Änderung lesen, und ein steuerndes Programm kann einen sitzungsweiten Reasoning-Effort-Standard festlegen.

Was Muse Code kostet – und die Free-Tier-Frage klar beantwortet

Es gibt keinen Gratis-Tarif. Das sollte man unverblümt sagen, denn es ist die am häufigsten gestellte kommerzielle Frage in den Nachfragedaten, und die Antwort ist eindeutig: Die Produktseite von Muse Code, die Abonnementseite und das Änderungsprotokoll enthalten zusammen keinen kostenlosen Plan, keine Testversion, keine kostenlose Guthabenzuteilung und keinen Gratiszugang mit Ratenbegrenzung.

Ein Vorsichtshinweis zu dieser Prüfung. In Metas Dokumentation zur Preisgestaltung kommen die Worte „platform free-tier credits“ tatsächlich genau einmal vor – in der Anmerkung zu Muse Voice Transcribe, die besagt, dass Zero-Data-Retention-Transkription zum gleichen Preis wie der Standard-Tarif angeboten wird und dass Plattform-Guthaben für die kostenlose Stufe gelten. Muse Voice Transcribe ist ein separates Produkt auf der Meta Model API mit eigener stundenbasierter Abrechnung; dieser Satz sagt nichts über Muse Code aus. Wenn Sie diese Zeile als Beleg für eine kostenlose Stufe von Muse Code zitiert finden, wird sie aus dem Zusammenhang gerissen.

Was Meta tatsächlich veröffentlicht, sind drei Abonnementstufen, alle monatlich abgerechnet, plus Pay-as-you-go-Token-Abrechnung für alles, was über das Prompt-Kontingent des Tarifs hinausgeht:

• Everyday Usage — 5,00 $/Monat; Zugriff auf die neuesten Muse-Modelle; 10–50 Prompts alle 5 Stunden, inklusive Bild- und Video-Uploads; Sprachmodus; Websuche

• Hohe Nutzung — 15,00 $/Monat; alles aus dem Everyday-Tarif; 5× mehr Nutzung als Everyday; mehr Prompts; mehr multimodale Eingaben

• Power Usage — 50,00 $/Monat; alles im High Usage-Plan; 20× das Everyday-Nutzungskontingent; erweiterte Prompts; frühzeitiger Zugang zu neuen Funktionen; größere Datei-Uploads

• Standard-Token-Preise — 1,25 $ pro Million Input-Tokens, 4,25 $ pro Million Output, 0,15 $ pro Million gecachter Input, für muse-spark-1.3, muse-spark-1.2 und muse-spark-1.1 gleichermaßen

• Contributor-Token-Preise — 0,10 $ / 0,20 $ / 0,002 $ pro Million Input-, Output- und gecachter Input-Token, für muse-spark-1.3-contributor und muse-spark-1.2-contributor

Die Tarife Standard und Contributor unterscheiden sich in genau einem wesentlichen Punkt, und Meta gibt dies sowohl auf der Modellseite als auch in der Preisübersicht an: Bei Standard werden Ihre Prompts und Completions nicht zum Trainieren von Meta-Modellen verwendet; bei Contributor hingegen schon. Auf der Produktseite sind die Contributor-Zeilen mit „Zur Verbesserung unserer Produkte verwendet“ und die Standard-Zeilen mit „Nicht zur Verbesserung unserer Produkte verwendet“ gekennzeichnet. Contributor ist bei Eingaben etwa zwölfmal günstiger und bei Ausgaben etwa einundzwanzigmal günstiger – eine so große Differenz, dass es zuerst eine Entscheidung zur Data Governance und erst danach eine Budgetentscheidung ist.

Drei Preisdetails werden leicht übersehen und sind alle wissenswert, bevor Sie eine Workload dimensionieren:

• Kein Langkontext-Aufpreis — Metas Preisliste sagt das ausdrücklich: Sie zahlen denselben Tarif, ob das Kontextfenster überwiegend leer oder fast voll ist, was ungewöhnlich ist und die Wirtschaftlichkeit langer Agentenläufe wesentlich verändert

• Web-Suche-Grounding wird separat abgerechnet – 2,50 $ pro 1.000 Suchanfragen zusätzlich zu den Tokenkosten der Anfrage, und es gilt für Textmodelle wie Muse Spark

• Ratenlimits gelten pro Team, nicht pro Schlüssel — 3.000 Anfragen und 4.000.000 Token pro Minute bei Standard, 100 Anfragen und 3.000.000 Token pro Minute bei Contributor; die Verwendung mehrerer Schlüssel innerhalb eines Teams vervielfacht das Kontingent nicht

Die Abonnementmechanik ist auf Metas Abonnementseite dokumentiert und entspricht der üblichen Praxis: Ein Upgrade wird anteilig berechnet und sofort wirksam, ein Downgrade wird zum nächsten Abrechnungszyklus wirksam, eine Kündigung muss mindestens 24 Stunden vor dem Abrechnungsdatum erfolgen, und für ein gekündigtes Abonnement gibt es keine Rückerstattungen, außer wenn gesetzlich eine vorgeschrieben ist. Abonnements decken speziell das Muse Code CLI-Credential ab; zusätzliche API-Schlüssel werden pay-as-you-go abgerechnet.

Welche Version ist aktuell: 1.2.1, Muse Spark 1.3 und die Standardversion, die weder die eine noch die andere ist?

Das ist die Frage, bei der die Nachfragedaten am lautesten sprechen – die Suchanfrage „muse code 1.3“ existiert überhaupt – und sie ist wirklich verwirrend, denn „die Version“ kann drei verschiedene Dinge bedeuten, und Muse Code veröffentlicht alle drei.

• Das CLI-Release — 1.2.1 ist das aktuelle. Metas Changelog listet seine Releases als 1.2.1, 1.1.1, 0.2.1 und 0.1.0 auf, wobei das letzte als „Launch version“ gekennzeichnet ist.

• Die Modellgeneration — Muse Spark 1.3, angekündigt am 2. September 2026 und auf Metas Modellseite beschrieben als „die neueste Version … Empfohlen für neue Arbeiten“

• Das Standardmodell der CLI — muse-spark-1.2, angegeben im Abschnitt zum ersten Start der Dokumentation und erneut unter Modellauswahl auf der Konfigurationsseite

Eine Neuinstallation von Muse Code 1.2.1 führt also Muse Spark 1.2 aus, es sei denn, du übergibst --model muse-spark-1.3 oder wechselst mitten in der Sitzung mit /models Metas eigene Quickstart-Seiten verwenden muse-spark-1.3 in jedem API-Beispiel, was die Trennung leichter misszuverstehen macht, als sie sein sollte: Die API-Beispiele und der CLI-Standard verweisen heute nicht auf dasselbe Modell.

Das Changelog für 1.2.1 beschreibt, was sich in der Harness statt im Modell geändert hat, und die wichtigsten Punkte sind:

• Spracheingabe unter macOS standardmäßig aktiviert, an Option+V gebunden und verwaltet mit /voice

• Ein /rewind-Befehl, der die Unterhaltung zu einer früheren Eingabe zurücksetzt und dabei dieselbe Auswahl wie bei doppeltem Esc verwendet

• [Image #N]Beschriftungen an eingefügten und abgelegten Bildern, damit das Modell nach einem bestimmten per Nummer gefragt werden kann, wobei Beschriftungen und Quellpfade über Resume, Rewind und Forks hinweg erhalten bleiben

• Ein mitgeliefertes migrate-Skill, das Memory-Notizen und MCP-Server-Definitionen aus Claude Code oder Codex in Muse Code importiert

• /mcp für ein Live-Inventar der verbundenen MCP-Server und ihrer Tools

• Neue Sitzungen werden im Berechtigungsprofil „Auto-review“ geöffnet, das denselben Zugriff wie „Ask me“ gewährt, aber geeignete Genehmigungsanfragen an einen automatisierten Prüfer weiterleitet und, falls dieser nicht verfügbar ist, ersatzweise Sie fragt.

• Sicherheitskorrekturen, von denen drei verhaltensbezogen statt kosmetisch sind: Befehle, die über Wrapper wie env und setsid gestartet werden, werden nun als der Befehl überprüft, den sie tatsächlich starten; eine Änderung des Berechtigungsmodus während einer Sitzung gilt für bereits laufende Tools bei ihrer nächsten Aktion; und das Berechtigungsprofil Unrestricted verhält sich jetzt genau wie --yolo

Auf der Modellseite macht die Ankündigung vom 2. September explizit deutlich, dass Muse Spark 1.3 über eine vielfältige Auswahl an Harnessen hinweg trainiert wurde und dass Meta die Reasoning-Stufe bewarb – „Muse Spark 1.3 mit maximalem Reasoning ist jetzt auf Muse Code und Meta Model API verfügbar“ – und nicht bloß das Basismodell. Der Launch-Post zu Muse Spark 1.2 vom 5. August ergänzt die andere Hälfte dieser Geschichte: Muse Spark 1.2 wurde zusammen mit Muse Code selbst co-trainiert, wobei rejection-sampled Harness-Trajektorien sowie Rezeptarbeit an Zielen, Kompaktierung und Subagenten verwendet wurden und das Muse Code-Toolset integriert wurde, um die Harness-Kompatibilität zu maximieren. Das Modell und der Harness wurden gegeneinander entwickelt.

Die Hülle: Kontext, Modalitäten, Plattformen

Muse Spark 1.3, Muse Spark 1.2 und Muse Spark 1.1 verwenden alle denselben Rahmen, und Meta gibt ihn in einer einzigen Tabellenzeile an: 1.048.576 Tokens Kontext, mit Text, Bild, Video, Audio und PDF als Eingaben und Text als einzige Ausgabe, über jede Stufe und jede Version hinweg.

Die Modalitätsparität bringt eine Einschränkung mit sich, die Meta als Fußnote veröffentlicht und die es wert ist, wiederholt statt vergraben zu werden: Das Audioverständnis in Muse Spark 1.3 wird nicht vollständig unterstützt, und die Antwortqualität bei Anfragen, die Audioinhalte enthalten, kann beeinträchtigt sein; Metas eigene Empfehlung ist, für Audio Muse Spark 1.2 zu verwenden oder Muse Voice Transcribe für dedizierte Sprach-zu-Text-Umwandlung. In der CLI ist das umsetzbar – --model muse-spark-1.2 ist ein dokumentierter Override, und die Standardeinstellung verweist bereits darauf.

Der Reasoning-Aufwand ist eine Einstellung auf Harness-Ebene mit acht Stufen, und die Konfigurationsseite von Meta benennt sie der Reihe nach: none, minimal, low, medium, high (die Standardeinstellung), xhigh, max und ultra. Drei Details in dieser Liste sind entscheidend:

• max ist die tiefste Reasoning-Stufe und wird als erweitertes Reasoning über xhigh hinaus beschrieben; Muse Code bietet sie sowohl im Standard- als auch im Contributor-Tarif an

• ultra ist eine clientseitige Einstellung und keine Modellebene: Es wird der höchsten unterstützten Reasoning-Stufe des jeweiligen Anbieters zugeordnet und kann Muse Code dazu bringen, aggressiver zu delegieren; wenn ein Anbieter es nicht unterstützt, läuft eine Anfrage für ultra auf xhigh

• Der Meta-Anbieter akzeptiert nicht none, daher ist die niedrigste Stufe nur über andere im Harness konfigurierte Anbieter verfügbar

Die Plattformunterstützung ist der Punkt, an dem Metas zwei Oberflächen nicht übereinstimmen, und die Abweichung ist klein, aber real. Die Dokumentationsseite besagt, dass Muse Code auf macOS, Linux und Windows aus einer einzigen Codebasis läuft, und führt drei Windows-spezifische Verhaltensweisen auf: PowerShell ersetzt Bash, sodass vom Agenten ausgeführte Befehle die PowerShell-Syntax und Windows-Kommandozeilenwerkzeuge verwenden; die Sandbox kann zur Administratorgenehmigung auffordern, und Windows kann beim ersten Initialisieren der Sandbox eine Benutzerkontensteuerungs-Aufforderung anzeigen, obwohl die normale Nutzung keine Ausführung als Administrator erfordert; und zwei Funktionen sind unter Windows nicht verfügbar — Spracheingabe und Session-Messaging, die beide unter macOS und Linux funktionieren. Die Produktseite hingegen sagt nur „Verfügbar für MacOS und Windows“. Beide Aussagen stammen heute von Metas eigener Website; zusammen gelesen bedeuten sie, dass Windows mit dokumentierten Lücken unterstützt wird und Linux unterstützt wird, obwohl die Marketingseite es nicht erwähnt.

Eine weitere Nuance zur Verfügbarkeit stammt eher aus der Dokumentation als aus dem Marketingtext: Workflows – die parallele und stufenweise Agenten-Orchestrierung – koordinieren Arbeit nur, wenn der installierte Build die Workflow-Engine enthält und der Rollout aktiviert ist, und Meta sagt unmissverständlich, dass sie „nicht in jedem Build oder auf jeder Plattform verfügbar sind“. Wenn ein Workflow-Feature der Grund für Ihre Installation ist, prüfen Sie, ob Ihr Build es enthält, statt es einfach anzunehmen.

Was Meta behauptet, mit benanntem Harness und Aufwand

Meta veröffentlicht Benchmark-Material, daher lautet die ehrliche Einordnung hier nicht „keine Anbieter-Benchmarks“ – sondern „dies sind Anbieter-Benchmarks, mit den Vergleichsbedingungen dort angegeben, wo Meta sie angibt.“

Die einzige quantitative Aussage, die Meta im Fließtext trifft, steht in der Ankündigung zu Muse Spark 1.3, und sie wird einem internen Vergleich statt einer Bewertung durch Dritte zugeschrieben: „Bei Vergleichen durch Meta-Ingenieure erwies es sich als deutlich schneller und effizienter und benötigte ~20 % weniger Tool-Aufrufe und ~25 % weniger Tokens.“ Die Vergleichsbasis wird genannt – relativ zu Muse Spark 1.2 –, und das Effort-Level ergibt sich aus der eigenen Darstellung der Ankündigung, da der Titel der Veröffentlichung auf Muse Spark 1.3 mit max reasoning abzielt. Nicht angegeben werden das Aufgabenset, die Anzahl der Durchläufe oder die Harness-Konfiguration, abgesehen von der Tatsache, dass es sich um Muse Code handelt. Betrachten Sie die beiden Prozentangaben als eine vom Anbieter berichtete Entwicklungsrichtung, nicht als ein gemessenes Benchmark-Ergebnis.

Das andere veröffentlichte Ergebnis ist eine Fallstudie statt einer Punktzahl, und es ist das interessantere der beiden. Meta berichtet von Tests, wie gut Muse Spark 1.2 GPU-Kernel über 1.000+ Tool-Aufrufe und bis zu 24 Stunden hinweg iterativ optimieren kann, wobei die agentische Coding-Umgebung von Muse Code genutzt wird, um Kernel-Leistung gegenüber einer vorgegebenen Baseline zu schreiben, zu kompilieren, zu profilieren und schrittweise zu verbessern. Die Workload ist benannt – KDA- und MLA-Kernel auf NVIDIA Hopper GPUs – und die Einschränkung ebenso: Kernel-Bibliotheken von Drittanbietern wie FLA waren verboten, und die Baseline war eine Triton-FLA-KDA-Implementierung. Ein 24-Stunden-Lauf mit tausend Tool-Aufrufen ist eine andere Art von Evidenz als ein Benchmark-Prozentsatz. Er sagt etwas über Ausdauer unter einem langfristigen Ziel und sehr wenig über vergleichende Qualität.

Die Launch-Charts für Muse Spark 1.2 und Muse Spark 1.3 stellen diese Modelle einer kleinen Gruppe namentlich genannter Wettbewerber in Agenten-, Coding-, Anweisungsbefolgungs- und Long-Context-Evaluierungen gegenüber — DeepSWE v1.1, SWE-Atlas-QnA, Terminal-Bench 2.1 und 4.0, tau2-bench, GDPval, SciCode, IFBench, MultiChallenge und AA-LCR v1.1 zählen zu den Achsen. Diese Charts wurden vom Anbieter erstellt und geplottet, und die Wettbewerberkonfigurationen auf ihnen sind Metas Auswahl, keine neutrale Vergleichsgruppe. Aus diesem Grund geben wir die Balkenwerte hier nicht wieder: Ein Anbieterdiagramm, das als Rangliste gelesen wird, ist genau das Fehlermuster, das diese Seite vermeiden soll.

Zwei ehrliche Lücken sollte man benennen, statt sie zu beschönigen:

• Meta veröffentlicht keinen direkten Vergleich von Muse Code mit Muse Spark 1.2 bei vergleichbarem Aufwand auf einem benannten Aufgaben-Set; die Zahl von ~20 %/~25 % kommt dem am nächsten, und es ist ein interner Vergleich mit angegebenen Effizienz-Deltas statt Punktzahlen.

• Meta veröffentlicht keine Bewertung der Live-Latenz der CLI, und keine der veröffentlichten Zahlen beschreibt, wie sich eine Sitzung unter realer Bearbeitungslast anfühlt

Was Artificial Analysis unabhängig misst

Artificial Analysis ist der unabhängige Evaluator, der derzeit eine Coding-Agent-Messung veröffentlicht, die Muse Code abdeckt, und sie ist eine andere Art von Zahl als alles oben: Bei den Zeilen handelt es sich um Harness-Modell-Paare, die von AA und nicht vom Anbieter bewertet werden.

Im Artificial Analysis Coding Agent Index — die Seite bezeichnet sich in ihren eigenen strukturierten Daten als v1.5 — lauten die Muse Code-Zeilen:

• Muse Code läuft mit Muse Spark 1.3 bei maximalem Reasoning — 54.3

• Muse Code läuft mit Muse Spark 1.3 bei xhigh-Reasoning — 48.3

• Die Spitze derselben Rangliste — Claude Code, das Claude Opus 5.5 mit maximalem Reasoning ausführt, bei 66,0

Zwei Dinge an diesen Zahlen sind wichtiger als die Zahlen selbst. Erstens: Die Lücke von 5,0 Punkten zwischen den max- und xhigh-Zeilen ist dasselbe Modell im selben Harness mit einer geänderten Einstellung, was eine nützliche Erinnerung daran ist, dass ein „Muse Code Score“ unterspezifiziert ist, solange das Effort-Level nicht genannt wird. Zweitens ist dieses Board eine andere Messung als die in unserer eigenen September-Berichterstattung zu Muse Spark 1.3 zitierte: Der frühere Artikel nannte 68 für Muse Spark 1.3 bei max, 64 bei xhigh und 68 für Claude Opus 5 bei xhigh. Diese Zahlen tauchen auf dem Live-Board nicht mehr auf – die aktuelle oberste Zeile ist Claude Opus 5.5 bei max mit 66,0, und die Zeilen von Muse Code stehen bei 54,3 und 48,3. Der Index wurde überarbeitet, und die Zusammensetzung des Feldes hat sich geändert. Wenn Sie die alten Zahlen mit sich herumtragen, sind sie nicht Seite an Seite zitierbar.

Die AA-Modellseite für Muse Spark 1.3 ist wieder eine separate Oberfläche, und ihre eigenen Werte sind AA-gemessen statt vom Anbieter gemeldet: ein Intelligence Index von 48,09, Terminal-Bench 2.1 bei 84,3 %, GPQA Diamond bei 93,5 %, HLE bei 48,7 %, SciCode bei 58,8 % und Long-Context-Recall bei 83 %, mit einem Veröffentlichungsdatum vom 2026-09-02, einem Kontextfenster von 1.000.000 Token und der Einstufung als proprietär, mit geschlossenen Gewichten. Beachten Sie, dass dies eine Indexrevision auf einer Modellseite ist – AA veröffentlicht Indizes je Modell, die nach ihrem eigenen Zeitplan überarbeitet werden; daher ergibt das Mischen einer Zahl von dieser Seite mit einer Zahl von der Seite eines anderen Modells keinen Vergleich auf Basis desselben Snapshots.

Was nichts davon liefert, ist ein Vergleich unter identischen Bedingungen. Die AA-Coding-Zeilen verlaufen konstruktionsbedingt über Harness-Grenzen hinweg – Muse Code gegen Codex, gegen Claude Code, gegen Grok Build, gegen Kimi Code CLI –, sodass eine Zeile-für-Zeile-Lesart ein Harness-Modell-Paar mit einem anderen Harness-Modell-Paar vergleicht, nicht zwei Modelle unter einem einzigen Harness. Wo Meta den Vergleich unter identischen Bedingungen nicht durchgeführt hat und das AA-Board nicht darauf ausgelegt ist, ihn zu beantworten, ist die ehrliche Position, dass der direkte Vergleich bei identischem Aufwand und identischem Harness nicht existiert, anstatt einen solchen aus benachbarten Zahlen zu konstruieren.

Was OrcaRouter routet und was nicht

OrcaRouter ist ein einziger Endpunkt, der 200+ Modelle abdeckt zum Listenpreis des jeweiligen Anbieters ohne Aufschlag, was bedeutet, dass die Verfügbarkeitsantwort für diese Familie überprüfbar ist statt eine Frage der Richtlinie zu sein. Heute gegen unsere öffentliche Live-Modellliste geprüft:

• meta/muse-code — nicht im Katalog. Muse Code ist ein Harness, kein routingfähiges Modell, und wir bieten es nicht an

• meta/muse-spark-1.3 — nicht im Katalog

• meta/muse-spark-1.2 — routbar, mit einem Kontextfenster von 1.048.576 Token und Preisen von 1,25 $ pro Million Input-Token, 4,25 $ pro Million Output-Token und 0,15 $ pro Million gecachter Lesezugriffe, dieselben Tarife, die Meta veröffentlicht

• meta/muse-spark-1.1 — ebenfalls routbar, zu denselben drei Tarifen

Praktisch bedeutet das auf OrcaRouter: Du kannst die ausgelieferten Muse Spark-Generationen über denselben Endpunkt erreichen, den du für alles andere auch verwendest, und Muse Code oder die aktuelle 1.3-Generation erreichst du darüber nicht. Betrachte das als Beschreibung des heutigen Katalogs und nichts weiter; die Verfügbarkeit ändert sich, und die Modellliste ist die Stelle, an der du sie prüfen kannst.

Worin ein Router bei einer Workload wie dieser seinen Nutzen beweist, sind die zwei Dinge, die ein Abonnement Ihnen nicht bieten kann. Das erste ist, dass ein einzelner API-Schlüssel eine Routing-Schicht ist, die eine Anfrage automatisch umleitet, wenn ein Anbieter beeinträchtigt ist, was zählt, wenn ein Agentenlauf Tausende von Tool-Aufrufen tief ist und Sie ihn lieber nicht an einen einzigen Upstream verlieren möchten, der einen schlechten Nachmittag hat. Das zweite ist, dass die Anfrage beschrieben statt hartcodiert ist – Sie können Muse Spark 1.2 hinter dieselbe Routing-DSL wie jedes andere Modell stellen und ändern, was sie bedient, ohne Ihren Client zu ändern.

Häufig gefragt

Ist das Standardmodell der CLI das aktuelle Modell? Nein. Der Standard von Muse Code ist muse-spark-1.2; die aktuelle Generation ist Muse Spark 1.3, angekündigt am 2. September 2026, und Sie erreichen sie mit --model muse-spark-1.3 oder dem Befehl /models.

Welche Formulierung ist richtig – „Muse Code 1.3" oder „Muse Spark 1.3"? Muse Spark 1.3. Muse-Code-Versionen sind Harness-Releases, und die aktuelle ist 1.2.1; die beiden Nummerierungsreihen sind unabhängig voneinander, und genau deshalb liefert die Suchanfrage „muse code 1.3" verwirrende Ergebnisse.

Wenn ich nur eine Audioeingabe benötige, welches Modell sollte ich dann konfigurieren? Muse Spark 1.2. In der Fußnote von Meta selbst heißt es, dass die Audioverarbeitung in 1.3 nicht vollständig unterstützt wird und die Antwortqualität beeinträchtigen kann, und es wird empfohlen, Audioaufgaben mit 1.2 oder Muse Voice Transcribe durchzuführen.

Ist der Contributor-Tarif ein kostenloser Tarif oder ein Test-Tarif? Nein, und es ist auch kein Rabatt, den Sie automatisch erhalten. Es ist eine günstigere Variante in jeder Muse Spark Version ab 1.2 im Austausch für die Erlaubnis, mit Ihren Prompts und Completions zu trainieren; die 1.1-Generation hat keine Contributor-Variante.

Fazit

Muse Code ist Metas Terminal- und CI-Coding-Agent, von Meta für seine Muse-Spark-Modelle entwickelt und in drei Monatsplänen für 5,00 $, 15,00 $ und 50,00 $ erhältlich, ohne kostenlose Tarifstufe, gestützt auf Pay-as-you-go-Standardtarife von 1,25 $ für Eingabe und 4,25 $ für Ausgabe pro Million Tokens sowie Contributor-Tarife von 0,10 $ und 0,20 $ für dieselben Tokens, wenn Sie Meta erlauben, damit zu trainieren. Das aktuelle CLI-Release ist 1.2.1, die aktuelle Modellgeneration ist Muse Spark 1.3, und die CLI verwendet standardmäßig weiterhin Muse Spark 1.2 — nennen Sie immer die Version und den Reasoning-Aufwand, wenn Sie einen Score angeben, denn Muse Code mit Muse Spark 1.3 auf max und auf xhigh sind nicht dieselbe Messung, und die plakative Effizienzbehauptung des Anbieters ist ein interner Vergleich und kein unabhängiges Ergebnis.

Für einen praktischen Einblick in das Harness selbst, siehe unsere Schritt-für-Schritt-Anleitung zum Terminal-Coding-Agenten Muse Code.