Muse Code vs. Muse Spark 1.1: Was Metas 6,7-Punkte-Upgrade eigentlich misst

Führen Sie zuerst die Subtraktion durch. Metas Launch-Deck für Muse Code, den am 5. August 2026 ausgelieferten Terminal-Coding-Agenten, weist 82,9 % im Terminal-Bench 2.1 aus und nennt das einen Zugewinn von 6,7 Punkten gegenüber Muse Spark 1.1, dem Modell, für das die meisten, die das hier lesen, bereits zahlen. Zieht man 6,7 von 82,9 ab, erhält man 76,2 — was keine von Meta veröffentlichte Zahl ist, sondern genau der Wert, der auf dem öffentlichen Terminal-Bench-2.1-Leaderboard für Muse Spark 1.1 bei xhigh effort steht, im Juli eingereicht, ausgeführt mit dem mini-SWE-agent-Harness von Princeton.

Dieser Zufall ist die nützlichste Tatsache in diesem Vergleich, denn mini-SWE-agent ist ein bewusst minimales Grundgerüst — ein paar hundert Zeilen, keine persistenten Subagenten, kein Ereignisprotokoll, keine Planungsfähigkeiten. Metas 82,9 % erzielt Muse Spark 1.2 in einem speziell dafür gebauten Agenten, mit dem Meta das Modell gemeinsam trainierte. Wenn diese beiden Zeilen die 6,7 Punkte ausmachen, dann ist der in der Schlagzeile vermeldete Generationssprung ein Modell-Upgrade undein Harness-Upgrade, gebündelt in einer einzigen Zahl, und Meta hat nichts veröffentlicht, was die beiden voneinander trennt.

Meta hat nicht angegeben, welchen Testrahmen es für seine 1.1-Baseline verwendet hat, daher ist der Vergleich eher suggestiv als bewiesen. Aber er stellt die Entscheidung für jeden, der Muse Spark 1.1 derzeit über eine API aufruft, neu dar – und das ist die ehrliche Version dieses Vergleichs: Sie wählen nicht zwischen zwei Modellen. Sie wählen zwischen einem Modell, das Sie selbst steuern, und einem Agenten, der ein neueres Modell für Sie steuert – und nur eines dieser beiden Dinge wurde von jemand anderem als Meta gemessen.

Das sind nicht dieselbe Kategorie, und das Datenblatt sagt das auch.

Die Hälfte der Verwirrung um diese Kombination rührt daher, dass Muse Code als ein Modell-Release behandelt wird. Das ist es nicht. Es ist eine CLI, und Muse Spark 1.2 ist das, was es aufruft.

• Was es ist — Muse Code ist ein Terminal-Agent, der mit einer Zeile installiert wird (curl -fsSL https://dev.meta.ai/install.sh | bash); Muse Spark 1.1 ist ein Modell-Endpunkt, den Sie aus Ihrem eigenen Code, Ihrem eigenen Agent-Framework oder jeder CLI aufrufen können, die eine benutzerdefinierte Basis-URL akzeptiert.

• Zugrundeliegendes Modell — Muse Code läuft auf Muse Spark 1.2, das zusammen mit dem Agenten trainiert wurde; Muse Spark 1.1 ist die Generation vom Juli und wird weiterhin bereitgestellt und gelistet.

• Wo es läuft — Muse Code ist nur für macOS und Linux, nur im Terminal, ohne GUI, ohne IDE-Erweiterung; Muse Spark 1.1 läuft überall dort, wo HTTPS verfügbar ist, einschließlich Windows.

• Eingaben — Muse Code nimmt ein Repository und einen Prompt entgegen; Muse Spark 1.1 akzeptiert Text, Bilder, Video, Audio und PDF-Dokumente in einem einzigen Kontext mit 1.048.576 Token und gibt Text zurück.

• Status — Muse Code ist eine öffentliche Beta und als solche gekennzeichnet; Muse Spark 1.1 ist seit Juli 2026 allgemein verfügbar und trägt echten Produktionsverkehr.

• Listenpreis — beide werden über die Meta Model API zu 1,25 $ pro Million Input-Tokens, 0,15 $ für gecachten Input und 4,25 $ für Output im Standard-Tarif abgerechnet. Die Preisliste ist dieselbe.

Die letzte Zeile ist die, die die Leute überrascht, und sie macht die naheliegende Annahme zunichte. Die Einführung von Muse Code kostet pro Token nicht mehr als das, was Sie bereits betreiben. Was es kostet, wird in anderen Währungen gemessen – Plattformunterstützung, Latenz, Modalität und, auf der günstigen Stufe, Ihr Quellcode. Das sind die vier Achsen, über die es sich zu streiten lohnt.

Der Benchmark, bei dem sie divergieren, gelesen mit angebrachtem Harness.

Meta veröffentlichte zwei Generationsdeltas gegenüber Muse Spark 1.1: +6,7 Punkte bei Terminal-Bench 2.1 und +6,3 bei DeepSWE 1.1. Beide sind vom Hersteller gemeldet, beide stammen aus Diagrammen, die ohne Methodik-Beschreibung als Bilder veröffentlicht wurden, und keines wurde von einem Dritten reproduziert. Rechnet man sie heraus, liegen Metas implizite 1.1-Baselines bei etwa 76,2 % und 53,0 %.

Nun setzen Sie Metas 82,9 % neben die Bestenliste, die Meta nicht zitierte. Die öffentliche Terminal-Bench-2.1-Bestenliste hat zum Zeitpunkt des Schreibens Claude Code gepaart mit Claude Fable 5 bei 83,8 % ± 1,2 %, Codex mit GPT-5.5 bei 83,1 % ± 1,1 %, Terminus 2 mit Claude Fable 5 bei 80,4 %, Cursor CLI mit Grok 4.5 bei 79,3 %, und mini-SWE-agent mit Muse Spark 1.1 bei 76,2 % auf dem achten Platz. Die von Muse Code selbst gemeldeten 82,9 % wären auf dem dritten Platz — hinter zwei Agent-Modell-Paaren, die nirgendwo in Metas Präsentation auftauchen. Stattdessen vergleicht Meta mit Claude Opus 5 bei 86,7 %, GPT-5.6 Terra bei 81,8 % und Grok 4.5 bei 81,6 % in separaten Läufen mit maximalem Aufwand.

Zwei Bestenlisten, ein Benchmark, Zahlen, die nicht zusammenpassen — und eine völlig andere Skala, wenn man sich Artificial Analysis ansieht, dessen unabhängige Terminal-Bench-v2.1-Auswertung für GPT-5.6 Sol einen Höchstwert von nahezu 89,5 % erreicht, während die öffentliche Bestenliste bei 83,8 % gedeckelt ist. Keine dieser Parteien lügt. Eine Terminal-Bench-Zeile ist eine Punktzahl für ein Harness, ein Modell, eine Effort-Einstellung und ein Compute-Kontingent, und das Ändern auch nur eines dieser Elemente verschiebt das Ergebnis um mehr als die gesamte Spanne, die Meta als eine Generation ausgibt.

Deshalb ist die interessante Kennzahl auf der öffentlichen Bestenliste nicht die Genauigkeitsspalte, sondern die Kostenspalte. Muse Spark 1.1 beendete seinen Lauf mit 76.2% für $198.05. Claude Code mit Claude Fable 5 erreichte seine 83.8% für $552.67, und Codex mit GPT-5.5 zahlte $2,059.19 für 83.1%. Das sind 7.6 Punkte an Genauigkeit für das 2.8-fache an Geld im ersten Fall und etwa das 10-fache im zweiten — gemessen vom selben Bediener, an denselben Aufgaben, unter denselben Regeln, was genau der Äpfel-mit-Äpfel-Vergleich ist, den Metas Tabelle dir nicht liefert. Die Bestenliste zieht außerdem Punkte für Aufgaben ab, die durch Manipulation der Umgebung gelöst wurden; die Einreichung von Muse Spark 1.1 weist keinen solchen Abzug auf, während der Lauf von Grok 4.5 mit Cursor CLI einen 9-Punkte-Abzug trägt.

Meta veröffentlichte keine Kostenangabe für seine 82,9%.

Was Muse Spark 1.1 bereits kann, was Muse Code nicht kann

Das Verkaufsargument für Muse Code ist, dass ein gemeinsam trainierter Agent „einen generischen Wrapper um ein externes Modell" schlägt – Metas Formulierung, Metas Behauptung, die von niemand anderem getestet wurde. Das ist eine vernünftige Behauptung. Sie zielt außerdem auf eine Lücke ab, die Muse Spark 1.1 speziell schließen sollte.

Muse Spark 1.1 spricht nativ das Model Context Protocol, verwaltet seine eigenen MCP-Verbindungen ohne externes Framework, orchestriert intern Primäragent- und Subagent-Rollen und generalisiert Zero-Shot auf neue Werkzeuge und benutzerdefinierte Fähigkeiten. Metas eigene Startzahlen dafür waren Tool-Nutzungszahlen: 88,1 auf MCP Atlas für skalierte Tool-Nutzung — vor den 82,2, die Meta für Claude Opus 4.8 meldete, und 75,3 für GPT-5.5 — und 54,7 bei JobBench. Alle vom Anbieter gemeldet, alle vom Juli, keine unabhängig reproduziert. Der Punkt steht trotzdem: 1.1 ist kein Chat-Modell, an das jemand einen Agenten drangebastelt hat. Setzen Sie es in OpenCode, Cline oder eine beliebige CLI ein, die einen benutzerdefinierten Endpunkt akzeptiert, und Sie haben heute einen Agenten.

Und dann gibt es all das, was Muse Code strukturell nicht anfassen kann. Muse Spark 1.1 verarbeitet Bilder, Videos, Audio und PDFs in einem einzigen Kontextfenster. Ein Terminal-Coding-Agent hat für diese Oberfläche keine Verwendung und keine Möglichkeit, sie zugänglich zu machen. Wenn Ihre Arbeitslast ein Design-Mock ist, der in Komponenten umgesetzt wird, ein Supportanruf, der transkribiert und priorisiert wird, oder ein 400-seitiges Pflichtenheft, das mit einer Implementierung abgeglichen wird, dann ist das neuere Ding das weniger leistungsfähige – und Metas Positionierung für die 1.2-Generation hat sich von „multimodaler Tiefenrecherche über gemischte Medien“ zu Mehrdatei-Refactorings und vollständiger Repository-Generierung verlagert, ohne dass von irgendjemandem veröffentlichte Video- oder Audioergebnisse für 1.2 vorliegen.

Die tatsächliche Asymmetrie verläuft in die andere Richtung – sie ist eine Laufzeiteigenschaft und keine Fähigkeit. Muse Code hängt jeden Modellaufruf, jede Tool-Ausführung, jede Genehmigung und jede Bearbeitung an ein lokales Ereignisprotokoll an, das die Sitzung laut Meta replay-exakt und neustartsicher macht: Stürzt die Sitzung ab, setzt der Agent genau dort fort, wo er aufgehört hat, statt seinen Kontext neu abzuleiten. Seine Hintergrundagenten bleiben über die Sitzung hinweg bestehen, anstatt für jede Teilaufgabe erzeugt und wieder beendet zu werden. Metas Beleg ist eine einzige Fallstudie – ein 24-Stunden-Lauf mit über 1.000 Tool-Aufrufen zur Optimierung von GPU-Kernen auf NVIDIA-Hopper-Hardware. Es wurde keine Speedup-Zahl veröffentlicht, die Dauer ist also die eigentliche Behauptung. Wenn man schon einmal eine neunstündige Migration verloren hat, weil das Framework bei Schritt 300 vergessen hatte, was es gerade tat, dann ist das etwas, das man wirklich haben möchte – und keine noch so große MCP-Unterstützung im Modell verschafft einem das.

Gleicher Listenpreis, bis du die zweite Stufe liest.

Da die Standard-Stufe auf beiden Seiten identisch ist, liegt das Preisargument in diesem Vergleich vollständig in der Stufe, die Meta zusammen mit Muse Code eingeführt hat. Die Mitwirkenden-Stufe kostet 0,10 $ pro Million Input-Token, 0,002 $ für gecachten Input und 0,20 $ für Output – 12,5x günstiger beim Input, 21x beim Output, 75x beim gecachten Input – im Austausch für die ausdrückliche Erlaubnis, deine Prompts und Vervollständigungen zu verwenden, um zukünftige Meta-Modelle zu trainieren. Der Standard-Stufen-Traffic, so Meta, wird nicht auf diese Weise verwendet.

Führe einen realistischen Agentenschritt durch — 60.000 Token Repository-Kontext hinein, 3.000 Token Plan-and-Patch heraus — und tausend Schritte kosten 87,75 $ im Standard-Tarif kalt, 21,75 $ mit Repository-Kontext im Cache, 6,60 $ im Contributor-Tarif kalt und 0,72 $ im Contributor-Tarif mit warmem Cache. Metas eigener 24-Stunden-Kernel-Lauf liegt bei fast neunzig Dollar auf dem Tarif, der deinen Code schützt, und unter einem Dollar auf dem Tarif, der das nicht tut.

Das ist keine Abrechnungsfrage. Die Prompts eines Coding-Agenten sind deine Codebasis — interne APIs, der Kommentar, der erklärt, warum der Workaround existiert, was auch immer deine Fixtures enthalten. Bei einem Open-Source-Projekt ist der Contributor-Tarif fast geschenktes Geld. Bei einem proprietären Repository ist das eine Datenlizenz-Entscheidung im Gewand eines Rabatts, und diese Entscheidung gehört vor denjenigen, der die Datenverarbeitung freigibt, nicht vor denjenigen, der die Cloud-Rechnung überwacht. Meta hat den Rabatt auf 12x festgelegt, weil die Daten für Meta mindestens so viel wert sind.

Bei Muse Spark 1.1 zu bleiben umgeht die Frage vollständig, und es lohnt sich zu wissen, was genau das kostet und wo. Muse Spark 1.1 ist im OrcaRouter-Katalog zu 1,25 $ und 4,25 $ erhältlich – der Listenpreis von Meta bis auf den Cent genau, weil wir 0 % Aufschlag erheben und die Anbieterpreise unverändert weitergeben, weshalb eine Preisänderung von Meta bei uns auch am selben Tag erscheint, an dem Meta sie vornimmt, und nicht erst nach einem Vertragszyklus. Unsere Sieben-Tage-Produktionstelemetrie dafür zeigt einen p50-Wert für die Zeit bis zum ersten Token von 1,84 Sekunden und einen p95-Wert von 6,00 Sekunden, was eine weitaus nützlichere Erwartung ist, als Ihnen jede Benchmark-Umgebung liefert. Muse Spark 1.2 ist nicht in unserem Katalog; es wird direkt von Meta bereitgestellt und sonst nirgendwo, sodass die neuere Hälfte dieses Vergleichs derzeit konstruktionsbedingt genau einen Anbieter und keinen Failover-Pfad hat. Wenn Sie es evaluieren, ist diese Abhängigkeit von einem einzigen Anbieter Teil dessen, was Sie evaluieren.

Der Latenz-Kompromiss, den niemand in der Launch-Berichterstattung erwähnt

Artificial Analysis, die unabhängig bei maximalem Denkaufwand jedes Modells misst, verzeichnete für Muse Spark 1.1 eine Zeit bis zum ersten Token von 2,90 Sekunden und für Muse Spark 1.2 bei 26,12 Sekunden. Die Ausgabegeschwindigkeit sank von 213,5 auf 165 Token pro Sekunde. Der Zugewinn betrug drei Punkte des Intelligence Index, von 51 auf 54, und einen Sprung von Platz #22 auf Platz #13 von 185 Modellen.

Als allgemein einsetzbares Modell-Release gelesen, ist es ein schlechtes Geschäft — neunmal so viel Wartezeit für drei Punkte. Als Motor eines Coding-Agenten gelesen, ist es eindeutig das Richtige, denn niemand, der auf ein Refactoring über zwölf Dateien wartet, nimmt sechsundzwanzig Sekunden Planungszeit wahr, während jeder, der auf eine Chat-Antwort wartet, genau diese Verzögerung bemerkt. Das beschreibt am klarsten, für wen jede Seite dieses Vergleichs gedacht ist, und es wurde von einem Dritten gemessen, nicht von Meta behauptet.

Es bedeutet auch, dass der Wechsel nicht kostenlos ist, selbst wenn es einem nur um Code geht. Alles Interaktive, das du auf Muse Spark 1.1 ausgerichtet hast – Inline-Vervollständigung, ein Review-Bot, eine Chat-Oberfläche für deine Dokumentation – wird erheblich schlechter, wenn du es mit hohem Aufwand auf die 1.2-Generation umstellst. Das Upgrade ist zielgerichtet, und Zielgerichtetheit hat eine Richtung.

Welches Sie eigentlich ausführen sollten

Bleiben Sie bei Muse Spark 1.1, wenn Ihre Arbeit kein Repository ist. Multimodale Pipelines, Long-Context-Analyse, Mixed-Media-Recherche, alles Interaktive, alles unter Windows, alles, was bereits über MCP angebunden ist und funktioniert. Nichts im Launch von Muse Code verbessert diese, und die Latenzmessung verschlechtert mindestens eines davon.

Probieren Sie Muse Code aus, wenn Ihr Fehlermodus die Dauer ist. Monorepo-Migrationen, Dependency-Upgrades, wochenlange Refactorings — Aufgaben, die Sie derzeit beaufsichtigen, weil der Agent den Faden verliert. Das Ereignisprotokoll und persistente Hintergrund-Agenten zielen genau darauf ab, und ein Benchmark-Defizit von ein paar Punkten fällt am wenigsten ins Gewicht, wenn der Lauf am längsten dauert. Beta, auf einem Wegwerf-Klon, in einem Repository, dessen Verlust Ihnen nichts ausmacht.

Machen Sie das ehrliche Experiment, wenn Sie versuchen, sich für das Modell zu entscheiden.Halten Sie Ihr Harness konstant und tauschen Sie darunter Muse Spark 1.1 gegen Muse Spark 1.2 aus. Das isoliert die eine Variable, die Metas Chart bündelt, und es ist der einzige Weg, herauszufinden, ob die Co-Training-Prämie real ist oder ob 1.2 einfach ein kompetentes Codierungsmodell ist, wo auch immer Sie es einsetzen. Ein einzelnes Gateway macht dies zu einer String-Änderung statt zu einer Beschaffungsübung — Muse Spark 1.1, Claude Opus 5, GPT-5.6 Terra, Grok 4.5 und Claude Fable 5 liegen alle hinter einem OrcaRouter-Schlüssel zum Listenpreis mit automatischem Failover über die Anbieter hinweg, sodass es Sie nichts kostet, das Vergleichsset vorzuhalten. Muse Spark 1.2 ist die Ausnahme und muss von Meta kommen.

Fragen, die es wert sind, gestellt zu werden, bevor du etwas installierst

Kann ich Muse Code auf Muse Spark 1.1 anstatt auf 1.2 verweisen?

Metas Launch-Material sagt dies nicht, und die beiden wurden als ein gemeinsam trainiertes Paar ausgeliefert, was ein Argument dagegen ist, dass es unterstützt oder nützlich ist. Die umgekehrte Richtung ist jedoch gut dokumentiert: Muse Spark 1.1 funktioniert in jedem Agenten, der einen benutzerdefinierten Endpunkt akzeptiert, und so nutzen es die meisten heute als Agenten. Wenn Ihr Ziel ein kontrollierter Vergleich ist, führen Sie 1.1 und 1.2 in Ihrer Testumgebung aus, anstatt zu versuchen, Metas zu verbiegen.

Gilt die Beitragsstufe auch für Muse Spark 1.1?

Meta führte die zweistufige Struktur mit der Veröffentlichung von Muse Code und Muse Spark 1.2 ein, und die veröffentlichte Preistabelle ordnet dieser Version die Preise für Mitwirkende zu. Gehen Sie davon aus, dass der 12x-Rabatt ein Angebot der 1.2-Generation ist, bis Meta etwas anderes angibt, und bepreisen Sie jede 1.1-Workload mit 1,25 $ und 4,25 $. Wenn Sie OrcaRouter nutzen, sind Sie per Definition zum Listenpreis unterwegs, es gibt also keine Datenaustausch-Stufe, die Sie wählen oder abwählen könnten.

Ist die 6,7-Punkte-Behauptung dann falsch?

Nein – es ist ungeprüft und unzureichend spezifiziert, was ein Unterschied ist. Meta könnte seine 1.1-Basislinie durchaus in einer Umgebung ausgeführt haben, die mit der von Muse Code vergleichbar ist; in diesem Fall wäre der Zuwachs ein sauberes Modell-gegen-Modell-Ergebnis. Aber es wurde keine Methodik veröffentlicht, die implizite Basislinie trifft exakt den Wert eines minimalen Drittanbieter-Gerüsts, und dieselbe Benchmark liefert je nach Ausführendem drei verschiedene Skalen. Behandle +6,7 als Richtwert und ermittle deine eigene Zahl, bevor du darauf Planungen aufbaust.

Was würde das klären

Eine einzige Einreichung. Wenn Meta Muse Code unter denselben Regeln, nach denen alle anderen eingereicht haben, auf die öffentliche Terminal-Bench-2.1-Bestenliste setzt – ohne modifizierte Timeouts oder Ressourcen, Kostenspalte ausgefüllt, Hack-Abzüge angewendet –, wird die 82,9 % mit den 76,2 % neben dem Namen von Muse Spark 1.1 und den 83,8 % an der Spitze vergleichbar, und diese gesamte Debatte ist an einem Nachmittag geklärt. Bis dahin gehört die einzige unabhängig verifizierte Zahl in diesem Vergleich dem älteren Modell, und sie besagt, dass Muse Spark 1.1 drei Viertel von Terminal-Bench 2.1 in einem Gerüst gelöst hat, das klein genug ist, um es in einem Sitzen zu lesen – für unter zweihundert Dollar.

Der zweite Punkt, den es zu beobachten lohnt, ist enger gefasst und tritt früher ein: ob Artificial Analysis für die 1.2-Generation die Coding- und Agentic-Sub-Scores veröffentlicht, die es bereits für 1.1 veröffentlicht. Die Agentic-Performance war mit Abstand die schwächste veröffentlichte Dimension von 1.1. Genau diese Zahl behauptet Meta behoben zu haben, und genau diese hat außerhalb von Meta noch niemand gemessen.