Muse Spark 1.2 vs. Gemini 3.5 Flash-Lite: Zwei Labs, zwei Definitionen von Subagenten

Innerhalb von zwei Wochen nacheinander brachten zwei Labore ein Modell heraus und beschrieben es mit demselben Wort. Laut eigener Modellkarte ist Gemini 3.5 Flash-Lite „für Subagenten geeignet, die fokussierte Aufgaben in komplexen Multi-Agenten-Workflows ausführen.“ Meta sagt, Muse Spark 1.2 könne „entweder als primärer Agent für Planung und Delegation oder als parallel arbeitender Subagent dienen.“ Dieselbe Wortwahl – und es brauchte Artificial Analysis, das beide durch seinen Intelligence Index schickte, um zu zeigen, wie unterschiedlich sie es meinen: Flash-Lite schloss die Suite mit 43 Millionen Output-Tokens ab, Muse Spark 1.2 benötigte 95 Millionen. Eines dieser Modelle denkt kurz und oft; das andere denkt lang und intensiv. Beide nennen das Ergebnis einen Subagenten.

Diese Token-Ratio ist die für die Entscheidung wichtigste Zahl im Vergleich, denn eine Subagent-Stufe ist etwas, das man auffächert – zwanzig auf einmal, hundert auf einmal – und das Auffächern multipliziert sämtliche Verhaltensweisen, die das Modell pro Aufruf an den Tag legt. Im Folgenden wird durchgearbeitet, was jedes Labor tatsächlich gebaut hat, wie die Fan-out-Rechnung bei echten Preisen aussieht und wo sich herausstellt, dass die billige Option die teure Wahl ist.

Was jedes Labor unter dem Wort versteht

Die Flash-Lite-Version ist eine nach Größe definierte Rolle. Gemini 3.5 Flash-Lite ist die günstigste Stufe in seiner Familie, und diese Positionierung ist bemerkenswert, weil sie Denkstufen direkt an mehrstufige Subagenten-Workloads koppelt – das erste Mal, dass eine Stufe in dieser Familie eher durch ihre Agentenrolle als durch Größe oder Geschwindigkeit beschrieben wird. Reasoning ist obligatorisch, aber der Standardaufwand ist minimal, der Regler reicht bis „hoch“, und das Modell ist darauf ausgelegt, massenhaft gestartet zu werden und schnell zu antworten. Der Anbieter berichtet 54,2 % bei SWE-Bench Pro gegenüber 49,6 % für Gemini 3 Flash und 74,0 % bei OSWorld-Verified gegenüber 65,1 % – beides vom Anbieter gemeldete Zahlen, die nicht unabhängig reproduziert wurden, und beide als agentische Gewinne statt roher Intelligenzgewinne dargestellt.

Metas Version ist eine Rollendefinition durch Topologie. Der Produkttext von Muse Spark 1.2 beschreibt ein Modell, das Kontext sammeln, einen Plan erstellen und die Ausführung auf parallele Subagenten delegieren kann – oder selbst einer dieser Subagenten sein kann. Sein Reasoning-Regler reicht von minimal bis xhigh mit einem Standardwert von medium, und Meta nennt die Ziel-Workloads explizit: Multi-Datei-Refactorings, ausgedehnte Debugging-Sitzungen, Generierung ganzer Repositories. Dies ist ein Modell, das als Orchestrator konzipiert ist, der auch die Arbeit erledigen kann – ein anderes Produkt als ein Modell, das dafür gedacht ist, zwanzig auf einmal gestartet zu werden.

Keines der Labore veröffentlichte einen Benchmark für die spezifische Behauptung. Meta brachte 1.2 am 5. August ohne jeglichen Ankündigungsbeitrag heraus – seine Muse-Spark-1.1-Ankündigungsseite beschreibt immer noch die vorherige Version.

Die Lücke, die der Index tatsächlich misst

Unabhängige Bewertungen von Artificial Analysis, die dieselbe Neun-Evaluations-Zusammenstellung auf beiden durchführt:

• Intelligenzindex — Muse Spark 1.2 (xhigh) 54, Rang #13 von 185. Gemini 3.5 Flash-Lite 36, Rang #20 von 163. Achtzehn Punkte, bei einem Klassenmedian von 32.

• Ausgabegeschwindigkeit — 165.0 Token pro Sekunde gegenüber 343.6. Flash-Lite streamt mehr als doppelt so schnell.

• Zeit bis zum ersten Token — 26,12 Sekunden gegenüber 10,30, beide bei maximalem Aufwand. Artificial Analysis merkt an, dass die 10,30 s von Flash-Lite selbst am oberen Ende bei Reasoning-Modellen in seiner Preisklasse liegen.

• Ausführlichkeit — 95M Ausgabetokens gegenüber 43M für dieselbe Suite, mit einem Median von 65M über alle Modelle. Muse Spark 1.2 liegt 46% über dem Median; Flash-Lite liegt 34% darunter.

• Kosten für den Betrieb des Index — 637,85 $ gegenüber 153,08 $.

• Pro Dimension — Die Unterindizes von Artificial Analysis bewerten Gemini 3.5 Flash-Lite mit 49,3 beim Coding und 26,8 beim Agentic. Für Muse Spark 1.2 gibt es noch keine veröffentlichte Aufschlüsselung; sein Vorgänger erreichte 71,3 und 37,5.

Achtzehn Indexpunkte sind kein Rundungsunterschied. Das sind nicht zwei Kandidaten für denselben Platz.

Die Fan-out-Arithmetik

Der Preis pro Token ist der falsche Maßstab für eine Subagent-Stufe, denn der ganze Sinn der Stufe besteht darin, dass man viele davon ausführt. Rechnen wir ein Beispiel zu Listenpreisen durch — 0,30 $ Eingabe und 2,50 $ Ausgabe für Gemini 3.5 Flash-Lite, 1,25 $ Eingabe und 4,25 $ Ausgabe für Muse Spark 1.2.

Ein Orchestrator entsendet zwanzig Subagenten. Jeder liest 25.000 Token an eingegrenztem Kontext und schreibt 1.500 Token zurück.

• Gemini 3.5 Flash-Lite — 20 × ($0.0075 + $0.00375) = etwa 22,5 Cent pro Fan-out.

• Muse Spark 1.2 — 20 × ($0.03125 + $0.006375) = etwa 75 Cent pro Fan-out.

Drei und ein Drittel Mal, was machbar klingt. Wenden wir nun den gemessenen Unterschied in der Ausführlichkeit an. Wenn Muse Spark 1.2 proportional mehr schreibt als Flash-Lite, so wie auf dem Index — etwa 2,2-mal so viele Ausgabe-Tokens für identische Arbeit — werden aus diesen 1.500-Token-Antworten etwa 3.300, und der Fan-out steigt auf etwa 91 Cent. Vier Mal, nicht drei. Bei hundert Fan-outs pro Stunde in einem stark ausgelasteten Agentensystem macht das den Unterschied zwischen 22 und 91 Dollar pro Stunde, also etwa 600.000 Dollar pro Jahr Unterschied bei Dauerlast.

Zwei Preisdetails machen die tatsächliche Kluft in die eine Richtung noch weiter und in die andere enger:

• Flash-Lite berechnet internes Denken zum Ausgabesatz. In seiner Preisliste kostet internes Denken 2,50 $ pro Million – also so viel wie sichtbare Ausgabe. Denken ist nicht kostenlos, es ist nur in der Antwort unsichtbar. Wenn ein Subagent 2.000 Tokens überlegt, bevor er antwortet, kommen pro Aufruf ein halber Cent hinzu, oder 10 Cent bei der Fan-out-Verteilung.

• Caching begünstigt Muse Spark 1.2 in relativen Zahlen. Gecachte Eingaben werden für 0,15 $ pro Million gelesen, gegenüber einem Listenpreis von 1,25 $ – ein Rabatt von 88 %. Flash-Lite liest gecachte Eingaben für 0,03 $ gegenüber 0,30 $, also 90 % Rabatt, verlangt aber zusätzlich etwa 0,083 $ pro Million für das Schreiben des Caches, während Muse Spark 1.2 keine separate Cache-Schreibgebühr ausweist. Bei einem Fan-out, bei dem jeder Subagent denselben großen Präfix gemeinsam nutzt, schließt sich die Lücke deutlich.

Die Produktionslatenz ist der Bereich, in dem Flash-Lite am weitesten vorn liegt, und Benchmark-Zahlen verschleiern das. Auf OrcaRouter zeigt Gemini 3.5 Flash-Lite über eine gleitende Woche mit echtem Datenverkehr eine p50-Zeit bis zum ersten Token von 816 Millisekunden und einen p95-Wert von 4,57 Sekunden. Muse Spark 1.1 – der ähnlichste verfügbare Proxy, da 1.2 noch keine Telemetrie besitzt – zeigt einen p50-Wert von 1,84 Sekunden und einen p95-Wert von 6,00 Sekunden. Wenn zwanzig Subagenten parallel laufen, bestimmt der langsamste die Wanduhrzeit, also ist p95 die Kennzahl, die deine Fan-out-Latenz steuert, nicht p50.

Wo das Billige die falsche Wahl ist.

Vier Einschränkungen von Gemini 3.5 Flash-Lite, die in einem Preisvergleich nicht auftauchen, aber in einem Incident-Review auftauchen werden.

• Ein Ausgabelimit von 65.536 Token. Die Hälfte dessen, was die meisten Modelle dieser Klasse erlauben, und eine harte Grenze für einen Unteragenten, der eine große Datei erzeugen oder ein langes strukturiertes Dokument zurückgeben soll. Der Endpunkt von Muse Spark 1.2 gibt überhaupt keine maximale Abschlusslänge an — was ungewöhnlich genug ist, um es zu testen, statt ihm zu vertrauen, aber es ist keine dokumentierte Obergrenze.

• Es ist ein unmoderierter Endpunkt. Der Flash-Lite-Eintrag trägt kein Moderationsflag; der von Meta für Muse Spark 1.2 schon. Das ist ein echter Vorteil für einige Workloads und ein Compliance-Problem für andere, und es sollte eine bewusste Entscheidung sein und keine Entdeckung.

• Teure integrierte Suche.Flash-Lites Web-Such-Tool kostet etwa 14 Dollar pro tausend Aufrufen, gegenüber 2,50 Dollar für Muse Spark 1.2. Wenn Ihre Unteragenten recherchieren statt nur zu lesen, wird das billige Modell zum teuren – und zwar fünfeinhalb Mal so teuer – und das Suchvolumen in einer Fan-out-Architektur skaliert mit dem Fan-out.

• Sein Preis ist gestiegen, nicht gefallen.Gemini 3.5 Flash-Lite kostet $0.30 und $2.50, während das bisherige Gemini 3.1 Flash-Lite bei $0.25 und $1.50 lag. Der Output ist 67 % teurer als die Stufe, die es ersetzt. Wenn Sie ein Budget für Subagenten auf der Grundlage des älteren Modells bemessen haben, passen Sie es an.

Eine weitere Asymmetrie, die man klar benennen sollte: Muse Spark 1.2 wird von genau einem Anbieter bereitgestellt — Meta — ohne Drittanbieter-Hosts und ohne Fallback. Gemini 3.5 Flash-Lite verfügt über den üblichen First-Party-Multi-Region-Serving-Footprint. Für einen Orchestrator ist das ein Single Point of Failure für Ihren gesamten Agentenbaum; für eine Worker-Ebene ist es ein Single Point of Failure für das Fan-out.

Die Kombination, für die sich die meisten Teams tatsächlich entscheiden werden

Nebeneinander gelesen sind diese beiden Modelle nicht so sehr Konkurrenten, sondern vielmehr die zwei Hälften einer einzigen Architektur, und Metas eigener Produkttext besagt genau das, wenn er die Rolle des Primäragenten getrennt von der Rolle des Subagenten beschreibt.

Die Form, die sich aus den Zahlen ergibt: Muse Spark 1.2 als Orchestrator, Gemini 3.5 Flash-Lite als Worker. Ein teurer, bewusster Aufruf, der das Repository liest, den Plan hält und entscheidet, was zu delegieren ist — bei dem 26 Sekunden Denkzeit und eine Ausführlichkeit im 95M-Token-Maßstab dir einen Plan erkaufen, der es wert ist, ausgeführt zu werden — gefolgt von zwanzig billigen, schnellen, eng begrenzten Aufrufen, die jeweils eine abgegrenzte Aufgabe erledigen und bei p50 in unter einer Sekunde zurückkehren. Du zahlst Frontier-nahe Preise einmal pro Aufgabe und Budgetpreise pro Arbeitseinheit, was genau die Kostenkurve ist, die eine Fan-out-Architektur will.

Wenn man es umdreht, bricht die Wirtschaftlichkeit zusammen. Zwanzig Muse-Spark-1.2-Subagenten bei 91 Cent pro Fan-out kosten das Vierfache für Arbeit, die ein um 18 Punkte schwächeres Modell in einem Drittel der Zeit erledigt, und ein Flash-Lite-Orchestrator bei Index 36 wird Pläne erstellen, die die Subagenten nicht retten können.

Der Aufbau, der über zwei Anbieter verteilt war, war früher der unangenehme Teil. Gemini 3.5 Flash-Lite steht im OrcaRouter-Katalog zu $0,30 und $2,50 – Listenpreis des Anbieters, ohne Aufschlag durchgereicht, sodass eine Preisänderung noch am selben Tag bei uns ankommt statt nach einem Vertragszyklus – und Muse Spark 1.1 ist dort zu $1,25 und $4,25 zu denselben Bedingungen, beide hinter einem OpenAI-kompatiblen Endpunkt. Das bedeutet, dass das Orchestrator-und-Worker-Muster aus zwei Modell-Strings in einer Codebasis besteht statt aus zwei SDKs, zwei Schlüsseln und zwei Rechnungen, und dass automatisches Failover den Fall abdeckt, dass ein Anbieter mitten in einem Fan-out einen schlechten Nachmittag hat. Um genau zu sagen, was verfügbar ist: Muse Spark 1.2 selbst ist noch nicht im Katalog – Meta stellt es als alleiniger Anbieter direkt bereit – daher läuft heute die diesem Stack am nächsten kommende Version mit 1.1 im Orchestrator-Slot.

Wähle nach Rolle, nicht nach Punktzahl.

Wenn Sie eine Worker-Stufe wählen — Dokument-Parsing, Datenextraktion, begrenzte Dateiänderungen, Klassifizierung, das enge repetitive Mittelstück eines Agentenbaums — ist Gemini 3.5 Flash-Lite das bessere Instrument, und das 18-Punkte-Indexdefizit ist weitgehend irrelevant, weil Sie es nicht zum Denken auffordern. Behalten Sie die Ausgabeobergrenze und die Suchpreise im Auge.

Wenn Sie das Modell auswählen, das bestimmt, was die Arbeiter tun, ist Muse Spark 1.2 der stärkere Kandidat der beiden, mit den Einschränkungen, dass es keinen unabhängigen agentischen Score pro Dimension, keinerlei Arena-Rekord, keine Produktionstelemetrie und nur einen Anbieter hat. Das sind die Lücken, die geschlossen werden müssen, bevor es einen Produktionsplan halten kann.

Und falls Sie gehofft haben, dass ein einziges Modell beide Aufgaben übernehmen könnte, lautet die ehrliche Antwort aus den Messungen: Keines von beiden tut das. Flash-Lite kann nicht bei Index 36 planen; Muse Spark 1.2 kann nicht zwanzig auf einmal zu 91 Cent pro Fan-out erzeugt werden. Das Wort „Subagent“, das in beiden Produktbeschreibungen vorkommt, ist ein Marketing-Zufall, kein Zeichen dafür, dass sie in denselben Slot gehören.