Muse Spark 1.2 vs. Muse Spark 1.1: Sollten Sie das Upgrade durchführen?

Meta ersetzte Muse Spark 1.1 durch Muse Spark 1.2 am 5. August 2026, ohne den Preis, das Kontextfenster, die Modalitätsliste, die unterstützten Parameter oder den Reasoning-Dial zu ändern. Die Migration wirkt daher kostenlos – gleiche Modell-String-Familie, gleiche Abrechnung, nichts neu zu verhandeln. Sie ist nicht kostenlos. Unabhängige Messung beziffert die Zeit bis zum ersten Token der neuen Version auf 26,12 Sekunden gegenüber 2,90 Sekunden der alten Version und ihre kontinuierliche Ausgabe auf 165 Token pro Sekunde gegenüber 213,5. Sie kaufen drei Punkte gemessener Intelligenz mit etwa der neunfachen Wartezeit, bevor irgendetwas zurückkommt.

Ob sich das lohnt, hängt fast ausschließlich davon ab, wie lange Ihre Aufgaben laufen. Hier erfahren Sie, was sich tatsächlich unterscheidet, was identisch geblieben ist und was Ihnen noch niemand sagen kann.

Die Entscheidung in vier Zeilen

• Intelligenzindex: 51 → 54, unabhängig gemessen von Artificial Analysis bei der xhigh-Einstellung jeder Version.

• Zeit bis zum ersten Token: 2,90s → 26,12s, gleiche Quelle, gleiche Bedingungen.

• Kosten für die Ausführung der identischen Benchmark-Suite: $548.07 → $637.85, bei identischer Preisgestaltung pro Token. Die zusätzlichen 16 % sind reiner Token-Verbrauch.

• Alles, was ein Beschaffungsformular abfragt: unverändert.

Was ist wirklich identisch

Es lohnt sich, dies aufzuzählen, weil es der Grund ist, warum eine Migration auf dem Papier trivial erscheint, und weil ein Unterschied, der nicht existiert, einer ist, den man nicht testen muss.

• Preis — $1.25 pro Million Eingabe-Tokens, $4.25 pro Million Ausgabe, $0.15 pro Million bei einem Cache-Treffer, $2.50 pro Tausend integrierte Websuchen. Jede dieser Zahlen ist in beiden Versionen identisch.

• Kontext — 1.048.576 Tokens auf beiden, ohne Aufpreisstufe für lange Kontexte bei beiden.

• Modalitäten — Text, Bilder, Video, Audio und PDF als Eingabe; Text als Ausgabe. Beide Auflistungen werben mit denselben fünf Eingabetypen.

• DenkreglerBei beiden verpflichtend, fünf Stufen (minimal, niedrig, mittel, hoch, extra hoch), Standard bei beiden ist mittel. Es gibt in keiner der beiden Versionen eine Einstellung, die das Denken abschaltet.

• Parameter — tools, tool_choice, structured_outputs, response_format, reasoning_effort, include_reasoning, max_tokens, temperature, top_p, top_k, repetition_penalty. Identische Listen.

• Serving — ein Anbieter, Meta selbst, auf beiden. Keine Drittanbieter-Hosts, keine Quantisierungsvarianten.

• Mischpreis — Artificial Analysis beziffert beide auf 0,78 $ pro Million Tokens bei seiner Mischgewichtung, was man bei identischen Preislisten erwarten würde.

Falls Sie gehofft hatten, das Upgrade würde mehr Kontext, eine Garantie für die Abschlusslänge oder einen günstigeren Cache bieten – dem ist nicht so. Dies ist ein Weights-and-Post-Training-Release, dessen Preiskarte eins zu eins von der Vorgängerversion übernommen wurde.

Was sich tatsächlich bewegte

Artificial Analysis ist derzeit die einzige unabhängige Partei, die beide Versionen bewertet hat, und sie bewertete beide mit dem höchsten Reasoning-Aufwand, sodass der Vergleich auf gleicher Basis erfolgt.

• Intelligenzindex — 51 für 1.1 (Rang #22 von 185) bis 54 für 1.2 (Rang #13). Neun Plätze auf einer Rangliste, bei der der Klassenmedian 32 beträgt, also verschafft der Zuwachs eine echte Position, nicht nur eine Dezimalstelle.

• Zeit bis zum ersten Token — 2,90s bis 26,12s. Dies ist die Hauptregression, und sie ist nicht marginal.

• Ausgabegeschwindigkeit — 213,5 bis 165,0 Token pro Sekunde. Weiterhin auf Platz 16 von 185 und von Artificial Analysis weiterhin als „bemerkenswert schnell“ beschrieben, aber 23 % langsamer als das von ihm ersetzte Modell.

• Ausführlichkeit — 94 Mio. Output-Tokens, um den Index zu durchlaufen, gegenüber 95 Mio. Praktisch unverändert, und beide liegen etwa 45 % über dem Median von 65 Mio.

• Gesamte Eval-Ausgaben — 548,07 $ bis 637,85 $. Da sich die Ausführlichkeit kaum verändert hat und sich die Preise überhaupt nicht bewegt haben, kommt dieser Anstieg von 16 % nicht aus der sichtbaren Ausgabe, sondern von woanders: längere interne Reasoning-Abläufe, mehr Wiederholungen oder mehr Tool-Runden pro Aufgabe.

Das Muster ist kohärent. Meta hat das Modell nicht billiger, schneller oder größer gemacht. Es hat das Modell dazu gebracht, länger zu überlegen, bevor es sich festlegt, und die zusätzliche Überlegung zeigt sich als Latenz, als etwas langsameres Streaming und als eine um 16 % höhere Rechnung für identische Arbeit. Drei Indexpunkte hat das gebracht.

Wie schlimm die Latenz wirklich ist

Die 26,12-Sekunden-Zahl wird aus dem Zusammenhang gerissen, also behandle sie richtig: sie wird gemessen bei xhigh, der teuersten von fünf Anstrengungsstufen, bei einer Benchmark-Suite, die absichtlich schwer gemacht wurde. Die API verwendet standardmäßig medium.

Um ein Gefühl dafür zu bekommen, wie sich die Standardeinstellung tatsächlich anfühlt, zeigt Muse Spark 1.1 auf OrcaRouter — das echte Anrufer mit dem jeweils angeforderten Aufwand bedient — eine p50-Zeit bis zum ersten Token von 1,84 Sekunden und eine p95 von 6,00 Sekunden über eine rollierende Woche. Das sind Produktionsdaten bei Produktionsaufwandsstufen, und sie liegen um mehr als eine Größenordnung unter dem Benchmark-Wert. Version 1.2 hat noch keine Produktionstelemetrie.

Die ehrliche Lesart ist also nicht: „1.2 braucht 26 Sekunden zum Antworten." Sondern: bei der Einstellung, in der 1.2 seine drei Extrapunkte erzielt, kostet dich das erste Token 26 Sekunden, und bei derselben Einstellung kostete dich das alte Modell drei. Wenn du bereits mit xhigh arbeitest – genau die Konfiguration, in der der Intelligenzgewinn existiert –, dann ist das die Zahl, die du übernimmst. Wenn du mit medium oder darunter arbeitest, wirst du etwas deutlich Kürzeres sehen und auch weniger von der Verbesserung.

Diese Kopplung ist die eigentliche Falle bei diesem Upgrade. Man kann die Intelligenz nicht von der Überlegung trennen, denn die Überlegung ist die Quelle, aus der die Intelligenz entsteht.

Die Neupositionierung hinter den Zahlen.

Meta hat keinen Launch-Beitrag für 1.2 veröffentlicht – die Muse-Spark-Ankündigungsseite beschreibt weiterhin 1.1 – aber es hat die Produktbeschreibung umgeschrieben, und die Neufassung erklärt den Kompromiss.

Muse Spark 1.1 wurde als multimodales Reasoning-Modell mit einer ungewöhnlich breiten Eingabeoberfläche verkauft, das auf „multimodale Agenten, tiefgehende Recherche über gemischte Medien und Langkontext-Analyse“ abzielte: lange Berichte, Medienbibliotheken, Aufnahmen und Videos neben Text.

Die Beschreibung von Muse Spark 1.2 lässt fast alles davon weg und nennt stattdessen Softwareentwicklung — Multi-Datei-Refactorings, ausgedehnte Debugging-Sitzungen, Generierung des gesamten Repositories — und fügt dann eine explizite Multi-Agenten-Behauptung hinzu: Das Modell kann als primärer Agent fungieren, der Kontext sammelt, plant und delegiert, oder als Subagent, der parallel unter einem solchen ausführt. Es behauptet außerdem, dass Prompt-Caching die effektiven Kosten je nachdem, wie viel Kontext sich zwischen Aufrufen wiederholt, um 60–80 % senken kann. Die letzte Zahl ist eine Schätzung von Meta und kein gemessenes Ergebnis, obwohl der Cache-Satz von 0,15 $ sie rechnerisch glaubwürdig macht.

Betrachtet man die Latenzregression im Zusammenhang mit dieser Neupositionierung, wirkt sie nicht mehr wie ein Fehler. Niemand, der ein Dutzend Dateien refaktoriert, kümmert sich um 26 Sekunden Planung. Meta hat einen Kunden gewählt, und es ist nicht derjenige, dem 1.1 verkauft wurde.

Was 1.1 noch hat, was 1.2 nicht hat

Vier Wochen Existenz reichen nicht aus, um eine Erfolgsbilanz aufzubauen, und in drei konkreten Punkten ist das ältere Modell derzeit das besser dokumentierte Produkt.

• Ein Arena-Rekord.Muse Spark 1.1 hat eine umfangreiche Design-Arena-Historie: 1334 Elo auf Rang 5 in der Spieleentwicklung, 1334 auf Rang 7 bei UI-Komponenten, 1320 auf Rang 3 in ASCII-Kunst, 1318 in der Datenvisualisierung, 1309 in allgemeinen Code-Kategorien, dazu eine vollständige Agents-Arena-Rangliste mit Web-Apps, HTML-Folien und Godot-Spieleentwicklung. Muse Spark 1.2 hat überhaupt keine Einträge. In dem Bereich, den Meta derzeit am stärksten vermarktet, gibt es keinerlei direkte Vergleichsdaten für das neue Modell.

• Subindex-Werte. Artificial Analysis veröffentlicht für 1.1 einen Coding-Index von 71.3 und einen Agentic-Index von 37.5. Für 1.2 gibt es kein veröffentlichtes Gegenstück. Da der Agentic-Wert mit Abstand die schwächste Dimension von 1.1 war und genau diese agentische Fähigkeit es ist, die 1.2 laut eigenen Angaben verbessert, wäre dies die Zahl, die die Upgrade-Frage beantworten würde — doch sie existiert noch nicht.

• Produktionstelemetrie. 1.1 hat eine Woche echter p50- und p95-Latenz hinter sich und 4,4 Millionen Token an Live-Traffic auf OrcaRouter. 1.2 hat beides nicht; sein Endpunkt meldet derzeit überhaupt keine Latenz- oder Durchsatzstatistiken, weil das Volumen für eine Stichprobe zu gering ist.

• Irgendwo, wo man es außer bei Meta mieten kann.Muse Spark 1.1 ist im OrcaRouter-Katalog zu $1.25 und $4.25 erhältlich – Metas eigener Listenpreis, ohne Aufschlag (0 %) weitergegeben. Muse Spark 1.2 ist dort noch nicht verfügbar, daher handelt es sich heute um eine direkte Meta-Integration mit nur einem Anbieter und ohne Failover-Pfad.

Nichts davon bedeutet, dass 1.2 schlechter ist. Es bedeutet, dass die Belege für 1.2 aus einem einzigen zusammengesetzten Score eines einzigen Bewerters bestehen, während die Belege für 1.1 einen Monat Arenas, Subindizes und Live-Traffic umfassen. Diese Asymmetrie sollte sich darauf auswirken, wie Sie die Migration staffeln, nicht darauf, ob Sie sie versuchen.

Eine Migrations-Checkliste, die wirklich kurz ist

Da die Preiskarte und die Parameteroberfläche identisch sind, ist der Tausch eine Modell-String-Änderung. Die Arbeit besteht darin, die drei Dinge zu verifizieren, die sich geändert haben.

• Miss deine eigene Zeit bis zum ersten Token bei deiner eigenen Effort-Einstellung.Akzeptiere weder den 2.90s- noch den 26.12s-Wert. Führe deine echten Prompts mit welchem reasoning_effort auch immer du tatsächlich übergibst aus und vergleiche direkt. Das ist die eine Zahl, die die Migration komplett kippen kann.

• Überprüfen Sie Ihre Timeout- und Streaming-Konfiguration. Eine 9-fache Erhöhung der First-Token-Latenz bei hohem Aufwand wird Client-Timeouts überschreiten, die gegen 1.1 abgestimmt wurden, und lässt jede Nicht-Streaming-Integration wie einen Hänger wirken.

• Berechnen Sie die Kosten neu anhand der gemessenen Token-Zahlen, nicht anhand der Preisliste. Die Preise sind identisch, also ist jede Kostenänderung verhaltensbedingt. Artificial Analysis verzeichnete 16 % mehr Ausgaben für dieselbe Arbeit; ob Sie das feststellen, hängt von Ihrem Aufgabenmix ab.

• Verifizieren Sie zuerst die Stabilität des Cache-Schlüssels.Bei einem stabilen Präfix von 60.000 Tokens sinkt ein typischer Agent-Schritt bei beiden Versionen von etwa 8,8 Cent auf etwa 2,2 Cent. Diese Schwankung von 75 % ist größer als alles, was die Versionsänderung bewirkt, und sie liegt vollständig unter Ihrer Kontrolle.

• Audio- und Videopfade explizit erneut testen.Beide Auflistungen werben mit denselben fünf Eingabemodalitäten, aber die Spezifikationskarte von Artificial Analysis für 1.2 führt nur Text und Bild als evaluiert auf. Meta hat den Pitch umgeschrieben und von Mixed-Media-Arbeit abgerückt. Niemand hat unabhängig überprüft, ob die Fähigkeit Bestand hatte.

• Halten Sie 1.1 als Fallback erreichbar. Beide hinter einem Schlüssel zu betreiben bedeutet, dass das Rollback eher eine Konfigurationsänderung als ein Vorfall ist, und es ermöglicht Ihnen, die beiden im Live-Verkehr per A/B-Test zu vergleichen, anstatt über einen Benchmark zu streiten.

Wer bewegt sich jetzt, wer wartet?

Wechseln Sie jetzt, wenn Sie langfristig laufende Coding-Agenten mit hohem Reasoning-Aufwand betreiben. Die Aufgaben dauern bereits Minuten, der Latenznachteil geht darin unter, der Intelligenzgewinn wird von einem Dritten gemessen und nicht von Meta behauptet, und drei Indexpunkte sind auf dieser Stufe ein bedeutender Sprung – neun Plätze auf einer Rangliste mit 185 Modellen.

Moment falls etwas, das du bereitstellst, interaktiv ist. Es gibt keine Konfiguration, in der 1.2 reaktionsschneller als 1.1 ist, und das verpflichtende Reasoning bedeutet, dass du dir die Reaktionsfähigkeit nicht durch Deaktivieren des Denkens erkaufen kannst. Version 1.1 bleibt bei jedem Anstrengungsgrad das schnellere Modell und kostet genauso viel.

Moment, wenn Ihre Workload eine Mixed-Media-Analyse ist — der Anwendungsfall mit langen Berichten sowie Video- und Audioinhalten, für den 1.1 ausdrücklich entwickelt und vermarktet wurde. Meta hat die Werbung dafür eingestellt, und die einzige unabhängige Bewertung von 1.2 deckt Text und Bilder ab. Die Fähigkeit könnte durchaus intakt sein; es gibt einfach keine Belege in die eine oder andere Richtung, und 1.1 hat einen Monat davon vorzuweisen.

Moment falls du die Arena-Daten brauchst. Ein Modell, das für die Generierung ganzer Repositorys beworben wird, ohne Design-Arena-Einträge und ohne veröffentlichten agentischen Sub-Index, verlangt von dir, Meta beim Wort zu nehmen, was es geändert hat. Warte drei oder vier Wochen und das wird nicht mehr zutreffen — und dann lässt sich diese Entscheidung viel leichter anhand von Belegen treffen statt anhand einer einzigen zusammengesetzten Zahl.