Muse Spark 1.3 Contributor startet bei 0,10 $/0,20 $: Metas günstigstes Code-Modell, bezahlt mit Daten

Meta hat Muse Spark 1.3 Contributor am 2. September veröffentlicht, und die Überraschung ist nicht das Modell – es ist der Preis. Muse Spark 1.3 Contributor ist die Data-Sharing-SKU des neuen Muse-Spark-1.3-Checkpoints, gelistet mit 0,10 $ pro Million Input-Tokens und 0,20 $ pro Million Output-Tokens, gegenüber 1,25 $ und 4,25 $ für den Standard-Muse-Spark-1.3: also ein Rabatt von etwa 12× auf den Input und 21× auf den Output, der Meta das Recht verschafft, mit Ihren Prompts und Vervollständigungen zu trainieren. Alexandr Wang, der Metas KI-Arbeit leitet, nannte die Preisgestaltung „aggressiv“, sagte, dass bereits ein „beachtlicher zweistelliger Prozentsatz“ der Entwickler die Contributor-Stufe wählt, die Meta im August zusammen mit Muse Spark 1.2 eingeführt hat, und stellte die Veröffentlichung als Grundlage für persönliche Agenten dar, die rund um die Uhr im Auftrag eines Nutzers arbeiten. Das Modell ging am ersten Tag in der Meta Model API und in Muse Code, Metas Terminal-Coding-Agent, live; eine „Max Reasoning“-Variante des Checkpoints befindet sich noch in Sicherheitstests. Teams, die Codierungs-Workloads über eine API leiten, sollten dies als Preiskampf-Manöver verstehen, das als Modellveröffentlichung daherkommt – und die Contributor-SKU ist die Waffe.

Ein Release und die Stufe, die seine Bedeutung ändert.

Muse Spark 1.3 ist die vierte Veröffentlichung in der Muse-Spark-Reihe seit April und der schnellste Veröffentlichungsrhythmus, den Meta je bei einem Flaggschiff vorgelegt hat: das ursprüngliche Muse Spark am 8. April, Muse Spark 1.1 am 9. Juli (Metas erstes kostenpflichtiges API-Modell), das auf Codierung ausgerichtete Muse Spark 1.2 am 5. August und nun 1.3 einen Monat später. Meta hat die Standardpreise von 1.3 unverändert zu denen von 1.2 gelassen, was an sich schon bemerkenswert ist – das Unternehmen hält die API-Preise stabil und beansprucht gleichzeitig einen großen Sprung bei der Codierungsleistung. Die Contributor-Stufe ist der Ort, an dem Metas Preisstrategie tatsächlich zum Tragen kommt: Statt das Standard-SKU zu rabattieren, liefert Meta denselben Checkpoint zweimal aus – einmal zum vollen Preis ohne Klausel zu Trainingsdaten und einmal nahezu zum Selbstkostenpreis im Austausch für Nutzungsrechte. Diese Zwei-SKU-Struktur, die erstmals mit 1.2 im August eingeführt wurde, ist nun der Standard für die Produktfamilie.

• Checkpoint — Muse Spark 1.3, ein multimodales Reasoning-Modell mit geschlossenen Gewichten (Eingabe: Text, Bild, Video, Audio und PDF; Ausgabe: Text).

• Kontext — 1.048.576 Eingabe-Tokens, 131.072 Ausgabe-Obergrenze, unverändert gegenüber 1.2.

• Standard-SKU — 1,25 $ für die Eingabe, 4,25 $ für die Ausgabe, 0,15 $ für die gecachte Eingabe. Keine Trainingsdatenklausel.

• Contributor SKU — $0,10 Eingabe, $0,20 Ausgabe, $0,002 zwischengespeicherte Eingabe. Prompts und Vervollständigungen können zum Trainieren von Meta-Modellen verwendet werden.

• Denkmodi — Standardmodi sind beim Start verfügbar; „max reasoning" wurde bis zum Abschluss der Sicherheitstests zurückgehalten.

• Wo es läuft — die Meta Model API und der Muse Code; die Contributor-SKU wird ebenfalls über die Plattformen vertrieben, für die Meta die entsprechenden Vereinbarungen unterzeichnet hat.

Die Struktur „gleicher Checkpoint, zwei Verträge“ ist aus einem praktischen Grund wichtig: Die Modellqualität ist nicht die Variable zwischen den SKUs. Ein Entwickler, der 4,25 $ pro Million Ausgabetokens zahlt, und ein Entwickler, der 0,20 $ zahlt, rufen dieselben Gewichte ab. Die Entscheidung zwischen ihnen dreht sich ausschließlich um die Datenklausel und die damit verbundenen betrieblichen Grenzen – weshalb die Contributor-Option eine eigene Berichterstattung verdient und nicht nur eine Fußnote zum 1.3-Launch sein sollte.

Was laut Meta der neue Checkpoint ändert

Da 1.2 selbst ein Codierungs-Release war, dreht sich die 1.3-Geschichte hauptsächlich um „besser bei derselben Aufgabe“. Alle folgenden Zahlen stammen von Meta selbst aus der Veröffentlichung und wurden noch nicht von einem unabhängigen Bewerter überprüft:

• Terminal-Bench 2.1 — 88,8, was laut Meta dem besten Ergebnis auf der Rangliste entspricht und höher ist als die 82,9, die Meta für Muse Spark 1.2 auf demselben Benchmark meldete.

• DeepSWE v1.1 — eine Punktzahl von 75,4, die Meta als ein Spitzenergebnis auf dem Agenten-Benchmark mit langem Zeithorizont bezeichnet, vor den Punktwerten von 73,0 und 74,0, die Meta für zwei führende Konkurrenzmodelle angibt.

• Langzeit-Kontextspeicherung — 98,5 im MRCR bei 256K–512K und 98,1 bei 512K–1M, beides vom Anbieter gemeldet.

• Effizienz — Die Ingenieure von Meta berichten von etwa 20 % weniger Tool-Aufrufen und 25 % weniger Tokens als Muse Spark 1.2 bei denselben Aufgaben, was die Angabe ist, die am direktesten in einen Kostenvergleich einfließt.

Die Effizienzangaben sind von Bedeutung, selbst wenn die Benchmark-Werte den Kontakt mit einer unabhängigen Testumgebung nicht überstehen, denn sie summieren sich mit dem Contributor-Preis. Der einzige unabhängige Anker, der heute verfügbar ist, ist die vorherige Generation: Auf Artificial Analysis ist der neueste Muse-Spark-Eintrag weiterhin Muse Spark 1.2, mit einem Intelligenz-Index von 57 und einem gemessenen Terminal-Bench-2.1-Wert von etwa 80,1 – unterhalb von Metas eigenen 82,9 für dieses Modell. Bis zum Zeitpunkt dieser Veröffentlichung wurde kein unabhängiger Lauf von Muse Spark 1.3 publiziert, und Artificial Analysis hat den 1.3-Checkpoint noch nicht gelistet. Betrachten Sie die Werte 88,8 und 75,4 so lange als Metas Angaben, bis eine Arena oder ein Testsystem eines Drittanbieters sie bestätigt.

Im Kleingedruckten des Contributors wird der Deal konkret.

Die Preislücke zwischen 0,20 $ und 4,25 $ für Output-Tokens ist real, und die daran geknüpften Konditionen sind es ebenso. Das mit dem August-Release 1.2 veröffentlichte Contributor-Programm von Meta koppelt den vergünstigten Preis an Einschränkungen, die verändern, wie ein ernsthaftes Team es nutzen kann:

• Datennutzung — Prompts und Completions, die über die Contributor SKU gesendet werden, können verwendet werden, um Metas Modelle zu trainieren. Das umfasst Code und, im Fall eines agentischen Coders, praktisch auch die Inhalte der Repositories, auf die er ausgerichtet ist. Genau das ist der eigentliche Grund für den Rabatt.

• Ratenlimits — die Contributor-Stufe läuft deutlich enger als der Standard: 60 Anfragen pro Minute und 2,1 Mio. Token pro Minute, gegenüber 3.000 Anfragen und 4 Mio. Token pro Minute bei der Standard-SKU. Das ist eine 50-fache Lücke beim Anfragedurchsatz und schließt die Contributor-Stufe für burstartige CI- oder große parallele Eval-Läufe aus.

• Regionseinschränkungen — Die Verfügbarkeit von Mitwirkenden ist auf eine Teilmenge von Regionen beschränkt, und eine Zahlungsmethode ist erforderlich, obwohl die Grenzkosten einer Sitzung nur wenige Cent betragen können.

• Add-ons sind nicht rabattiert – das Grounding über die Websuche kostet in beiden Tarifen 2,50 $ pro 1.000 Abfragen, sodass ein abrufintensiver Agent prozentual weniger spart, als die Token-Raten vermuten lassen.

• Reasoning wird als Output abgerechnet — alle Reasoning-Tokens werden zum Output-Tarif gezählt, daher ist der 21×-Output-Rabatt der Faktor, der bei einer agentischen Workload dominiert.

Was $0.20 Output-Tokens einer Agent-Rechnung antun

Nehmen Sie eine repräsentative agentische Codierungsaufgabe: 200.000 Eingabe-Token Kontext und Repository-Zustand sowie 40.000 Ausgabe-Token inklusive Überlegungen und Tool-Aufrufen. Bei der Standard-Muse-Spark-1.3-SKU ergibt das 1,25 $ × 0,2 plus 4,25 $ × 0,04, also etwa 0,42 $ pro Aufgabe. Bei Muse Spark 1.3 Contributor lautet dieselbe Rechnung 0,10 $ × 0,2 plus 0,20 $ × 0,04, also etwa 0,03 $ – ungefähr ein Fünfzehntel des Preises, bevor der Effizienzgewinn durch 25 % weniger Token überhaupt mitgezählt wird. Hochgerechnet auf ein Team, das einige tausend agentische Aufgaben pro Monat ausführt, verwandelt die Contributor-SKU eine fünfstellige Token-Rechnung in eine dreistellige. Das ist das Angebot. Das Kleingedruckte oben ist der Preis, und für viele Teams ist die relevante Frage nicht, ob die Ersparnis real ist, sondern ob die Datenklausel und die Obergrenze von 60 Anfragen pro Minute akzeptabel sind.

Wie du es heute tatsächlich ausführen würdest

Muse Spark 1.3 Contributor wird noch nicht von jeder Plattform geroutet, die Muse Spark 1.2 angeboten hat, daher ist das ehrliche Bild beim Zugang geteilt. Auf der Meta-Seite ist die Contributor-SKU direkt über die Meta Model API verfügbar – das ist der eigene Endpunkt des Anbieters, und für die Data-Sharing-Stufe werden dort die Bedingungen durchgesetzt. Auf unserer Seite ist das derzeit routbare Mitglied der Muse-Spark-Familie das Standardmodell Muse Spark 1.2, das über OrcaRouter zum Meta-Listenpreis von 1,25 $ für Input und 4,25 $ für Output ohne Aufschlag bereitgestellt wird – ein API-Schlüssel, kein zweiter Vertrag und automatisches Failover, wenn der Upstream-Anbieter überlastet ist. Wenn ein gerouteter Anbieter die Muse-Spark-1.3-Familie aufnimmt, würden beide SKUs noch am selben Tag zum Listenpreis erscheinen, da OrcaRouter den Anbietersatz unverändert durchreicht: Eine Preissenkung des Anbieters oder eine Contributor-Stufe erscheint sofort in der Rechnung und nicht erst nach einer Neuverhandlung. Diese Durchreichung ist der praktische Grund, genau zu beobachten, wo 1.3 landet, statt anzunehmen, dass die derzeitige Spaltung dauerhaft ist.

Die nächsten zwei Wochen

Vier Dinge werden entscheiden, ob Muse Spark 1.3 Contributor ein echter Wendepunkt ist oder nur ein Marketing-Rhythmus. Erstens, ob eine unabhängige Testumgebung die 88,8 Terminal-Bench- und 75,4 DeepSWE-Behauptungen bestätigt, da das gesamte Narrativ vom „Frontier-Modell zum Diskontpreis" darauf aufbaut. Zweitens, wann die zurückgehaltene „max reasoning"-Variante ausgeliefert wird und ob sie auch auf der Contributor-Stufe angeboten wird. Drittens, wie Metas Konkurrenten preislich reagieren — ein ernstzunehmender Coder zu 0,20 $ Output-Tokens setzt jedes Premium-Coding-Modell darüber unter Druck, und die Reaktion wird sich innerhalb von Wochen zeigen. Viertens, ob die frühe Skepsis der Community — einige Rezensenten nannten 1.3 iterativ, „Zahnpasta herausquetschen" nach einer einmonatigen Pause — messbaren Ergebnissen Dritter weicht. Bis diese vorliegen, ist die rationale Position, dass Muse Spark 1.3 Contributor ein ungewöhnlich günstiger Weg ist, ein sehr leistungsfähiges Coding-Modell zu betreiben, wobei der gesamte Rabatt in einer Datenklausel eingepreist ist, die dieselbe Prüfung verdient wie die Benchmark-Grafik.