Muse Spark vs. Claude Opus 5.5: Zehn Punkte Intelligenz und eine 3,7-fache Rechnung

The comparison between Muse Spark and Claude Opus 5.5 is usually written as a scoreboard, and the scoreboard does have a winner: on Artificial Analysis' Intelligence Index the current Muse Spark — Muse Spark 1.3 at its max reasoning setting — scores 48, while Claude Opus 5.5 at max effort with default fallback scores 58 and sits first on the board. That is the number everyone quotes. The number almost nobody quotes sits on the same page: completing one Intelligence Index task costs $1.60 on Muse Spark 1.3 and $5.98 on O​pus 5.5. Ten index points for roughly 3.7x the money per task, with Muse Spark also running about 28% faster and emitting a third fewer tokens to get there. Neither of those figures is ours — both come from Artificial Analysis' own hosted listings — and which one matters depends entirely on what you are doing, so this piece is about separating the two questions rather than picking a side.

Zuerst das, was der Modellname verbirgt

Muse Spark is not one model, and the matchup only makes sense once you fix a version. The line runs Muse Spark 1.1 (July 16, 2026), Muse Spark 1.2 (August 5, 2026) and Muse Spark 1.3 (September 2, 2026), all from M​eta Superintelligence Labs, all sharing a 1,048,576-token context window and a text-out modality. M​eta labels 1.3 current. Muse Spark 1.3 also gained its "max" reasoning level on September 4, two days after launch, after M​eta finished additional safety testing — and that matters here because every AI-lab scorecard, M​eta's included, was produced at that setting, while the model most developers actually called for the first two days was capped at xhigh.

Claude Opus 5.5 erschien am 22. September 2026, die erste Veröffentlichung in der 5.5-Familie von A​ntropic, und es ist ein einfacheres Objekt: ein GA-Modell, adaptives Denken immer aktiv, Effort von niedrig bis maximal wählbar. A​ntropic selbst stellte die Kosten in den Vordergrund — O​pus 5.5 koste 40 % weniger im Betrieb als Claude Opus 5, mit Input und Output bei 4 $ und 20 $ pro Million Token und Cache-Reads bei 0,20 $, eine Senkung der Cache-Reads um 60 % gegenüber dem Vorgänger. Claude Fable 5.1 steht für die anspruchsvollsten Reasoning-Aufgaben weiterhin darüber.

Die ehrliche Beschreibung ist also ein Vergleich zwischen einem Modell, das unter demselben Familiennamen immer wieder neu ausgerichtet wird, und einem Modell, das einmal mit einer festen Konfiguration ausgeliefert wurde und sich seitdem nicht verändert hat.

Die unabhängigen Zahlen, mit ihrem Sternchen

Artificial Analysis ist der einzige Drittanbieter mit öffentlichen Auflistungen für beide, und es vergleicht sie nicht in derselben Kategorie – Open-Weight-Modelle werden gegen Open-Weight-Modelle derselben Größenklasse eingestuft, proprietäre Modelle gegen das breitere Feld. Bei beiden handelt es sich um proprietäre Modelle, daher spielt diese besondere Verzerrung keine Rolle; was eine Rolle spielt, ist, dass keine der beiden Auflistungen ein kontrollierter erneuter Durchlauf des Harness der jeweils anderen ist.

• Muse Spark 1.3 (max) — Intelligence Index 48, Rang 24 von 217; Ausgabegeschwindigkeit 121,9 Tokens/Sekunde; 1,25 $ Eingabe / 4,25 $ Ausgabe pro Million Tokens; 1,60 $ pro Index-Aufgabe; 170 Mio. Ausgabe-Tokens während des Index generiert.

• Claude Opus 5.5 (max, Standard-Fallback) — Intelligenz-Index 58, Rang 1 von 217; Ausgabegeschwindigkeit 95,2 Token/Sekunde; 4,00 $ Eingabe / 20,00 $ Ausgabe; 5,98 $ pro Index-Aufgabe; 260 Mio. Ausgabe-Token.

Read those two lists side by side and the shape of the trade is visible without any interpretation. O​pus 5.5 wins intelligence by 10 points and wins it while being more verbose, not less — 260M tokens against 170M — so it is not buying its score with economy. Muse Spark 1.3 is faster, cheaper per token, cheaper per completed task, and less talkative. On the price-per-task line is where the gap is widest: you can run roughly 3.7 Muse Spark 1.3 index tasks for the cost of one O​pus 5.5 index task.

Ein weiterer unabhängiger Datenpunkt, weil er in die andere Richtung ausschlägt und es wert ist, erwähnt zu werden: Das Text-Leaderboard von LMArena platziert eine Claude Opus 5.5-Konfiguration insgesamt auf Rang 3 mit 1508 Elo, und Muse Spark 1.3 erscheint auf diesem Board überhaupt nicht. Menschliche Präferenzabstimmungen und ein Benchmark-Index sind sich über die Größenordnung uneinig, was normal ist, aber es bedeutet, dass die Lücke von 10 Punkten nicht als „10 % schlechter bei allem“ gelesen werden sollte.

Wo die Lücke am größten ist, den Anbietern zufolge

Die Scorecards der Anbieter sind untereinander nicht vergleichbar, und kein Anbieter hat dieselben Benchmarks veröffentlicht, doch die Überschneidung ist aufschlussreich. Alles unten Aufgeführte ist vom Anbieter angegeben und wurde von uns nicht reproduziert.

• Terminal-Bench 4.0 — O​pus 5.5: 66.4%, run at xhigh effort per A​nthropic's note. M​eta reports Muse Spark on Terminal-Bench 2.1 instead, where the family's published score is 76.4 with the Terminus 2 agent. Different benchmark versions, different agents — do not subtract them.

• GDPval-AA — O​pus 5.5: 1846 Elo on v2.1. Muse Spark 1.3: 1,754 on v2. The version moved between the two measurements, so the 92-point gap is directionally real and numerically soft.

• Agentic computer use — O​pus 5.5: 81.8% on OSWorld 2.1, marked "partial". Muse Spark 1.3: 66.9 on OSWorld 2.0. Again, different revisions of the same benchmark family.

• Terminal-Bench-Science 0.1 — O​pus 5.5: 58.7%. M​eta publishes no equivalent for Muse Spark 1.3.

A​nthropic ist ungewöhnlich explizit in Bezug auf die Grenzen seiner eigenen Tabelle und merkt an, dass auf diesem Leistungsniveau „Benchmark-Margen zu einem weniger verlässlichen Maßstab für Unterschiede in der realen Welt geworden sind“. Dieser Satz verdient es, in beide Richtungen für bare Münze genommen zu werden: Er untergräbt die 10-Punkte-AA-Lücke ebenso sehr, wie er M​etas DeepSWE-Platzierungsansprüche untergräbt.

Worauf Sie außer den Punkten verzichten

• Modalitäten — Muse Spark 1.3 akzeptiert Text, Bild und Video. Claude Opus 5.5 akzeptiert Text und Bild. Wenn Ihre Pipeline Bildschirmaufnahmen oder Videos direkt in das Modell einspeist, ist die Entscheidung alles andere als knapp, und die Indexlücke ist irrelevant.

• Maximum output — O​pus 5.5 returns up to 128K tokens synchronously, and 300K through the Batches API behind a beta header. M​eta does not publish a max-output figure for Muse Spark 1.3 that we could verify. If you generate long artifacts in a single call, an unpublished ceiling is a risk you should test rather than assume.

• Cache economics — O​pus 5.5's cache read is $0.20 per million, a 95% discount off input. Muse Spark 1.3's is $0.15, an 88% discount. For a heavily cached agent loop this narrows or inverts the per-task arithmetic versus the headline rates, and it is the single easiest thing to get wrong when comparing these two on list price alone.

• Kontext – beide sind 1M. Nichts zu trennen.

• Release cadence — O​pus 5.5 is one model with one price and has not changed since September. Muse Spark has re-pointed three times in three months and then added a reasoning level on top. That is either healthy iteration or an integration hazard, depending on how much you like re-running evals.

Beide ohne eine zweite Integration ausführen

Beide Seiten dieses Vergleichs liegen auf OrcaRouter — Claude Opus 5.5 und die beiden Muse Spark Checkpoints, die wir bereitstellen, Muse Spark 1.2 und Muse Spark 1.1 — über eine API hinweg für 200+ Modelle, zu den Listenpreisen des jeweiligen Anbieters, mit 0 % Aufschlag, der durchgereicht wird. Was die praktische Antwort auf die Frage ist, die dieser Artikel aufwirft: Um herauszufinden, ob Ihre Workload die zusätzlichen zehn Indexpunkte wirklich braucht, gilt es, einen Teil des Produktionsverkehrs zu Muse Spark 1.2 zu $1,25 in / $4,25 out zu leiten und ihn mit denselben Prompts auf Opus 5.5 zu vergleichen, mit demselben Key, mit automatischem Failover, sodass ein fehlerhafter Lauf auf das andere Modell zurückfällt statt auf eine Fehlerseite. Kein zweiter Vertrag, kein zweites SDK, keine Migration.

Two honest caveats about our own coverage. Muse Spark 1.3 is not on our catalogue today, so the routing comparison above starts from 1.2, which is the checkpoint Artificial Analysis measures one point below Muse Spark Open and which now carries a deprecation notice pointing at 1.3. And this comparison rests on A​nthropic's and M​eta's published figures plus Artificial Analysis' independent listings; we have not re-run either model's benchmarks, and the vendor rows above should be read as claims.

Die Version, für die es sich lohnt, wieder vorbeizuschauen

If the question you brought here is "is the cheap one good enough", the honest answer today is that the cheap one is 48 to O​pus 5.5's 58, faster, less verbose and about 3.7x cheaper per completed task — and that A​nthropic's own caveat about benchmark margins is the strongest argument for testing rather than deciding. If your work involves video in, extremely long single outputs, or the last few points of hard reasoning, O​pus 5.5 is the model that shipped with those things documented. The thing to watch is not the next Muse Spark version number but whether Muse Spark 1.3 arrives on a router you already use, and at what price — the family's pricing has been stable at $1.25 / $4.25 across 1.1, 1.2 and 1.3, which is itself a signal that M​eta is competing on capability per dollar rather than on the dollar.

One development belongs outside this matchup rather than inside it, and it is the reason this family is being written about this week at all. On October 15, 2026 — thirteen days after Muse Spark 1.3 shipped and the day before this article — M​eta published the weights and licence for Muse Spark Open, the family's separate open-weight member, whose repository had been sitting gated and unannounced since September 15. The 816B-total / 42B-active architecture currently circulating is that release, not the closed 1.3 measured above. Artificial Analysis does list it, at an intelligence index of 39 against the 48 this article attributes to Muse Spark 1.3, and M​eta has not published the evaluation report behind its own scorecard for it. So the artefact is confirmed and the performance claim is not; do not read this comparison as covering it.

Was die Zahlen Ihnen nicht sagen können, ist, ob irgendetwas davon im Praxiseinsatz schiefgegangen ist: Die dokumentierten KI-Vorfälle und Agenten-Ausfälle rund um Modelle dieser Klasse sind gesammelt in dem OrcaRouter AI Incident Archive, wobei jeder Eintrag eigene Quellen, Schweregrad, Konfidenzstufe und Kennzeichnung als strittig enthält.