Muse Spark vs. Muse Spark 1.3: Einer dieser Namen ist eine Version, und das ist die ganze Antwort

Wenn man Muse Spark gegen Muse Spark 1.3 in ein Suchfeld eingibt, deutet das auf zwei Produkte hin, und das erste Nützliche, das einem jemand sagen kann, ist, dass es nur eines gibt. Meta Superintelligence Labs hat Muse Spark am 8. April 2026 vorgestellt, und Muse Spark 1.3 – veröffentlicht am 2. September 2026, wobei die maximale Reasoning-Stufe am 4. September für Entwickler freigegeben wurde – ist das, worauf dieser Name heute verweist. Metas eigene Modellseite klärt es in drei Sätzen: Muse Spark 1.3 ist „die neueste Version“ und wird für neue Arbeiten empfohlen, Muse Spark 1.2 ist „die vorherige Version“, und Muse Spark 1.1 ist „die ursprüngliche Version“. Das ist also kein Duell. Es ist die Versionsfrage, die der Name Muse Spark verbirgt, seit die Familie begonnen hat, sich neu auszurichten, und die Antwort ändert sich je nachdem, mit welchem der früheren Checkpoints man tatsächlich verglichen hat.

Was jeder Name bezeichnet

Der unversionierte Name ist eine Familie und ein bewegliches Ziel. Meta brachte den ursprünglichen Muse Spark im April 2026 als nativ multimodales Reasoning-Modell mit einer privaten API-Vorschau heraus und begann dann, nummerierte Checkpoints auszugeben: Muse Spark 1.1, das unser eigener Katalog mit einem Veröffentlichungsdatum vom 16. Juli 2026 führt; Muse Spark 1.2 am 5. August 2026; und Muse Spark 1.3 am 2. September 2026. Unabhängige Auflistungen stimmen mit den beiden letztgenannten Daten überein. Es gibt eine Ungereimtheit, die man eher benennen als glätten sollte: Metas Dokumentation nennt 1.1 „die Originalversion“, während die Einführung der Familie im April erfolgte, und die Diskrepanz zwischen diesen beiden Aussagen wird auf keiner Seite erklärt, die wir lesen konnten. Betrachten Sie das April-Datum als die Einführung der Familie und Juli als den ersten Checkpoint, der eine Nummer trägt, und betrachten Sie keines von beiden als ein Launch-Ereignis, über das diese Seite berichtet.

Alle drei nummerierten Versionen teilen sich dieselbe Modalitätszeile und dasselbe Kontextfenster von 1.048.576 Token, was Meta direkt angibt: Sie „teilen sich dieselben Modalitäten und dasselbe Kontextfenster und unterscheiden sich nur in der Leistungsfähigkeit." Dieser Satz ist das praktisch Nützlichste auf der Seite. Er bedeutet, dass ein Versionssprung innerhalb dieser Familie die Struktur deiner Anfrage nicht verändert. Dieselben Eingaben – Text, Bild, Video, Audio und PDF – dieselbe reine Textausgabe, dieselbe Obergrenze. Was sich ändert, ist die Qualität der Antwort, und der Preis ändert sich überhaupt nicht: 1,25 $ pro Million Eingabe-Token, 0,15 $ pro Million gecachter Eingabe und 4,25 $ pro Million Ausgabe-Token, identisch über 1.1, 1.2 und 1.3 im Standard-Tarif von Meta.

Die Upgrade-Rechnung, aus Metas eigener Tabelle

Meta veröffentlicht eine einzige Benchmark-Tabelle, die Muse Spark 1.3 mit maximalem Reasoning neben Muse Spark 1.2 mit xhigh in einem Dutzend agentischer und Long-Context-Evaluierungen stellt, und liest man sie Zeile für Zeile, ergibt sich ein interessanteres Bild, als die Versionsnummer vermuten lässt. Jede unten stehende Zahl ist vom Anbieter angegeben, in Metas eigenem Harness erzeugt und von uns nicht reproduziert.

• GDPval-AA v2 — Muse Spark 1.3 (max) 1.754 vs. Muse Spark 1.2 (xhigh) 1.615

• Terminal-Bench 2.1 — 88,8 vs. 82,9

• OSWorld 2.0 — 66.9 vs 47.6

• DeepSWE v1.1 — 75,4 vs. 55,0

• SWEAtlas — 59,4 vs 46,2

• JobBench — 64.9 vs. 61.6

• MRCR 256K–512K — 98,5 vs. 66,3

• MRCR 512K–1M — 98,1 vs. 55,5

Die letzten beiden Zeilen sind die eigentliche Geschichte, und sie sind nicht die Zeilen, die bei der Einführung zitiert wurden. Langkontext-Retrieval im 256K–512K-Band legt um 32 Punkte zu; im 512K–1M-Band um mehr als 42. Die Arbeit an allgemeinen Fähigkeiten bewegt sich weit weniger: GDPval-AA steigt um 139 Punkte auf einer Skala, die bei 1.615 den Wert 1,2 hatte, und JobBench um 3. Das Muster deckt sich damit, worauf ein Labor optimiert, wenn es langhorizontige agentische Arbeit verfolgt — das Modell wurde nicht gleichmäßig klüger, sondern dramatisch besser darin, Informationen über einen Kontext hinweg zu halten und abzurufen, für den es das Fenster bereits hatte. Wenn Ihre Workload in den ersten 100K Tokens liegt, ist das Upgrade real, aber bescheiden. Wenn sie darüber hinausgeht, ist es der Unterschied zwischen einem Modell, das einen großen Kontext nutzen kann, und einem, das Dinge darin finden kann.

Zu diesen Zahlen gehören zwei Einschränkungen. Der Vergleich lautet max gegen xhigh, nicht max gegen max, denn Meta hat 1.2 mit xhigh und 1.3 mit max laufen lassen — die Einstellungen unterscheiden sich, also ist ein Teil des Zugewinns auf das Reasoning-Budget zurückzuführen und nicht auf die Checkpoint-Qualität. Und die Zeile von 1.2 in dieser Tabelle ist mittlerweile eine veraltete Konfiguration: Außerhalb von Metas eigener Tabelle wird Muse Spark 1.2 in unabhängigen Auflistungen als veraltet gekennzeichnet, mit Verweis auf 1.3 — das ist das stärkste verfügbare Signal dafür, dass der ältere Checkpoint auf dem Rückzug ist.

Das unabhängige Bild und das Geschäft, das niemand erwähnt.

Artificial Analysis ist der Drittanbieter mit öffentlich einsehbaren Einträgen für beide Checkpoints, und seine Zahlen weichen in lehrreicher Weise von denen von Meta ab – nicht bei der Richtung, sondern bei den Kosten.

• Muse Spark 1.3 (Max) — Intelligenz-Index 48, Rang 24 von 217; Ausgabegeschwindigkeit 121,9 Token/Sekunde; 1,60 $ pro abgeschlossener Index-Aufgabe; 170 Mio. Ausgabe-Token während der Evaluierung generiert

• Muse Spark 1.2 (Xhigh) — Intelligence Index 40, Rang 59 von 217; Ausgabegeschwindigkeit 361,4 Tokens/Sekunde, Platz 1 von 186 Modellen; 0,97 $ pro abgeschlossener Index-Aufgabe; 130 Mio. Ausgabe-Tokens; Zeit bis zum ersten Token 12,67 Sekunden

Liest man die beiden Listen gegeneinander, sieht das Upgrade anders aus, als es sich in Metas Tabelle liest. Muse Spark 1.3 ist acht Indexpunkte stärker und etwa dreimal langsamer – 121,9 Tokens pro Sekunde gegenüber 361,4, wobei der ältere Checkpoint das schnellste Modell jeder Art auf diesem Board war. Die Kosten pro abgeschlossener Aufgabe stiegen von 0,97 $ auf 1,60 $, obwohl der Preis pro Token identisch ist, weil das neuere Modell 40 Millionen mehr Tokens erzeugt, um dieselbe Evaluierung abzuschließen. An der Preisliste des Anbieters hat sich nichts geändert. Geändert hat sich, wie viel das Modell sagt.

Das ist der Kompromiss, den die Versionsnummer verschleiert, und er schlägt in eine Richtung aus, die der Großteil der Berichterstattung übersehen hat. Wenn Ihre Anwendung latenzempfindlich oder durchsatzgebunden ist, könnte die vorherige Muse Spark-Version für Sie tatsächlich das schnellere Produkt sein – und das zum selben Listenpreis. Wenn es bei schwierigen Problemen auf Genauigkeit ankommt, ist 1.3 mit maximalem Reasoning der eigentliche Grund für das Upgrade. Das sind unterschiedliche Käufe, die als Versionssprung daherkommen, und nur einer davon entspricht dem, was der Deprecation-Hinweis annimmt, dass Sie wollen.

Was 1.3 hinzugefügt hat, das kein Score ist

Die Reasoning-Stufe max ist die folgenreichste Änderung im Release 1.3, und sie kam zwei Tage zu spät. Zum Start am 2. September lieferte Meta alle Effort-Level bis einschließlich xhigh aus und hielt max bis zum Abschluss dessen zurück, was Meta als zusätzliche Sicherheitstests bezeichnete, und stellte es nur einem begrenzten Partnerkreis zur Verfügung. Am 4. September waren diese Tests abgeschlossen, und max wurde in Muse Code sowie über die Meta Model API unter der Modell-ID muse-spark-1.3 auswählbar. Die Konsequenz ist, dass die Schlagzeilen-Scorecard – die 1.754 bei GDPval-AA, die 98,5 bei MRCR – mit einer Einstellung erzeugt wurde, die Entwickler in den ersten zwei Tagen nicht aufrufen konnten, und jede am Starttag geschriebene Integration listet möglicherweise nach wie vor Reasoning-Effort nur bis xhigh auf. Prüfe, was deine Route akzeptiert, bevor du annimmst, dass max berücksichtigt wird.

Meta verkauft den 1.3-Checkpoint außerdem zweimal, und der Unterschied liegt nicht am Modell. muse-spark-1.3 ist mit „Wird nicht zur Verbesserung unserer Produkte verwendet“ zu $1,25 / $0,15 gecacht / $4,25 ausgewiesen. muse-spark-1.3-contributor ist mit „Wird zur Verbesserung unserer Produkte verwendet“ zu $0,10 / $0,002 / $0,20 ausgewiesen — etwa eine Größenordnung günstiger bei der Eingabe und mehr als zwanzigmal günstiger bei der Ausgabe, im Austausch gegen die Erlaubnis, mit Ihren Prompts und Completionen zu trainieren. Beide haben dasselbe Kontextfenster von 1 Mio. Token. Contributor beschreibt, was Sie beitragen, nicht, was Sie erhalten; es ist eine Preisstufe mit einer angehängten Datenklausel, kein Open-Weights-Release.

Und es gibt eine Regression – von Meta selbst eingeräumt und nicht von einem Nutzer entdeckt. Das Audioverständnis in Muse Spark 1.3 wird nicht vollständig unterstützt, und Meta warnt, dass die Antwortqualität bei Anfragen mit Audioinhalten beeinträchtigt sein kann, und verweist Audio-Workloads auf Muse Spark 1.2. Die aktuelle Version ist also nicht für jede Eingabe in der eigenen Modalitätszeile der Familie die richtige Antwort – ein Fall, in dem der neueste Checkpoint der falsche für einen Payload ist, den der ältere bewältigt.

Welche Version Sie tatsächlich aufrufen können

Es lohnt sich, die Versionsfrage von der Verfügbarkeitsfrage zu trennen, denn sie haben unterschiedliche Antworten. Alle drei nummerierten Muse Spark-Versionen sind ausschließlich gehostet: Meta veröffentlicht keine Gewichte, keine Lizenz und keinen Download für eine von ihnen, und bei den Contributor-Varianten handelt es sich um rabattierte gehostete Tarife und nicht um Releases. Die offenen Gewichte in dieser Familie gehören zu Muse Spark Open, dem 816B-Sparse-Mixture-of-Experts-Modell, das Meta am 15. Oktober 2026 veröffentlicht hat, und zu Muse Glimmer, dem 30B-Apache-2.0-Modell vom 10. August 2026. Keines von beiden ist eine Muse Spark-Version, und keines von beiden ist ein Ersatz für eine.

Unser eigener Katalog spiegelt das ältere Ende der Produktreihe wider, und wir sagen das lieber klar, als dass eine Versionsnummer eine Abdeckung impliziert, die wir nicht haben. OrcaRouter leitet weiter zu Muse Spark 1.1 und Muse Spark 1.2, beide zum Listenpreis von Meta mit durchgereichtem 0 % Aufschlag, beide im 1.048.576-Token-Fenster der Familie. Muse Spark 1.3 ist heute nicht in unserem Katalog, und keine der Contributor-Varianten ist es. Damit ist der praktische Upgrade-Pfad zweistufig: 1.2 ist das, was Sie jetzt ansteuern können, 1.3 ist das, was Meta für neue Arbeit empfiehlt, und an dem Tag, an dem es bei einem Anbieter landet, den wir ansteuern, kommt die Änderung über denselben Schlüssel statt in Ihrem Integrationscode an.

Die Versionsfrage ist auch der Punkt, an dem sich ein Router auf eine Weise bezahlt macht, die für diese Familie spezifisch ist. Drei Checkpoints, ein Anbieter, ein Endpunkt, keine Gewichte — die gesamte Linie läuft über eine einzige API, die von einem einzigen Unternehmen betrieben wird, was das Konzentrationsrisiko darstellt, wenn man darauf aufbaut. Das Routing von 1.1 und 1.2 hinter einem OpenAI-kompatiblen Endpunkt bedeutet, dass ein fehlgeschlagener Long-Context-Aufruf auf den anderen Checkpoint ausweichen kann, anstatt die Anfrage scheitern zu lassen, und die Routing-DSL ermöglicht es Ihnen, den Produktionsverkehr per Konfiguration zwischen ihnen aufzuteilen, sodass Sie messen können, ob Ihnen die Geschwindigkeit von 1.2 mehr wert ist als die Genauigkeit von 1.3 an Ihren eigenen Prompts statt an einem fremden Index. Das ist der einzige Versionsvergleich, der die Frage für Ihre Workload entscheidet.

Die Antwort, je nachdem, mit welcher Frage Sie gekommen sind

Wenn Sie wissen wollten, ob Muse Spark und Muse Spark 1.3 unterschiedliche Modelle sind: Sie sind es nicht. 1.3 ist das, was der Name jetzt bedeutet, und Meta bezeichnet es als das neueste und empfiehlt es für neue Arbeit. Wenn Sie wissen wollten, was man beim Wechsel von der vorherigen Version bekommt: etwa 32 bis 42 Punkte beim Long-Context-Retrieval, einen großen Sprung bei agentischer Computernutzung und langhorizontigem Coding sowie einen dreifachen Rückgang der Ausgabegeschwindigkeit beim gleichen Preis pro Token. Wenn Sie wissen wollten, was es kostet: Die Preisliste hat sich über drei Versionen hinweg nicht verändert, was zeigt, dass Meta eher über die Fähigkeit pro Dollar konkurriert als über den Dollar.

Was keine dieser Zahlen Ihnen sagen kann, ist, auf welcher Seite dieses Tauschs Ihre eigene Workload steht, und die ehrliche Einschätzung ist, dass der Deprecation-Hinweis des Anbieters eine Antwort für Sie voraussetzt. Die Version, die bei gleichem Preis dreimal schneller ist, ist nach wie vor die einzige der beiden, die Sie heute über einen Router erreichen können, was dies zu einem ungewöhnlich günstigen Experiment macht, das Sie vor dem Erscheinen von 1.3 durchführen können.

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.