Muse Wonder vs. Muse Spark 1.2: Meta veröffentlichte ein Flaggschiff, das 4,7× so viel kostet wie das Modell darunter

Muse Wonder kostet 4,00 $ pro Million Eingabe-Tokens und 20,00 $ pro Million Ausgabe-Tokens. Muse Spark 1.2 kostet 1,25 $ und 4,25 $. Dasselbe Labor, dasselbe Kontextfenster von 1.048.576 Token, dieselbe Textausgabe-Form und ein Preisverhältnis von 3,2× bei der Eingabe und 4,7× bei der Ausgabe – für ein am 12. Oktober 2026 veröffentlichtes Modell, das den August-Checkpoint, über dem es preislich liegt, nicht eindeutig übertrifft. Auf dem aktuellen Intelligence Index von Artificial Analysis steht Muse Wonder (max) bei 52. Veröffentlichte Drittanbieter-Messwerte für Muse Spark 1.2 lagen je nach Revision und verwendeter Effort-Einstellung zwischen 54 und 57. Das ist kein Vergleich, bei dem das Flaggschiff gewinnt und man dafür bezahlt; es ist ein Vergleich, bei dem man entscheiden muss, wofür man die zusätzlichen 3,7× bezahlt.

Die Komplikation besteht darin, dass Muse Spark 1.2 nicht mehr Metas aktueller Spark ist. Muse Spark 1.3 wurde am 2. September veröffentlicht, und Metas eigene Dokumentation bezeichnet 1.2 inzwischen als „die vorherige Version“. Diese Seite ist also wirklich eine dreigeteilte Frage in einem Titel mit zwei Namen: der günstige vorherige Checkpoint, der aktuelle günstige Checkpoint und das teure neue Flaggschiff – alle von Meta Superintelligence Labs, alle auf unterschiedliche Weise erreichbar, alle mit demselben Kontextfenster.

Drei Monate, drei Releases, eine Preisklasse, die sich nicht bewegte

Metas Muse-Linie hat sich rasant entwickelt, doch die Preisliste auf der Spark-Seite ist nicht mitgezogen.

• Muse Spark 1.1 — das Original, in unserem Katalog gelistet zu 1,25 $ pro Million Eingabe-Token und 4,25 $ pro Million Ausgabe, mit Text-, Bild-, Video-, Audio- und PDF-Eingabe.

• Muse Spark 1.2 — veröffentlicht am 5. August 2026, weiterhin 1,25 $ und 4,25 $ im Standard-Tarif, wobei Meta es als aktualisierten Checkpoint statt als neue Tarifstufe beschreibt. Eine zweite SKU, Muse Spark 1.2 Contributor, führt denselben Checkpoint zu 0,10 $ für Input und 0,20 $ für Output im Contributor-Tarif von Meta aus.

• Muse Spark 1.3 — am 2. September 2026 veröffentlicht, weiterhin $1.25 und $4.25, und jetzt die Version, die Meta für neue Arbeit empfiehlt.

• Muse Wonder — veröffentlicht am 12. Oktober 2026, mit 4,00 $ für Eingaben und 20,00 $ für Ausgaben, einer Ausgabeobergrenze von 943.718 Tokens und einem zweiten, höher bewerteten Checkpoint namens Muse Wonder Full, der nur im Muse Code-Abonnement erhältlich ist und überhaupt keinen Preis pro Token hat.

Lies das als eine Reihe von Entscheidungen, nicht als einen Zeitverlauf. In drei Monaten veröffentlichte Meta vier Spark-oder-Wonder-Releases, änderte den Preis von Spark überhaupt nicht und führte dann einen neuen Namen zum dreifachen Preis des Modells darunter ein. Die Namensgebung ist der Hinweis: Muse Wonder ist nicht Muse Spark 1.4. Es ist eine eigenständige Serie, und Meta hat sie auch als solche bepreist.

Die Preiskarte und was die Reasoning-Einstellung damit macht

• Eingabe — Muse Wonder 4,00 $ pro Million gegenüber Muse Spark 1.2 bei 1,25 $. 3,2×.

• Ausgabe — $20.00 gegenüber $4.25. 4,7×, und die Position, die in jeder agentischen Schleife die Rechnung dominiert.

• Zwischengespeicherte Eingabe — Muse Wonder 0,20 $ pro Million; Muse Spark 1.2 0,15 $. In absoluten Zahlen liegen sie einen halben Cent auseinander, was erwähnenswert ist, weil beide Anbieter Caching als den Rabatt darstellen, der das teure Modell rettet. Bei diesem Paar ist das nicht der Fall: Der Cache-Lesevorgang ist nicht der Ort, an dem die 4,7× steckt.

Kontext – 1.048.576 Tokens bei beiden. Identisch, und ebenfalls identisch mit den beiden vorherigen Spark-Checkpoints.

• Ausgabengrenze — Muse Wonder 943.718 Tokens in einer einzigen Antwort; die veröffentlichte Ausgabengrenze von Muse Spark 1.2 wird in unserer Katalogzeile überhaupt nicht angegeben, und Metas Dokumentation für die Spark-Reihe nennt dafür keine vergleichbare Zahl. Betrachte das als unbekannt und nicht als gleichwertig.

• Reasoning — Muse Wonder's ist verpflichtend, mit einer Effort-Leiter von minimal bis maximal, standardmäßig auf medium. Muse Spark 1.2 unterstützt konfigurierbaren Reasoning-Aufwand, und Metas eigene Beschreibung der Familie besagt, dass Effort eher ein Regler als eine Untergrenze ist.

• Modalitäten — Text, Bild, Video, Audio und PDF als Eingabe bei Muse Spark 1.2; Text, Bild, Sprache, Video und Datei als Eingabe bei Muse Wonder. Auf der Eingabeebene handelt es sich um dieselbe Modellklasse, und das ist der Punkt: Nichts hier erklärt einen 4,7-fachen Output-Preis.

Was das unabhängige Gremium tatsächlich sagt und warum die Zahlen voneinander abweichen

Dies ist der Teil, den man langsam lesen sollte, denn die veröffentlichten Zahlen für Muse Spark 1.2 stimmen nicht miteinander überein, und der Grund ist wichtig.

Die Analyse von Artificial Analysis zum Start von Muse Spark 1.2 bewertete es in seiner xhigh-Konfiguration mit 54 auf dem Intelligence Index, eine Steigerung gegenüber dem vorherigen Checkpoint. Andere Auswertungen desselben Checkpoints wurden mit 57 veröffentlicht, und unsere eigenen Notizen zur Familie enthalten beide Werte. Die Diskrepanz ist kein Rätsel, und sie ist kein Kampf Hersteller gegen Unabhängige – es ist der Index selbst, der sich bewegt. Artificial Analysis bewertete seine Rangliste im September 2026 neu, ersetzte einfachere Komponenten-Benchmarks durch schwierigere und erhöhte die Gewichtung privater, zurückgehaltener Aufgaben, und infolgedessen fielen die Werte entlang der Frontier. Eine Zahl, die vor dieser Neubewertung gemessen wurde, und eine Zahl, die danach gemessen wurde, beschreiben dasselbe unveränderte Modell auf zwei verschiedenen Maßstäben.

Die vertretbare Aussage ist also eine Bandbreite und kein einzelner Punkt: Drittanbieter-Messwerte für Muse Spark 1.2 wurden zwischen 54 und 57 veröffentlicht, und der relevante Vergleich ist der mit Muse Wonders 52, gemessen auf der aktuellen Revision. Das bedeutet, dass die ehrliche Zusammenfassung dieses Duells lautet, dass der August-Checkpoint bei unabhängiger Messung mindestens gleichauf mit dem Oktober-Flaggschiff liegt und möglicherweise sogar davor – während er bei den Ausgabekosten nur ein Fünftel so viel kostet.

Metas eigene, vom Anbieter gemeldete Benchmark-Tabelle weist in die andere Richtung – genau das, was man von einer Anbietertabelle über das eigene neue Flaggschiff erwartet. Muse Wonder wird in den langfristig ausgerichteten professionellen Suiten vor Muse Spark 1.2 geführt, und sein Full-Checkpoint dominiert diese Zeilen klar. Jede Zahl stammt aus Metas Harness, und keine davon wurde unabhängig reproduziert. Es gehört auf die Liste der Gründe, eine eigene Evaluierung durchzuführen, und es ist kein Beleg dafür, dass die aktuelle Rangliste falsch ist.

Das Argument dafür, dass das günstigere Modell der Standard ist

Es gibt eine Version dieses Vergleichs, zu der Metas Preisgestaltung einlädt und die die meisten Teams wahrscheinlich ernst nehmen sollten: Für eine große Klasse agentischer Arbeit sind Muse Spark 1.2 oder 1.3 bei $1.25 und $4.25 die vernünftige Standardwahl, und Muse Wonder ist die Eskalation.

Das Argument ist nicht, dass das günstigere Modell besser ist. Es ist, dass die beiden bei der gemessenen Leistungsfähigkeit nah genug beieinanderliegen – innerhalb weniger Punkte auf demselben Board, in einer Richtung, die nicht eindeutig zugunsten des teuren Modells ausfällt –, dass die Preisdifferenz dort ausgegeben werden sollte, wo die Arbeitslast tatsächlich schmerzt. Ein Coding-Agent, der die meisten seiner Tokens für Routine-Edits und einen kleinen Teil für den schwierigen Reasoning-Schritt aufwendet, profitiert mehr davon, das 4,7-fache Volumen zum günstigen Tarif laufen zu lassen, als davon, dasselbe Volumen zum Flaggschiff-Tarif laufen zu lassen. Metas eigene Contributor-Stufe treibt das noch weiter: Derselbe Muse Spark 1.2 Checkpoint zu $0,10 für Input und $0,20 für Output ist beim Input rund 40× günstiger als Muse Wonder, ein Unterschied, der verändert, was wirtschaftlich möglich ist, statt bloß, was erschwinglich ist.

Was Muse Wonder hat, die Spark-Reihe aber nicht, ist enger und konkreter als ein Benchmark-Vorsprung: das Ausgabebudget von 943.718 Token für eine einzelne Antwort und eine Frontier-Lab-Flaggschiff-Positionierung, die mit einer höheren, nur per Abonnement zugänglichen Stufe einhergeht. Wenn Ihre Arbeit in einem einzigen Durchgang lange Artefakte erzeugt, ist diese Ausgabe-Obergrenze das gesamte Argument. Wenn nicht, ist das Argument deutlich dünner.

Noch eine Unterscheidung, die man auseinanderhalten muss, denn die Benennung macht es leicht, danebenzugreifen: Muse Wonder Full – die höher bewertete Hälfte des Oktober-Release – wird überhaupt nicht pro Token verkauft. Meta bezeichnet es als ausschließlich Muse-Code-Abonnement, mit Plänen, die mit 50 $ pro Monat für Power Usage und 200 $ für Maximum Usage veröffentlicht wurden. Nichts im Tarifkarten-Vergleich auf dieser Seite gilt dafür, und ein Team, das eine Anbietertabelle liest, in der Muse Wonder Full vor allem anderen steht, und dann den Preis von 4,00 $ ansieht, betrachtet zwei verschiedene Modelle.

Kaskadierung innerhalb einer Familie, was hier die eigentliche Antwort ist.

Die ehrliche Schlussfolgerung eines derart knappen Vergleichs im selben Labor ist, dass die Wahl nicht binär ist, und die Mechanik, beide Seiten zu betreiben, macht das praktikabel. Muse Spark 1.2 ist auf OrcaRouter als meta/muse-spark-1.2 zu Metas Standard-Tarifen verfügbar — 1,25 $ Eingabe, 4,25 $ Ausgabe, 0,15 $ Cache-Lesevorgänge, das 1M-Kontextfenster und die vollständige multimodale Eingabeoberfläche werden durchgereicht — und Muse Spark 1.1 ist dort zum selben Preis mit identischen Modalitäten erhältlich. Das macht die günstige Hälfte dieses Vergleichs heute über einen einzigen Schlüssel erreichbar.

Muse Wonder ist nicht auf OrcaRouter. Es gibt keinen meta/muse-wonder-Eintrag in unserem Katalog, und wir werden keinen beanspruchen; Metas eigene API und Muse Code sind die Orte, an denen es läuft. Was bleibt, ist ein Routing-Problem mit klarer Form: den günstigen Spark-Checkpoint auf den Standardpfad zu setzen und nur die Anfragen zu eskalieren, die das Ausgabebudget des Flaggschiffs benötigen. OrcaRouters Routing-DSL setzt mehrere Modelle zu einem einzigen Aufruf zusammen, sodass eine Kaskade als Konfiguration statt als Anwendungslogik ausgedrückt werden kann – und automatisches Failover bedeutet, dass ein Vorfall bei einem Anbieter eine Anfrage auf den nächsten Kandidaten herabstuft, anstatt sie fehlschlagen zu lassen. Über200-plus Modelle auf einem einzigen OpenAI-kompatiblen Endpunkt, wobei die Listenpreise der Anbieter unverändert durchgereicht werden, sind die Kosten dafür, zu testen, ob sich die Eskalation lohnt, eine Änderung des Modellnamens, und an dem Tag, an dem ein Anbieter, den wir routen, beginnt, Muse Wonder anzubieten, wird es einer der Kandidaten in dieser Kaskade statt einer separaten Integration.

Es lohnt sich, auch klar zu sagen: Diese Seite ist kein Argument gegen das Flaggschiff. Sie ist ein Argument dagegen, das 4,7-Fache für Output zu zahlen, ohne zu messen, was das 4,7-Fache bei deinem eigenen Traffic einbringt – und innerhalb eines Labors, in dem die Eingabeoberfläche und das Kontextfenster identisch sind, ist diese Messung ungewöhnlich einfach aufzusetzen.

Die Kurzfassung

Wenn Sie in einzelnen Turns lange Ausgaben generieren oder Sprache und Video ohne einen vorgeschalteten Transkriptionsschritt in das Modell einspeisen müssen und dazu ein Antwortbudget von 943.718 Token benötigen, dann ist Muse Wonder das Modell in dieser Familie, und der 4,7-fache Ausgabeaufschlag ist der Preis für eine Fähigkeit, die die Spark-Reihe nicht bewirbt. Wenn Ihr Agenten-Traffic überwiegend aus Routinearbeit mit gelegentlichen schwierigen Schritten besteht, werden Muse Spark 1.2 oder 1.3 zu 1,25 $ und 4,25 $ ein Mehrfaches des Volumens für dasselbe Geld verarbeiten, und die unabhängige Rangliste verschafft dem Flaggschiff keinen ausreichenden Vorsprung, um einen Wechsel zu rechtfertigen. Bauen Sie die Kaskade auf, setzen Sie den günstigen Checkpoint an die erste Stelle und lassen Sie sich von Ihren eigenen Token-Zahlen sagen, wie oft die Eskalation ausgelöst wird — diese Zahl, nicht die dieser Seite, ist diejenige, die den Ausschlag gibt.