Meta bringt Muse Spark 1.3 – mehr Autonomie für KI-Agenten

Meta hat Muse Spark 1.3 vorgestellt, eine neue Version seines KI-Modells für agentische Aufgaben und Programmierung. Das Modell steht bereits über Muse Code und die Meta Model API zur Verfügung, die Schnittstelle, über die das Unternehmen seine Modelle externen Entwicklern öffnet. Laut Meta wurde diese Version darauf ausgelegt, lange, mehrstufige Aufgaben besser zu bewältigen: Bei einem offenen Ziel nutzt das Modell Werkzeuge, um Informationen zu sammeln, erkennt Lücken in seiner eigenen Planung und behält im Blick, was es unterwegs herausfindet.

Wie das Modell mit Unsicherheit umgeht

Ist eine Anweisung unklar, kann Muse Spark 1.3 die Arbeit unterbrechen und um Klärung bitten, statt auf Verdacht weiterzumachen. Stößt es auf ein Hindernis, das es allein nicht überwinden kann, kann es um Hilfe bitten; und vor einer folgenreichen Aktion holt es eine Bestätigung ein. Nutzer können außerdem wählen, ob sie häufige Zwischenstände erhalten möchten oder das System im Hintergrund arbeiten lassen, bis es fertig ist.

Die von Meta hervorgehobenen Fortschritte

Das Unternehmen listet mehrere Verbesserungen gegenüber der Vorgängerversion auf: höhere Genauigkeit beim Befolgen langer Anweisungen, bessere Beibehaltung von Vorgaben und Einschränkungen über eine ganze Aufgabe hinweg, bessere Handhabung mehrerer Anfragen innerhalb einer einzigen Unterhaltung, ein besseres Bewusstsein dafür, was das Modell weiß oder nicht weiß, sowie eine geringere Neigung, Ergebnisse zu erfinden. Bei Programmieraufgaben sei das Modell inzwischen weniger umständlich und effizienter, so Meta.

• Rund 20 % weniger Werkzeugaufrufe als Muse Spark 1.2, in internen Vergleichstests
• Rund 25 % weniger verbrauchte Tokens im selben Vergleich
• Der maximale Reasoning-Modus ('max') wird erst nach zusätzlichen Sicherheitstests freigegeben, ein Termin wurde von Meta nicht genannt

Das vierte Modell der Reihe in fünf Monaten

Muse Spark 1.3 ist laut dem deutschen Portal The Decoder, das die Zahlen mit den Benchmarks von Artificial Analysis abgeglichen hat, die vierte Veröffentlichung der Reihe innerhalb von fünf Monaten: Die Linie startete im April, gefolgt von Version 1.1 im Juli und 1.2 im August. Die neue Version erscheint in zwei Stufen: 'max', in einer begrenzten Partner-Vorschau, und 'xhigh', bereits allgemein verfügbar. Im Intelligence Index von Artificial Analysis erreicht die Stufe max 62 Punkte und xhigh 61 – gegenüber 57 im August und 53 im Juli.

Was sich bei den Agenten-Benchmarks geändert hat

Bei τ³-Bench Banking, einem Test, der Agenten beim Umgang mit Werkzeugen in einem simulierten Bankszenario bewertet, erreicht die Stufe max 52 % – derzeit der Spitzenwert im Ranking von Artificial Analysis; xhigh kommt auf 47 % und liegt damit gleichauf mit Anthropics Claude Fable 5.1 (max) sowie mit GLM-5.3-Flash. Die Vorgängerversion 1.2 hatte im selben Test nur 35 % erreicht. Bei Terminal-Bench 2.1, das sich auf Programmierung im Terminal konzentriert, stieg xhigh von 80 % auf 85 %, max erreichte 86 % – weiterhin hinter Claude Fable 5.1, das die Tabelle mit 91,4 % in der Max-Stufe anführt.

Bei GDPval-AA v2, einem Satz von 220 realen Berufsaufgaben, bewertet auf einer an menschlicher Leistung kalibrierten Elo-Skala, stieg Meta über die Versionen hinweg von 1615 über 1709 auf 1754 Punkte. Claude Fable 5.1 (max) liegt mit 1853 Punkten weiterhin vorn; um sich diesem Abstand anzunähern, verbraucht die Max-Variante von Muse Spark 62 % mehr Reasoning-Tokens als xhigh. Bei GPQA Diamond, einer Reihe wissenschaftlicher Fragen auf Expertenniveau, stieg Muse Spark von 90 % auf 94 % – in der Spitzengruppe, aber hinter Gemini 3.8 Flash (high, 95,3 %) und Grok 4.6 (high, 94,9 %). Bei CritPt, einem Test zur physikalischen Forschung, ging es von 18 % auf 26 % voran, wobei die Führung weiterhin bei GPT-5.6 Sol (max, 32,3 %) und Claude Fable 5.1 (xhigh, 31,1 %) liegt.

Nicht alles hat sich verbessert: AA-LCR fiel im Vergleich zu Version 1.2 von 83 % auf 79 %, und die faktische Genauigkeit bei AA-Omniscience sank um bis zu drei Punkte, weil das Modell bei Unsicherheit nun häufiger die Antwort verweigert.

Preis unverändert, Sicherheit verschärft

Beim Preis behält Meta 1,25 US-Dollar pro Million Eingabe-Tokens und 4,25 US-Dollar pro Million Ausgabe-Tokens bei – dieselben Werte wie in der Vorgängerversion. Eine Aufgabe des Intelligence Index kostet im Schnitt 0,55 US-Dollar, der niedrigste Wert unter Modellen mit 59 oder mehr Indexpunkten; die Konkurrenz verlangt zwischen 0,94 und 1,23 US-Dollar für dieselbe Aufgabe. Dennoch ist Muse Spark 1.3 teurer als Version 1.2, die 0,40 US-Dollar pro Aufgabe kostete – für die Max-Variante hat Meta noch keinen Preis genannt. Das Unternehmen kündigte zudem größere Modelle an sowie eine künftige Open-Weights-Version.

Bei der Sicherheit erklärt Meta, Muse Spark 1.3 sei widerstandsfähiger gegen adversarielle Eingaben und Prompt-Injection-Versuche und bewerte genauer, ob eine Aktion unumkehrbar ist, bevor sie ausgeführt wird. Deshalb werde der maximale Reasoning-Modus erst nach weiteren Sicherheitstests geöffnet – einen Zeitplan nannte Meta nicht.

Für deutsche Entwickler und Start-ups, die für agentische Programmierung heute zwischen Metas offenerem Ökosystem und geschlossenen Modellen von Anthropic oder Google abwägen, verschiebt Muse Spark 1.3 die Rechnung an zwei Stellen. Erstens senkt ein Preis pro Aufgabe, der zu den niedrigsten unter den Spitzenmodellen zählt, die Kosten lang laufender Agenten – ein handfester Vorteil für Teams, die ihre API-Rechnungen ohnehin in Dollar begleichen, aber in Euro budgetieren. Zweitens stärkt die angekündigte künftige Open-Weights-Version eine Option, die deutsche Mittelständler und Start-ups wegen Datenschutz, DSGVO-Konformität und Unabhängigkeit von einer einzelnen Cloud genau beobachten: das Modell auf eigener Infrastruktur zu betreiben, statt von einer geschlossenen API im Ausland abhängig zu sein. Der Abstand zu Claude Fable 5.1, das in den meisten hier genannten Benchmarks weiterhin vorn liegt, ist nicht verschwunden, aber klein genug geworden, dass die Wahl nicht mehr automatisch ausfällt.