Meta bringt Muse Spark 1.1 auf den Markt, ein aggressiv bepreistes KI-Coding-Modell, das Anthropic und OpenAI herausfordert

Meta hat am 9. Juli Muse Spark 1.1 veröffentlicht, ein multimodales KI-Modell, das speziell für Coding und mehrstufige agentische Aufgaben entwickelt wurde. Damit positioniert es sich als direkter Herausforderer von Anthropics Claude und OpenAIs GPT-Modellen im schnell wachsenden Markt für agentisches Coding. KI-Chef Alexandr Wang bezeichnete es als das "stärkste Modell des Unternehmens für agentische und Coding-Aufgaben", wie SiliconANGLE zuerst berichtete.

Diese Veröffentlichung ist bedeutsam, weil sie Metas bislang klarste Abkehr von seiner Open-Source-Llama-Strategie hin zur proprietären Modell-Monetarisierung markiert. Muse Spark 1.1 folgt auf eine erste Version vom April 2026, die auf ausgewählte Partner beschränkt war. Dieses Update eröffnet den öffentlichen Preview-Zugang über die Meta AI App und eine Warteliste für Entwickler-APIs. Eine vollständig quelloffene Variante befinde sich Berichten zufolge noch in Entwicklung, allerdings ohne bestätigten Zeitplan.

In Bezug auf die Fähigkeiten unterstützt Muse Spark 1.1 ein Kontextfenster von 1 Million Token und führt einen Kontextkomprimierungsmechanismus ein, der Daten komprimiert, die während langer agentischer Arbeitsabläufe anfallen, während die Fähigkeit erhalten bleibt, Informationen von viel früher in einer Aufgabe abzurufen. Meta hob auch die adaptive Planung hervor – das Modell kann Entwicklungen während der Aufgabe erkennen und seinen Plan überarbeiten, anstatt an einem festen ursprünglichen Ansatz festzuhalten, einem häufigen Schwachpunkt früherer agentischer Coding-Tools.

Bei Benchmarks meldete Meta einen Wert von 72,2 in seinem internen Vibe Code Bench v1.1, mehr als 50 Punkte über dem Vorgänger-Flaggschiffmodell, und eine Verbesserung von etwa 18 % bei den SWE-Atlas Codebase QnA-Tests. Unabhängige Bewertungen setzen Muse Spark 1.1 bei 61,5 auf SWE-Bench Pro, hinter Claude Opus 4.8 mit 69,2, aber vor GPT-5.5 mit 58,6 – eine solide, aber nicht kategorie-führende Position in den meisten Drittanbieter-Coding-Benchmarks.

Die Preisgestaltung ist Metas aggressivster Schritt: 1,25 $ pro Million Input-Token und 4,25 $ pro Million Output-Token, wobei neue API-Konten mit 20 $ Gratisguthaben starten. Wang beschrieb die Strategie explizit als eine Preisgestaltung, die "mit immensem Konsum skaliert", und unterbietet damit die üblichen Anthropic- und OpenAI-Tarife für vergleichbare agentische Coding-Stufen. Für Entwicklungsteams, die agentische Coding-Tools evaluieren, wird diese Preislücke – selbst ohne klaren Benchmark-Vorsprung – für die Adoption in großem Maßstab wahrscheinlich wichtiger sein als marginale Genauigkeitsunterschiede bei einer einzelnen Bewertung.