Muse Spark 1.3: Metas neues Modell ist jetzt auf ChatPlus

Vor anderthalb Jahren war Meta „die Firma, die ihre Modelle verschenkt“. Millionen Menschen luden Llama herunter, Startups bauten Produkte darauf auf, Teams passten es per Fine-Tuning an ihre eigene Arbeit an. Doch im Rennen um das klügste Modell lag Meta klar hinter OpenAI, Anthropic und Google.

Heute verfolgt Meta eine andere Strategie und hat eine andere Modellfamilie: Muse. Die Modelle sind geschlossen, eine eigene Abteilung entwickelt sie, und fast jeden Monat erscheinen neue Versionen. Die neueste, Muse Spark 1.3, kam am 2. September heraus und ist ab heute auf ChatPlus verfügbar. Im Folgenden: woher es kommt, was es kann, was hinter seinen Zahlen steckt und wann du es wählen solltest.

Wie Meta zu Muse kam

Im April 2025 veröffentlichte Meta Llama 4, und die Reaktionen waren verhalten. Die Modelle waren ordentlich, blieben aber hinter den Versprechen zurück, und die Veröffentlichung der größten Version wurde verschoben. Für ein Unternehmen, das jedes Jahr zig Milliarden Dollar in KI steckt, war das ein unangenehmes Signal.

In diesem Sommer baute Zuckerberg die gesamte Initiative um. Meta gründete eine neue Abteilung, Meta Superintelligence Labs, holte starke Forschende von OpenAI, Google und anderen Labs und begann, neue Rechenzentren für das Training großer Modelle aufzubauen. Das erklärte Ziel war ambitioniert: „personal superintelligence“, also eine KI, die jede Person bei ihren eigenen Zielen unterstützt.

Das erste Ergebnis war Muse Spark. Es startete am 8. April 2026 und landete direkt im Meta AI Assistant, im Web und in der App. Es war ein multimodales Reasoning-Modell: Es konnte Tools aufrufen, über Bilder nachdenken und mehrere Agenten parallel ausführen. Entwickler bekamen anfangs kaum Zugriff, nur über eine private Preview.

Danach ging es schnell weiter:

• Juli: Muse Spark 1.1 und eine öffentliche API-Preview für Entwickler;
• August: Muse Spark 1.2 und Muse Code, Metas eigener Coding-Agent, der direkt im Terminal läuft;
• 2. September: Muse Spark 1.3, um das es in diesem Artikel geht.

Drei Versionen in drei Monaten sind für ein großes Lab ein enorm hohes Tempo.

Was Muse Spark 1.3 kann

Meta beschreibt die neue Version so: Das Modell ist auf lange, mehrstufige Aufgaben trainiert. Hinter dieser Formulierung stecken drei konkrete Fähigkeiten.

Erstens behält es den Überblick über die Arbeit. Bei einer langen Aufgabe merkt sich das Modell, was es bereits getan hat und was dabei herauskam, statt jeden Schritt wieder bei null zu beginnen. Wenn du es bittest, ein Projekt durchzugehen, die Tests zu reparieren und die Doku zu aktualisieren, hat es bei Schritt drei nicht vergessen, was es in Schritt eins geändert hat.

Zweitens kommt es mit Unordnung klar. Echte Aufgaben kommen selten sauber sortiert an: In der Spezifikation steht das eine, im E-Mail-Verlauf etwas anderes, im Code ein drittes. Muse Spark 1.3 wurde darauf trainiert, solche Widersprüche zu erkennen und durchzuarbeiten, statt zufällig eine Version auszuwählen.

Drittens fragt es nach. Wenn Informationen fehlen, hakt das Modell bei dir nach, statt die Lücke mit Vermutungen zu füllen. Das klingt nach einer Kleinigkeit, aber genau solche Vermutungen sind der häufigste Grund, warum Agenten vom Kurs abkommen.

Meta hebt außerdem Coding hervor. Version 1.3 wurde mit echter Arbeit in Muse Code weiter verfeinert, und laut Unternehmen macht sie weniger unnötige Schritte und schreibt kompakteren Code. Wenn du KI als Programmierpartner nutzt, merkst du das: Du musst danach weniger aufräumen.

Das Modell versteht mehr als nur Text. Du kannst ihm einen Screenshot, ein Foto, ein Diagramm oder ein PDF zeigen. Meta nennt ein interessantes Detail: Das visuelle Reasoning von Muse Spark läuft über eine echte Ausführungsumgebung. Einfach gesagt: Das Modell kann ein Bild mit Code verarbeiten, statt es nur „anzuschauen“ und nach Augenmaß zu schätzen.

Das Kontextfenster des Modells umfasst 1.048.576 Tokens, also mehr als eine Million. Das sind Hunderte Seiten Text oder ein großes Repository auf einmal. Wichtiger noch: Das Modell nutzt dieses Fenster tatsächlich gut, wie die Zahlen unten zeigen.

Was die Zahlen sagen

Meta hat alle Ergebnisse unten selbst gemessen, im maximalen Reasoning-Modus.

Das Long-Context-Ergebnis ist am beeindruckendsten. MRCR prüft, ob ein Modell das richtige Fragment zwischen vielen ähnlichen Stellen findet, die in einem riesigen Text versteckt sind. Viele Modelle akzeptieren formal eine Million Tokens, beginnen in dieser Größenordnung aber, die Mitte zu „verlieren“. Muse Spark 1.3 erreicht im Bereich von einer halben Million bis zu einer Million Tokens 98.1%, fast ohne Verlust.

Auch der Zuwachs gegenüber der vorherigen Version ist spürbar. Auf JobBench stieg das Modell von 61.6% auf 64.9%, und beim Office-Benchmark GDPval-AA von 1615 auf 1754 Elo-Punkte.

Jetzt der Vergleich mit der Konkurrenz, allerdings mit Einschränkung. Auf GDPval-AA schlägt Muse Spark 1.3 GPT-5.6 Sol (1710), liegt aber hinter Claude Opus 5 (1824). Meta vergleicht sich jedoch mit der vorherigen Generation. Inzwischen sind Claude Opus 5.5 und GPT-6 Sol erschienen, und in Metas Tabellen tauchen sie nicht auf. Die faire Kurzfassung lautet also: Muse Spark 1.3 spielt in derselben Liga wie die Flaggschiffe, schlägt aber nicht die neuesten unter ihnen.

Was es kostet

Der Preis ist attraktiv: $1.25 pro Million Input-Tokens und $4.25 pro Million Output-Tokens. Zum Vergleich: Claude Opus 5.5 kostet $4 und $20, GPT-6 Sol $2 und $10, Grok 4.7 $2 und $6. Für eine Leistung nahe am Flaggschiff-Niveau ist das eines der besten Angebote am Markt.

Meta bietet außerdem eine zweite, fast kostenlose Option an: 10 Cent für Input und 20 für Output. Zu diesem Preis erhält Meta allerdings das Recht, seine Modelle mit deinen Prompts und Antworten zu trainieren. Auf ChatPlus haben wir nur den Standard-Tarif angebunden, sodass deine Unterhaltungen mit Muse Spark nicht für Metas Training verwendet werden.

Wo Muse Spark glänzt und wann du besser etwas anderes wählst

Muse Spark 1.3 ist dort am stärksten, wo eine Aufgabe lang und verzwickt ist. Ein großes Projekt durchgehen, die Ursache eines Bugs in fremdem Code finden, mehrere widersprüchliche Dokumente zu einer Schlussfolgerung zusammenführen, aus einem dicken Bericht genau das herausziehen, was du brauchst: Das ist sein Sweet Spot. Es funktioniert auch gut mit Screenshots; ihm eine Oberfläche mit einer Fehlermeldung zu zeigen und es um Analyse zu bitten, ist ein völlig normaler Anwendungsfall.

Es hat aber auch Schwächen. Es ist ein Reasoning-Modell, beantwortet einfache Fragen also langsamer als leichtgewichtige Modelle: Es denkt erst nach und schreibt dann. Für Übersetzungen, Zusammenfassungen und schnelle Recherchen nimm lieber etwas Schlankeres, etwa GPT-6 Luna. Meta sagt fast nichts über kreatives Schreiben. Wenn dir Stil wichtig ist, vergleiche es deshalb bei deiner eigenen Aufgabe mit Claude.

So probierst du es auf ChatPlus aus

Muse Spark 1.3 ist im PRO-Tarif verfügbar und nutzt, wie andere leistungsstarke Modelle, dein Kontingent — das 5-Stunden-Limit, von dem Anfragen an teure Modelle abgezogen werden. Chat mit Muse Spark 1.3 öffnen.

Am sinnvollsten ist es, das Modell bei deiner eigenen Aufgabe mit anderen Modellen zu vergleichen. Auf ChatPlus kannst du mitten in einer Unterhaltung das Modell wechseln: Frage Muse Spark, wechsle zu Claude oder GPT, schicke dieselbe Anfrage und sieh sofort, wessen Antwort besser ist. Die Spezifikationen und Benchmark-Ergebnisse des Modells sind auf einer eigenen Seite zu Muse Spark 1.3 gesammelt.

Kurz gesagt

Muse Spark 1.3 ist das neueste Modell von Meta Superintelligence Labs, veröffentlicht am 2. September 2026. Es ist stark bei langen agentischen Aufgaben, Code und sehr großen Kontexten: 88.8% auf Terminal-Bench 2.1 und fast kein Verlust bei einer Million Tokens. Es bleibt noch hinter den neuesten Flaggschiffen von Anthropic und OpenAI zurück, kostet aber ein Vielfaches weniger. Auf ChatPlus ist das Modell bereits im PRO-Tarif verfügbar.