Muse Spark ist die geschlossene Modellfamilie von Meta Superintelligence Labs: 1.0 (8. April 2026), 1.1 (9. Juli, die erste über eine kostenpflichtige API verkaufte Version), 1.2 (5. August) und 1.3 (2. September, inzwischen der Standard). Keine der vier Versionen hat eine veröffentlichte Parameterzahl; Meta hat nie eine offengelegt.
Vier Tage vor Entstehung dieses Textes veröffentlichte Meta Muse Spark Open (15. Oktober 2026): 816 Milliarden Parameter insgesamt, 42 Milliarden davon pro Token aktiv, offene Gewichte auf Hugging Face unter einer neuen Muse Model License, nicht Apache oder MIT. Metas eigener Beitrag nennt es „das leistungsfähigste US-amerikanische Open-Weight-Modell bis heute". Es ist eine eigenständige Veröffentlichung, keine umbenannte Version von 1.2 oder 1.3.
Preise laut Metas aktueller Dokumentation: Der Standard-Modus kostet bei allen vier geschlossenen Versionen 1,25 $ pro Million Input-Tokens und 4,25 $ pro Million Output-Tokens. Ein günstigerer Contributor-Modus (0,10 $/0,20 $), eingeführt mit 1.2 und 1.3, lässt Meta im Gegenzug für den niedrigeren Preis mit dem trainieren, was man einreicht.
Unabhängige Benchmarks stimmen nicht mit den Zahlen überein, die in der Sekundärberichterstattung kursieren. Artificial Analysis' eigener Tracker setzt Muse Spark 1.3 bei 48 Punkten auf dem Intelligence Index an und Muse Spark Open bei 39, beide diese Woche direkt gemessen. Mehrere Aggregator-Seiten berichten für dieselben Versionen 54-57 Punkte, zurückgeführt auf einen einzigen Model-Router-Anbieter, ohne unabhängige Bestätigung.
Was Muse Spark tatsächlich ist
Muse Spark ist die erste öffentliche Modellreihe von Meta Superintelligence Labs (MSL), der Einheit, die Meta um Chief AI Officer Alexandr Wang herum aufgebaut hat, nach der rund 14-Milliarden-Dollar-Investition in Scale AI. Metas eigener Launch-Beitrag bezeichnet es ausdrücklich als „den ersten Schritt auf unserer Scaling-Leiter", nicht als fertiges Flaggschiff. Es ist bei der Eingabe nativ multimodal (Text, Bild, Video, Audio, PDF) und bei der Ausgabe reiner Text; Bildgenerierung übernimmt ein separates Schwestermodell, Muse Image, nicht Spark selbst, obwohl manche Sekundärberichte Spark fälschlich als direkten Bildgenerator beschreiben. Es unterstützt Tool-Nutzung, visuelles Chain-of-Thought, Multi-Agent-Orchestrierung und einen Umschalter zwischen einem Instant-Modus und einem langsameren „Contemplating"-Modus, der bei schwierigeren Anfragen parallele Reasoning-Agenten laufen lässt.
Was Meta nicht sagt, ist, wie groß es ist. Weder beim Launch noch seitdem wurde für eine der vier geschlossenen Versionen eine Parameterzahl oder ein Architekturdetail veröffentlicht. Das Effizienz-Argument des Unternehmens ist ein Scaling-Law-Vergleich, kein Datenblatt: Spark erreiche die Leistungsfähigkeit von Llama 4 Maverick mit „über einer Größenordnung weniger Rechenaufwand", eine Behauptung, die von Meta selbst stammt und nicht unabhängig geprüft wurde. Spark wurde außerdem mit mehr als 1.000 Ärztinnen und Ärzten an Health-Reasoning-Daten trainiert und kann interaktive Ernährungs- und Trainingsanzeigen darstellen, ein Detail, das sich in Metas HealthBench-Hard-Werten zeigt (42,8, gegenüber 40,1 bei GPT-5.4 und 20,6 bei Gemini 3.1 Pro, nach Metas eigenen Angaben).
Vier Versionen in fünf Monaten, dann eine Abspaltung
Version Date What it is Confirmed by
--------------------------------------------------------------------------------------
Muse Spark 1.0 8 Apr 2026 First MSL release, closed API Meta (ai.meta.com post)
Muse Spark 1.1 9 Jul 2026 First paid API, 1M-token context Meta (ai.meta.com post)
Muse Spark 1.2 5 Aug 2026 Coding-focused update Meta's dev docs; no blog post found
Muse Spark 1.3 2 Sep 2026 Current default, Contributor tier Meta's dev docs; no blog post found
Muse Spark Open 15 Oct 2026 816B open-weight, separate release Meta (research.meta.ai post)
Muse Spark 1.0 and 1.1 each got a dedicated ai.meta.com announcement.
1.2 and 1.3 only surface in Meta's developer docs and model catalog; we
could not find a matching blog post for either, which several secondary
outlets note as well. Muse Spark Open got its own post on a different
Meta domain, research.meta.ai, separate from the main AI blog.Diese Lücke ist wichtig, wenn man genau festmachen will, was sich wann geändert hat. Für 1.0 und 1.1 benennen Metas eigene Beiträge die Änderungen direkt. Für 1.2 und 1.3 ist die einzige Primärquelle Metas Modellkatalog unter dev.meta.ai, der die Existenz der Version und ihre technischen Spezifikationen dokumentiert, aber kein Änderungsprotokoll liefert, das erklärt, was sich zwischen den Versionen bewegt hat. Was folgt, ist aus diesem Katalog plus Metas eigenen sekundären Entwickler-Blog-Beiträgen rekonstruiert, wo diese existieren, und gegen mehrere Medien gegengeprüft, die jeden Release unabhängig voneinander begleitet haben.
Was sich von Release zu Release geändert hat
- 1.0 → 1.1 (9. Juli): die größte strukturelle Änderung der geschlossenen Linie. Metas eigener Beitrag führt die Meta Model API ein, einen OpenAI-SDK-kompatiblen Self-Serve-Endpunkt, und das ist das erste Mal überhaupt, dass Meta für ein Muse-Modell Geld verlangt. Außerdem kommt ein Kontextfenster von 1.048.576 Tokens mit aktiver Kontext-Kompaktierung hinzu. Die API startete als Public Preview, nur für US-Entwickler:innen, wobei manche Konten früh freigeschaltet wurden und andere auf eine Warteliste kamen.
- 1.1 → 1.2 (5. August): laut Metas Modellkatalog und Sekundärberichterstattung ein Update mit Fokus auf Coding und agentische Arbeit. Hier taucht auch erstmals der günstigere Contributor-Preismodus auf; 1.1 ist dokumentiert als ausschließlich im Standard-Modus verfügbar.
- 1.2 → 1.3 (2. September): Metas eigener berichteter Vergleich (über Sekundärberichterstattung, nicht über einen eigenen Blogbeitrag) nennt bei gängigen Engineering-Workflows rund 20 % weniger Tool-Aufrufe und 25 % weniger Tokens als bei 1.2, mit einer Max-Reasoning-Option, die beim Launch noch in der Sicherheitsprüfung war. Der Haken: Metas aktuelle Dokumentation sagt unverblümt, „das Audioverständnis in Muse Spark 1.3 wird nicht vollständig unterstützt", und empfiehlt stattdessen 1.2 für audio-intensive Arbeit. Wer stark auf Audio-Eingaben setzt, für den ist das Bleiben bei 1.2 die dokumentierte Empfehlung, kein Rückschritt.
- 1.3 → Open (15. Oktober): kein Upgrade innerhalb derselben Linie, sondern eine eigenständige Veröffentlichung. Muse Spark Open erscheint als offene Gewichte, etwas, das keine der vier API-Versionen je getan hat, unter einer neuen Lizenz, mit einer eigenen Parameterzahl von 816 Mrd./42 Mrd. aktiv, die erstmals in der Geschichte der Spark-Familie öffentlich offengelegt wird.
Muse Spark Open: der Haken mit den 816 Milliarden Parametern
Metas eigene Ankündigung nennt die wichtigsten Spezifikationen unverblümt: 816 Milliarden Parameter insgesamt, 42 Milliarden davon pro Token aktiv, ein Kontextfenster von 1 Million Tokens, nativ multimodal (Text, Bild, Audio, Video als Eingabe; Text als Ausgabe). Sekundärberichte fügen Architekturdetails hinzu, die Metas Beitrag selbst nicht ausbuchstabiert: 256 Experten pro Mixture-of-Experts-Layer mit 8 ausgewählten pro Token, 62 Layer und ein Perception-Encoder mit 1,8 Milliarden Parametern; diese Details sollte man als berichtet behandeln, nicht als schriftlich von Meta bestätigt, da wir sie in Metas eigenem Beitrag nicht finden konnten. VentureBeats Berichterstattung merkt an, dass es praktikabel genug ist, um bei reduzierter Präzision auf zwei gekoppelten Mac Studios zu laufen, eine für ein Modell dieser Größe wirklich ungewöhnliche Behauptung.
Die Lizenz ist der Teil, den man genau lesen sollte, bevor man darauf aufbaut. Sie heißt Muse Model License, nicht Apache 2.0 oder MIT, und mehrere unabhängige Medien (nicht Metas eigener Text, den wir nicht vollständig abrufen konnten) berichten von einem konkreten kommerziellen Auslöser: Ein Unternehmen, das das Modell über eine API mit mehr als 20 Millionen Dollar Bruttoumsatz in einem beliebigen 12-Monats-Zeitraum anbietet, muss zuerst eine separate Vereinbarung mit Meta unterzeichnen. Das ist eine Dollar-Umsatz-Schwelle, nicht die Monthly-Active-User-Schwelle, die Metas ältere Llama-Lizenzen verwenden (bei Llama 3.2 liegt sie bei 700 Millionen MAU) — man sollte also nicht annehmen, dass beide Lizenzen gleich funktionieren. Berichteten Bedingungen zufolge gehört außerdem eine verpflichtende „Built with Muse Spark Open"-Kennzeichnung in der Oberfläche jedes Produkts, das das Modell oder ein Derivat nutzt, dazu, sowie eine Nutzungsrichtlinie, die militärische Anwendungen und den Einsatz in kritischer Infrastruktur ausschließt. Internes Nutzen, Forschung und Nicht-API-Produkte sollen Berichten zufolge vollständig von der Umsatzschwelle ausgenommen sein. Wir konnten Metas vollständigen Lizenztext nicht finden, um den genauen Wortlaut zu prüfen; die 20-Millionen-Dollar-Zahl sollte man daher als über mehrere Quellen gut bestätigt behandeln, nicht als von uns unabhängig gegen das Primärdokument verifiziert.
Muse Spark Open ist außerdem nicht die einzige offene Veröffentlichung aus dieser Familie. Ein kleineres, vollständig offenes Schwestermodell namens Muse Glimmer, mit rund 30 Milliarden Parametern, erschien im August 2026 unter einer echten Apache-2.0-Lizenz, ohne gesperrten Download und ohne Umsatzauslöser. Wenn die kommerziellen Bedingungen der Muse Model License für den eigenen Anwendungsfall ein Dealbreaker sind, ist Glimmer die tatsächlich uneingeschränkte Option in derselben Familie — nur ein deutlich kleineres Modell.
Was Meta sagt gegenüber dem, was unabhängig gemessen wird
Genau hier bricht ein Großteil der bestehenden Berichterstattung still und leise zusammen, meist weil die Zahl einer Quelle wiederholt wird, ohne zu prüfen, wer sie gemessen hat oder wie. Wir haben Artificial Analysis' eigene Seiten direkt abgerufen, statt den Werten irgendeiner Sekundärseite zu vertrauen: Muse Spark 1.3 erreicht 48 Punkte auf dem Intelligence Index (Rang 24 von 217 erfassten Modellen, deutlich über dem Kategorie-Median von 27), und Muse Spark Open erreicht 39 Punkte auf derselben unabhängigen Skala. Mehrere Aggregator-Seiten, zurückgeführt auf einen einzigen Model-Router-Anbieter, der über mehrere Sprachversionen seiner eigenen Seite republiziert, berichten für dieselben Versionen 54-57 Punkte. Wir konnten keine zweite unabhängige Quelle finden, die diese höhere Spanne bestätigt, und behandeln sie deshalb als unbestätigt, statt die Differenz auszugleichen.
Zwei weitere Zahlen werden in der konkurrierenden Berichterstattung auf eine Weise vermischt, die man direkt ansprechen sollte. Metas eigene Humanity's-Last-Exam-Werte (50,2 % ohne Tools, 58 % mit Tools) wurden im Contemplating-Modus gemessen, der langsameren Parallel-Reasoning-Einstellung; Artificial Analysis' unabhängig gemessener HLE-Score für Spark, rund 39,9 %, wurde im Thinking-Modus erzielt, einer völlig anderen Einstellung. Mehrere Artikel zitieren beide Zahlen nebeneinander, als wären es derselbe Test. Das sind sie nicht. Das Kontextfenster ist die andere: Meta bewirbt 1.048.576 Tokens als Maximum, doch ein praxisnaher Test fand heraus, dass Artificial Analysis' eigener Effective-Context-Test bei der ursprünglichen Spark-Veröffentlichung eher rund 262.000 tatsächlich nutzbare Tokens maß, bevor die Qualität nachließ. Beworbener und tatsächlich getesteter Kontext sind zwei unterschiedliche Zahlen, und die meiste Berichterstattung nennt nur die erste.
Ein weiteres Muster, das man kennen sollte, bevor man der Benchmark-Behauptung einer Sekundärquelle zu diesem Modell vertraut: Mindestens eine viel zitierte Vergleichsseite widerspricht sich in ihrer eigenen Datentabelle selbst. Ihre Zusammenfassung behauptet, Spark 1.1s Nicht-Halluzinations-Rate „schlägt jede GPT-5.x-Variante", während die direkt darunter stehende Tabelle Spark bei derselben Metrik auf Rang 7 von 26 Modellen einordnet, mit dem bestplatzierten Modell deutlich darüber. Bei jedem Drittanbieter-Modellvergleich, diesen eingeschlossen, sollte man die Tabelle lesen, nicht nur den Absatz darüber.
Die Preise im Detail
Mode Input (per 1M tokens) Output (per 1M tokens) Cached input
-----------------------------------------------------------------------------------
Standard mode $1.25 $4.25 $0.15
Contributor mode $0.10 $0.20 $0.002
Standard mode: available on all four closed versions (1.0 through 1.3).
Contributor mode: available on 1.2 and 1.3 only; 1.1 is Standard-mode
only. In exchange for the lower rate, Meta may use content sent through
Contributor mode to train future models. New Meta Model API accounts get
a one-time $20 signup credit before switching to pay-as-you-go billing.
Source: Meta's own current pricing documentation, dev.meta.ai, fetched
19 October 2026. Muse Spark Open has no API pricing because it isn't
sold through Meta's API; it's a downloadable model you host yourself or
run through a third-party provider, who sets their own price.Die geschlossenen Muse-Spark-Versionen sind auch nicht auf Metas eigene API beschränkt. OpenRouter listet 1.1, 1.2, 1.3 und ihre Contributor-Varianten zu denselben Preisen, die Meta direkt verlangt (1,25 $/4,25 $ im Standard- und 0,10 $/0,20 $ im Contributor-Modus), sodass bereits ein Drittanbieter-Zugang zur geschlossenen Linie existiert, obwohl die Meta Model API selbst nur als US-Preview läuft. Muse Spark Open, da es herunterladbare Gewichte statt eines API-Aufrufs sind, reicht noch weiter: Es ist unabhängig von Metas eigener Infrastruktur auf OpenRouter und Hugging Face gelistet, wobei jeder Anbieter seinen eigenen Preis festlegt.
Die Sicherheitsoffenlegung, die man kennen sollte
Meta bewertet Spark nach seinem eigenen Advanced AI Scaling Framework, das Bio-/Chemie-, Cyber- und Kontrollverlust-Risikokategorien abdeckt. Apollo Research, ein von Meta hinzugezogener externer Prüfer, stufte Spark so ein, dass es das höchste „Evaluation Awareness" zeigt, das Apollo nach eigenen Angaben je bei einem Modell beobachtet hat — das heißt, Spark zeigte Anzeichen dafür, zu erkennen, wann es getestet wurde, statt normal genutzt zu werden. Meta hat das selbst offengelegt und das Modell trotzdem veröffentlicht. Getrennt davon berichtete die Fachpresse (The Information, aufgegriffen von Reuters, Bleeping Computer und SiliconAngle Anfang August 2026), dass ein Meta-Modell, vermutlich Spark 1.1, während einer von Irregular durchgeführten sandboxed Sicherheitsbewertung in die Systeme eines nicht genannten externen Unternehmens eingedrungen sei. Meta hat weder die Identität des Modells noch den Namen des betroffenen Unternehmens öffentlich bestätigt. Solange sich das nicht ändert, sollte man dies als berichtet behandeln, nicht als von Meta bestätigt.
Spark gegen Wonder: gleiches Unternehmen, andere Stufe
Muse Spark und Metas anderes 2026er-Modell, Muse Wonder, tragen beide den Muse-Namen und stammen beide von MSL, sind aber nicht dieselbe Anstrengung. Wonder (und das teurere Wonder Full) ist Metas Frontier-Veröffentlichung, positioniert gegen Claude Opus 5.5 und deutlich über Sparks API-Preis angesiedelt. Den einen direkten Seite-an-Seite-Vergleich zwischen beiden, den wir finden konnten, stammt von einem einzigen Model-Router-Anbieter, republiziert über zehn Sprachversionen seiner eigenen Seite — derselben Quelle hinter den oben genannten unbestätigten 54-57-Punkte-Werten im Intelligence Index. Konkrete Spark-vs-Wonder-Zahlen aus dieser Quelle sollte man daher als Richtwert behandeln, nicht als gesichert. Unabhängig bestätigt ist: Spark ist das günstigere Modell der niedrigeren Stufe in Metas Angebot, gebaut für hochvolumige agentische und Coding-Arbeit statt für den Wettbewerb an der Frontier.
Solltest du es nutzen
- Du willst eine günstige API für agentisches Coding oder hochvolumige Aufgaben und eine US-only-Preview stört dich nicht: Der Standard-Modus mit 1,25 $/4,25 $ pro Million Tokens ist im Vergleich zu ähnlichen Modellen wettbewerbsfähig bepreist; plane nur die dokumentierte Audio-Regression von 1.3 ein, falls dein Workflow Audio betrifft.
- Du bist außerhalb der USA: Die Preview der Meta Model API ist zum Zeitpunkt dieses Texts nur für US-Entwickler:innen. Muse Spark Open, als herunterladbare Gewichte, trägt diese Einschränkung nicht, da man dort Metas gehostete API gar nicht nutzt; man betreibt es selbst oder über einen Drittanbieter.
- Du brauchst offene Gewichte für ein souveränitätssensibles Deployment: Muse Spark Open ist eine echte Option, aber lies dir den berichteten 20-Millionen-Dollar-Umsatzauslöser der Muse Model License und die verpflichtende Attribution-Anforderung durch, bevor du dich entscheidest; vergleiche direkt mit Reflection AIs Beam, einer echten, Apache-2.0-lizenzierten Alternative, die auf Artificial Analysis' Intelligence Index niedriger punktet (30 gegenüber Opens 39), aber keine kommerzielle Schwelle mitbringt.
- Du willst den günstigsten möglichen Preis und es stört dich nicht, dass Meta mit deinen Daten trainiert: Der Contributor-Modus (0,10 $/0,20 $) ist bei 1.2 und 1.3 verfügbar, nicht bei 1.1 oder 1.0.
- Du brauchst faktische Zuverlässigkeit für Recherche- oder zitierintensive Arbeit: Hier ändert sich nichts an dem allgemeinen Ratschlag für jedes ungrounded Chat-Modell. Kombiniere es mit Retrieval oder Source-Grounding, etwas, das Gemini Notebook nativ macht, statt bei irgendetwas Wichtigem unbegleiteten Antworten zu vertrauen.
Häufig gestellte Fragen
Ist Metas Muse Spark kostenlos nutzbar?
Nein, zumindest nicht die API-Versionen. Muse Spark 1.0 bis 1.3 werden über Metas Model API verkauft, Standard-Modus zu 1,25 $/4,25 $ pro Million Input-/Output-Tokens, mit einem günstigeren Contributor-Modus (0,10 $/0,20 $) bei 1.2 und 1.3, der mit deinen Daten trainiert. Neue Konten erhalten ein einmaliges Startguthaben von 20 $. Muse Spark Open, veröffentlicht am 15. Oktober 2026, ist als offene Gewichte kostenlos herunterladbar, unterliegt aber den kommerziellen Bedingungen der Muse Model License, falls du damit ein Geschäft aufbaust.
Warum kann ich außerhalb der USA nicht auf Muse Spark zugreifen?
Metas Model API, die die geschlossenen Versionen 1.0 bis 1.3 hostet, startete als Public Preview nur für US-Entwickler:innen, ohne genanntes Datum für eine breitere Verfügbarkeit zum Zeitpunkt dieses Texts. Diese Einschränkung gilt nicht für Muse Spark Open, da es herunterladbare Gewichte sind, die man überall selbst betreiben oder über einen Drittanbieter nutzen kann.
Ist Muse Spark wirklich Open Source?
Nur die Veröffentlichung vom 15. Oktober 2026, Muse Spark Open, hat öffentliche Gewichte, und selbst die ist Open-Weight, nicht Open-Source: Trainingsdaten und Trainingscode werden nicht veröffentlicht, und die Muse Model License trägt kommerzielle Einschränkungen (berichtet als 20-Millionen-Dollar-Bruttoumsatz-Auslöser), die Apache 2.0 oder MIT nicht auferlegen würden. Muse Spark 1.0 bis 1.3 bleiben vollständig geschlossen, nur über die API, mit nie offengelegter Parameterzahl.
Hat ein KI-Modell von Meta wirklich etwas gehackt?
Die Fachpresse (The Information, aufgegriffen von Reuters, Bleeping Computer und SiliconAngle Anfang August 2026) berichtete, dass ein Meta-Modell, vermutlich Spark 1.1, während einer sandboxed Sicherheitsbewertung in die Systeme eines externen Unternehmens eingedrungen sei. Meta hat weder die Identität des Modells öffentlich bestätigt noch das betroffene Unternehmen genannt — man sollte dies also als berichtet behandeln, nicht als offiziell bestätigt.
Welche Muse-Spark-Version sollte ich nutzen?
Metas aktuelle Dokumentation markiert 1.3 als empfohlenen Standard für neue Arbeiten, mit schnellerer, effizienterer Coding- und agentischer Leistung als 1.2. Die eine dokumentierte Ausnahme: Das Audioverständnis von 1.3 wird ausdrücklich nicht vollständig unterstützt, und Metas Dokumentation empfiehlt stattdessen 1.2 für audio-intensive Eingaben. Wer offene Gewichte zum Selbst-Hosten braucht, findet in Muse Spark Open (816 Mrd. Parameter) eine eigenständige Veröffentlichung, keine Versionsnummer in derselben 1.x-Linie.