Muse Spark 1.3 ist erschienen, Meta setzt nun alles daran, die Effizienz von KI-Agenten zu optimieren.

Am 2. September nach Ortszeit in den USA veröffentlichte Meta das neueste Modell Muse Spark 1.3. Dies ist die vierte Aktualisierung der Muse Spark-Serie innerhalb von fünf Monaten und gleichzeitig die Version, die derzeit den größten Fokus auf Codierungs- und Agentenaufgaben legt.

Diese Aktualisierung der Muse Spark-Modellreihe zielt hauptsächlich auf die Lösung praktischer Probleme bei Langzeitaufgaben ab und reduziert unnötige Schritte, die das Modell bei der Erledigung komplexer Aufgaben durchführt.

Im Vergleich zu Muse Spark 1.2 reduziert Muse Spark 1.3 bei entsprechenden Aufgaben die durchschnittliche Anzahl an Tool-Aufrufen um rund 20 %, den Token-Verbrauch um rund 25 % und verbessert gleichzeitig die Fähigkeiten bei komplexen Anweisungen, Mehrtask-Verarbeitung, Codeausführung und sicheren Entscheidungen.

Laut Wang Tao, Chief AI Officer von Meta, verfügt Muse Spark 1.3 bereits über die Fähigkeit, mit Anthropic Claude Fable 5.1 zu konkurrieren, und ist im Codierungsbereich auch leistungsstärker als OpenAI GPT-5.6 Sol.

Die Ergebnisse unabhängiger Tests zeigen ebenfalls, dass Muse Spark 1.3 in den Wettbewerbsbereich der führenden Modelle eingetreten ist. Daten von Artificial Analysis zufolge erreicht der Intelligence Index von Muse Spark 1.3 (xhigh) 61 Punkte und liegt damit auf dem gleichen Niveau wie GPT-5.6 Sol (max) und Grok 4.6 (high); die in limitierter Vorschau verfügbare Version Muse Spark 1.3 (max) erreicht 62 Punkte und liegt nur hinter einigen Versionen von Claude Fable 5.1 und Claude Opus 5 zurück.

Der bemerkenswerteste Punkt dieses Upgrades liegt jedoch in der Anpassung der Nutzungsweise des Modells durch Meta: Das Modell beantwortet nicht mehr nur eine einzelne Frage, sondern soll in einem sich ständig verändernden Aufgabenumfeld kontinuierlich Tools aufrufen, Kontexte verwalten, mehrere Workflows verarbeiten und die Ergebnisse schließlich liefern.

01 Langzeitaufgaben, stabiler ausgeführt

Muse Spark 1.3 hat zuerst die Fähigkeit zur Verarbeitung von Langzeitaufgaben gestärkt.

Benchmark-Tests zeigen, dass Muse Spark 1.3 bei Tests mit 256K bis 512K Kontext 98,5 Punkte erreicht und damit den Zweitplatzierten GPT 5.6 Sol mit 91,5 Punkten übertrifft; wenn der Kontext auf 512K bis 1M erweitert wird, liegt es mit 98,1 Punkten immer noch vor dem Zweitplatzierten mit 73,8 Punkten.

Diese Fähigkeit wirkt sich direkt darauf aus, ob Agenten Arbeiten mit längerer Dauer verarbeiten können. Sobald eine Aufgabe länger wird, muss sich das Modell nicht nur an die ursprüngliche Anweisung des Nutzers erinnern, sondern auch an bereits ausgeführte Schritte, Informationen, die von Tools zurückgegeben werden, vorläufig erstellte Pläne sowie neue Anforderungen, die der Nutzer später hinzufügt.

Meta zeigt in offiziellen Materialien eine Nutzungsweise, die näher an der praktischen Arbeit liegt: Nutzer können mehrere Aufgaben gleichzeitig in einem einzigen langen Gesprächsthread bearbeiten, Anforderungen während der Ausführung ändern, neue Fragen hinzufügen oder sogar die laufende Arbeit des Modells direkt unterbrechen.

Muse Spark 1.3 muss beurteilen, zu welcher Aufgabe die neue Eingabe gehört, und dann zum richtigen Ausführungspfad zurückkehren, anstatt die Informationen verschiedener Aufgaben miteinander zu vermischen.

Bei offenen Zielen kann das Modell auch aktiv Tools aufrufen, Informationen aus verschiedenen Quellen abrufen und Kontexte aufbauen. Wenn es Lücken im ursprünglichen Plan feststellt, kann es den Plan anpassen und die Ausführung fortsetzen; wenn die Anweisung unklar ist, stellt es dem Nutzer zuerst klärende Fragen; wenn es auf nicht lösbare Probleme stößt, bittet es den Nutzer um Hilfe; bei wichtigen, nicht umkehrbaren Vorgängen ist eine Bestätigung vor der Ausführung erforderlich.

Meta hat auch die Art der Zusammenarbeit zwischen Modell und Nutzer angepasst. Für Nutzer, die den Fortschritt jederzeit im Blick behalten möchten, kann das Modell mehr Aktualisierungen liefern; für Nutzer, die möchten, dass das Modell die Aufgabe selbstständig erledigt, werden Unterbrechungen während der Ausführung reduziert, damit die Aufgabe fortgesetzt werden kann.

All diese Änderungen zielen auf ein zentrales Problem ab: Kann das Modell den Aufgabenstatus in einem sich ständig verändernden Arbeitsumfeld aufrechterhalten?

Dies unterscheidet sich von der Nutzungsweise traditioneller Frage-Antwort-Modelle. Früher entsprach ein Prompt normalerweise einer relativ abgeschlossenen Frage, und die Aufgabe war beendet, nachdem das Modell die Antwort generiert hatte. Agentenaufgaben ähneln dagegen eher der realen Arbeit: Das Ziel ist möglicherweise nicht vollständig, Informationen müssen selbst gesucht werden, während der Ausführung treten neue Situationen auf und der Nutzer kann Anforderungen jederzeit ändern.

Das von Meta vorgestellte Beispiel für die Strömungssimulation im Luftfahrtingenieurwesen ist eine umfassende Demonstration dieser Fähigkeit.

Das Modell erhält ein CFD-Simulationsergebnis und ein CAD-Modell im STEP-Format. Zuerst muss es Analyseziele, Rechengebiet, Gitter, Materialparameter und Randbedingungen organisieren, dann Ergebnisse wie die maximale axiale Geschwindigkeit, die maximale Turbulenzintensität, die kinetische Turbulenzenergie und die Kräfte extrahieren, anschließend Auftrieb, Widerstand, Stoßwellen, Strömungsablösung und Turbulenz analysieren und schließlich einen PDF-Bericht in der angegebenen Struktur ausgeben.

Dazu gehören mehrere Schritte wie Dateilesen, Datenanalyse, Verarbeitung von Fachwissen, Ergebnisextraktion, Berichterstellung und Formatausgabe.

Die von Meta gezeigten Ergebnisse belegen, dass Muse Spark 1.3 diesen Bericht schließlich vollständig erstellt hat.

Solche Beispiele erklären auch, warum Meta lange Kontexte, komplexe Anweisungen und Tool-Aufrufe in den Kern dieses Upgrades gestellt hat. Das Modell steht nicht mehr vor unabhängigen Einzelaufgaben, sondern vor einer Arbeitskette, die kontinuierlich ausgeführt werden muss.

02 Codieren, weniger Umwege

Die Codierung ist ein weiterer Bereich, in dem Muse Spark 1.3 die deutlichsten Verbesserungen aufweist.

Meta gibt an, dass Muse Spark 1.3 für Codierungsaufgaben mit längerem Zeitraum trainiert wurde. Im Vergleich zu Muse Spark 1.2 reduziert das Modell die Anzahl der Interaktionsrunden, falls nicht erforderlich, und macht den generierten Code gleichzeitig prägnanter.

Im DeepSWE-Test erreicht Muse Spark 1.3 75,4 Punkte und belegt den ersten Platz; der Wert für das Verständnis von Codebibliotheken liegt bei 59,4 und übertrifft damit ebenfalls GPT 5.6 Sol.

Bei Terminal-Bench 2.1 erreicht Muse Spark 1.3 (xhigh) 85 %, was über den 80 % von Muse Spark 1.2 liegt; bei GDPval-AA v2 erreicht es 1709 Elo gegenüber 1615 bei Muse Spark 1.2; Tau3-Bench Banking stieg von 35 % auf 47 %.

Die in limitierter Vorschau verfügbare Version Muse Spark 1.3 (max) zeigt noch bessere Leistungen: Terminal-Bench 2.1 erreicht 86 %, GDPval-AA v2 1754 Elo und Tau3-Bench Banking 52 %, womit sie den ersten Platz in dieser Bewertung belegt.

Meta hat zwei anschaulichere Beispiele für die Spielprogrammierung vorgestellt.

In RichMan Tycoon muss das Modell Zufallsereignisse wie Würfeln, Investitionen, Mieteinnahmen und „Server Crash“ verarbeiten und kontinuierliche Entscheidungen treffen, bis alle anderen Gründer ausgeschieden sind und der letzte Gewinner ermittelt ist.

In dem Echtzeit-Strategiespiel *Psychic Storm* muss das Modell das blaue Kommando kontrollieren, um Ressourcen abzubauen, Strom zu erzeugen, Infanterie und Panzer zu bauen, Informationen im Nebel des Krieges zu beschaffen und die Bau- und Kampfpläne entsprechend den Ressourcen und den Veränderungen auf dem Schlachtfeld ständig anzupassen, bis der Gegner vernichtet ist.

Diese beiden Beispiele verzichten auf eine einmalige Codegenerierung und prüfen direkt die Fähigkeit des Modells zur kontinuierlichen Ausführung in einem dynamisch verändernden Umfeld.

Daher ist ein weiterer von Meta-Ingenieuren angegebener Wert sehr wichtig: Bei der Erledigung entsprechender Aufgaben reduziert Muse Spark 1.3 die durchschnittliche Anzahl an Tool-Aufrufen um rund 20 % und den Token-Verbrauch um rund 25 %. Das bedeutet, dass die Effizienz des Modells bei Aufgabenplanung, Kontextnutzung und Ausführungspfaden gestiegen ist.

Bei 9 von Meta durchgeführten Agententests belegte Muse Spark 1.3 fünfmal den ersten Platz und landete in allen Tests unter den ersten beiden. Das einzige Test, bei dem es nicht unter den ersten beiden landete, war der Agent IF Index mit 57,8 Punkten auf dem dritten Platz, hinter GPT 5.6 Sol und Opus 5.

Die unabhängige Testorganisation Artificial Analysis kommt zu einem ähnlichen Ergebnis.

Der Intelligence Index von Muse Spark 1.3 (xhigh) erreicht 61 Punkte, der von Muse Spark 1.3 (max) 62 Punkte, womit es bereits im gleichen Wettbewerbsbereich wie einige der aktuellen führenden Modelle liegt. Für Meta ist dies möglicherweise wichtiger, als in einzelnen Tests den ersten Platz zu belegen.

Gleichzeitig sind aber nicht alle Testergebnisse von Muse Spark 1.3 gestiegen.

AA-LCR sank von 83 % auf 79 %, und die Genauigkeit von AA-Omniscience hat ebenfalls abgenommen. Artificial Analysis geht davon aus, dass Muse Spark 1.3 die Ablehnungsrate erhöht und eher dazu neigt, keine Antwort zu geben, wenn es sich unsicher ist. Dies kann das Risiko von Halluzinationen senken, wirkt sich aber auch auf die Ergebnisse einiger Tests aus, bei denen eine direkte Antwort erforderlich ist.

Dies hängt mit einer weiteren von Meta betonten Änderung zusammen: Das Modell muss genauer beurteilen, ob es in der Lage ist, die aktuelle Aufgabe zu erledigen.

Die Leistung von Muse Spark 1.3 wird nun auch direkt von Entwicklern und Modelforschern verglichen.

Aaron Levie, CEO der Cloud-Speicher- und Kollaborationsplattform Box, ist der Ansicht, dass die Aktualisierungen von KI-Modellen in letzter Zeit sehr dicht aufeinander folgen und Muse Spark 1.3 ein weiteres wichtiges Upgrade darstellt. Er hob besonders hervor, dass die endgültige Veröffentlichung von Muse Spark 1.3 mit offenen Gewichtungen die Wettbewerbslandschaft von Modellen mit offenen Gewichtungen in den USA verändern könnte.

Der KI-Forscher und Investor Rihard Jarc sowie der Großmodelltester @kimmonismus haben sich beide mit der Codierungsleistung von Muse Spark 1.3 befasst. Sie halten seine Preisgestaltung für aggressiv und weisen darauf hin, dass die Leistung im DeepSWE-Test bereits Fable 5 und GPT-5.6 Sol übertrifft.

04 Stärkeres Modell ohne Preiserhöhung

Neben der verbesserten Leistung hat Meta die Preise für die API dieses Mal nicht angehoben.

Muse Spark 1.3 (xhigh) wird weiterhin mit 1,25 USD pro Million Eingabe-Token und 4,25 USD pro Million Ausgabe-Token berechnet, der Preis für Cache-Eingaben liegt bei 0,15 USD. Das Kontextfenster beträgt weiterhin 1 Million Token und unterstützt Eingaben von Text, Bildern und Videos.

Berechnungen von Artificial Analysis zufolge betragen die Kosten pro Aufgabe bei Muse Spark 1.3 (xhigh) rund 0,55 USD. Bei Modellen mit einem Intelligence Index von über 59 Punkten liegt dieser Wert auf einem niedrigen Niveau.