Meta-Flaggschiffmodell erlebt eine unerwartete Wende, ist günstiger als DeepSeek, und der chinesischstämmige CEO übertrifft Gemini ganz offen vor aller Augen.
Nachrichten von Zhidongxi vom 3. September: Heute hat Meta das neue Flaggschiff-Modell der stärksten Generation Muse Spark 1.3 veröffentlicht. Auf der KI-Analyseindex-Liste von Artificial Analysis liegt das neue Modell nur hinter Claude Fable 5.1 und Claude Opus 5.
Mark Zuckerberg, Mitbegründer und CEO von Meta, schrieb auf der sozialen Plattform X, dass die Leistung von Muse Spark 1.3 jenseits aller Vorstellungen liegt.
Alexander Wang, Leiter des Superintelligence-Labors und Chief AI Officer von Meta, erklärte, dass die Kosten dieses Modells so niedrig sind, dass sie fast vernachlässigbar sind, und die Fähigkeiten der Agenten, die Programmierleistung sowie die Benutzerfreundlichkeit stark verbessert wurden. Zudem kann die Bewertungsleistung von Muse Spark 1.3 in Kombination mit Muse Code mit der von Claude Code + Opus 5 und Claude Code + Fable 5 mithalten.
Ein Entwickler hat mit Muse Spark 1.3 das Spiel Minecraft erstellt, wobei die Kosten nur 10 Cent (ca. 0,67 Yuan) betrugen.
Nur 4 Stunden vor der Veröffentlichung des neuen Modells von Meta hat Google die eigenen Versionen Gemini 3.8 Flash und Gemini 3.8 Flash Cyber des bisher stärksten Modells für Schlussfolgerung und Programmierung Gemini 3.8 veröffentlicht. Danach wurde Google jedoch auf der Liste von Artificial Analysis von Meta überholt. Derzeit liegt der Wert von Muse Spark 1.3 auf dem KI-Analyseindex bei 62 Punkten, nur hinter den 66 Punkten von Claude Fable 5.1 und den 63 Punkten von Claude Opus 5, während Gemini 3.8 Flash 59 Punkte erreicht.
Google lag nur wenige Stunden lang auf dem Index von Artificial Analysis an der Spitze, bevor es von Meta überholt wurde. Alexander Wang hat Google auf der sozialen Plattform direkt angesprochen: „gemini who?“ und hinzugefügt, dass „es noch nicht zu spät ist, Gemini jetzt (vor der Veröffentlichung) abzubrechen“.
In den letzten 5 Monaten hat Meta nacheinander vier Muse-Spark-Modelle auf den Markt gebracht: Im April das erste Muse Spark, im Juli das Update Muse Spark 1.1, im August die Veröffentlichung von Muse Spark 1.2, zusammen mit dem neuesten Muse Spark 1.3 wird der Iterationsrhythmus immer dichter.
Aus dem von Meta veröffentlichten Benchmark-Diagramm geht hervor, dass Muse Spark 1.3 fünf erste Plätze belegt und bei den meisten Tests für langen Kontext und Programmierung besser abschneidet als GPT‑5.6 Sol und Claude Opus 5. Nur bei dem Terminal-Bench-Test für Terminal-Betriebsagenten liegt es gleichauf mit GPT‑5.6 Sol. Seine relativ schwache Seite ist die Agentenfähigkeit, bei Agenten für die vernetzte Suche und bei der allgemeinen Wissensaufgabe GDPVal-AA v2 erzielt es niedrigere Punkte.
Was den Preis angeht, so bleibt die API-Preisgestaltung von Muse Spark 1.3 mit dem Vorgängermodell 1.2 identisch: 1,25 US-Dollar pro Million Token-Eingabe (Cache-Treffer nicht vorhanden, ca. 8,4 Yuan), 0,15 US-Dollar pro Million Token-Eingabe (Cache-Treffer vorhanden, ca. 1 Yuan) und 4,25 US-Dollar pro Million Token-Ausgabe (ca. 28,55 Yuan). Der Preis von Muse Spark 1.3 liegt etwas über dem von Gemini 3.8 Flash und ist günstiger als der Spitzenpreis von DeepSeek-V4-Pro.
Preisvergleich einiger großer Modelle (erstellt von Zhidongxi)
Muse Spark 1.3 wird schrittweise in Muse Code und der Meta Model API ausgeliefert, die zuvor unterstützten Inferenzmodi sind jetzt verfügbar; der max-reasoning-Modus (extremer Inferenzmodus) wird bald nach Abschluss zusätzlicher Sicherheitstests freigegeben.
Meta gibt an, dass es bereits einen erwartungsvollen Produktfahrplan geplant hat, der Modelle mit größerer Parametergröße, die Veröffentlichung von Open-Source-Gewichtsversionen von Muse Spark und weitere Aktualisierungen umfasst.
01. Praxistest von Entwicklern: Schnell, kostengünstig, aber die Generierungsergebnisse sind durchschnittlich
Auf der sozialen Plattform X haben viele Entwickler ihre eigenen Praxistestfälle von Muse Spark 1.3 gezeigt. Die meisten Bewertungen lauten, dass es schnell und kostengünstig ist, aber die Generierungsergebnisse sind nicht überwältigend.
Ein Entwickler hat die Effekte der 3D-Simulation desselben Gebäudes nur auf Basis von Fotos mit Muse Spark 1.1 bis 1.3 verglichen. Die Geometrie, Struktur und visuelle Wirkung wurden deutlich verbessert, wobei die Gesamtkosten unverändert bei 0,6 US-Dollar (ca. 4,03 Yuan) blieben.
Ein anderer Entwickler hat die Vergleichseffekte der Version Muse Spark 1.3 Ultra Contributor (mit aktiviertem Ultra-Hochleistungsmodus) und Claude Fable 5.1 xHigh gezeigt. Mit denselben Prompten liefen beide etwa 2 Stunden lang. Die Prompt enthielt eine eingebaute Regel zur selbstständigen Iteration und Optimierung: Wenn das unabhängige Bewertungsmodell die Ausgabenergebnisse mit weniger als 9,5 von 10 Punkten bewertet, muss das Modell kontinuierlich optimieren und neue Versuche unternehmen.
Zu seinem Erstaunen iterierte Muse Spark ständig und absolvierte insgesamt 20 Zyklen der Selbstoptimierung, wobei in jedem Zyklus 3 Agenten gestartet wurden. Innerhalb von zwei Stunden wurden mehr als 60 Agentenaufgaben ausgeführt, aber die Kosten betrugen weniger als 1 US-Dollar (ca. 6,7 Yuan).
Ein Netznutzer hat im Kommentarbereich bezweifelt, ob dies bedeutet, dass Muse Spark 1.3 die Aufgabe nie abgeschlossen hat und nur nach 1 US-Dollar (ca. 6,7 Yuan) Kosten angehalten wurde.
Bei dem offenen 3D-Rauminferenz-Benchmark MineBench zeigt der Praxistestvergleich zwischen Gemini 3.8 Flash und Muse Spark 1.3, dass die gesamten Testkosten von Gemini 3.8 Flash 1,18 US-Dollar (ca. 7,93 Yuan) betragen, die durchschnittliche Inferenzzeit 1 Minute und 51 Sekunden beträgt und der anfängliche Elo-Wert 1888 Punkte erreicht. Die gesamten Testkosten von Muse Spark 1.3 betragen 6,57 US-Dollar (ca. 44,14 Yuan), die durchschnittliche Inferenzzeit 5 Minuten und 36 Sekunden und der anfängliche Testwert 1787 Punkte. Es gibt noch eine gewisse Lücke zwischen der Qualität seiner Ausgabenergebnisse und den Spitzenmodellen an der vordersten Front.
Ein anderer Entwickler hat die Effekte von Muse Spark 1.3, Qwen 3.8 Max, GLM 5.3 und GPT-5.6 Sol verglichen. Sein Gesamteindruck ist, dass Muse Spark 1.3 in Bezug auf Kosten und Geschwindigkeit mit Qwen 3.8 Max mithalten kann, während GLM 5.3 die beste Gesamtleistung in Bezug auf Leistung, Kosten, Geschwindigkeit und Token-Verbrauch aufweist.
Obwohl Muse Spark 1.3 sehr preisgünstig ist und schnell läuft, ist seine Leistung nur als gut einzustufen. Die Ausgabequalität von Qwen 3.8 Max ist am besten und die Vollständigkeit am höchsten, aber es dauert etwa eineinhalb Stunden, während Muse Spark nur etwa 2 Minuten benötigt.
02. Keine Abweichungen bei lang andauernden Aufgaben, der Token-Verbrauch bei der Programmierung sinkt um 25 %
Auf dem Meta-Blog wird erwähnt, dass die Stärke von Muse Spark 1.3 in der Unterstützung von lang andauernden Aufgaben und der Programmierung liegt.
Muse Spark 1.3 kann mit Benutzern zusammenarbeiten und mehrere Workflows parallel in einer einzigen langen Dialogsitzung verarbeiten. Bei offenen Zielen ruft es Werkzeuge auf, baut selbstständig Kontext aus ungeordneten und widersprüchlichen Informationsquellen auf, korrigiert dann aktiv Lücken in dem Plan und gibt vollständige Ergebnisse auf Basis der erhaltenen Informationen aus.
Gleichzeitig haben die Forscher von Meta das Modell auf Basis mehrerer verschiedener Bewertungsrahmen trainiert, sodass es sich an verschiedene Ausführungsumgebungen von Agenten anpassen kann.
Wie im folgenden Bild gezeigt, ist der Prompt, den Muse Spark 1.3 erhält, sehr komplex: Es muss Aktivitätsdetails, Texte und Bilder an verschiedenen Orten finden, sie dann bearbeiten und kombinieren, um sie in der Anzeigenverwaltungsplattform zu erstellen und zu veröffentlichen.
Im Vergleich zu früheren Muse-Spark-Modellen kann Muse Spark 1.3 bei mehrstufigen Aufgaben die Detailanforderungen besser behalten, keine Einschränkungen übersehen und nicht vom festgelegten Arbeitsablauf abweichen.
