Muse Spark 1.1: Meta startet Agentenmodell per API

Meta veröffentlicht Muse Spark 1.1 als neues multimodales Agentenmodell und öffnet erstmals eine eigene Model API für externe Entwickler. Der technische Kern ist nicht nur ein größeres Kontextfenster, sondern die Kombination aus Multi-Agent-Orchestrierung, Computer Use, Coding, Tool-Nutzung und aktiver Kontextverwaltung. Der Zugang ist allerdings eingeschränkt: Die Meta Model API startet als öffentliche Vorschau für Entwickler in den USA, während das Modell laut Meta zusätzlich im „Thinking“-Modus von Meta AI und auf meta.ai verfügbar ist.

Die Veröffentlichung vom 9. Juli 2026 ist damit zugleich Modell-Release und Plattformstart. Muse Spark 1.1 bleibt ein geschlossenes Modell ohne veröffentlichte Gewichte. Meta nennt in den geprüften Primärquellen weder eine Parameterzahl noch eine frei nutzbare Modelllizenz. Für Builder ist deshalb vor allem relevant, wie sich das Modell über die API verhält, was es kostet und wo die Herstellerbenchmarks echte Stärken oder erkennbare Lücken zeigen.

Was Meta mit Muse Spark 1.1 veröffentlicht

Muse Spark 1.1 stammt aus den Meta Superintelligence Labs und wird als multimodales Reasoning-Modell für agentische Aufgaben positioniert. Es soll nicht nur Antworten erzeugen, sondern längere Arbeitsabläufe planen, Werkzeuge auswählen, externe Dienste bedienen und Aufgaben an mehrere Unteragenten verteilen.

Meta hebt vier Bereiche hervor:

• Agenten und Tool-Nutzung: Das Modell soll sich ohne separates Training auf neue native Werkzeuge, MCP-Server und benutzerdefinierte Skills einstellen können.
• Computer Use: Muse Spark 1.1 kann grafische Oberflächen über Screenshots bedienen und zwischen direkter Interaktion und automatisierten Aktionen wählen.
• Coding: Das Modell ist für mehrstufige Entwicklungsaufgaben, Fehlersuche, Feature-Implementierung und größere Codeänderungen ausgelegt.
• Multimodale Wahrnehmung: Bilder, Videos und Dokumente können in einen Arbeitsablauf einbezogen werden, statt nur isoliert beschrieben zu werden.

Diese Kombination ist wichtiger als eine einzelne Benchmarkzahl. Ein Coding-Modell kann Quelltext erzeugen, ohne einen vollständigen Workflow zuverlässig zu Ende zu bringen. Ein Computer-Use-Modell kann klicken, ohne komplexe technische Fehler zu verstehen. Muse Spark 1.1 soll beide Ebenen verbinden: Wahrnehmen, planen, programmieren, Werkzeuge aufrufen, Ergebnisse kontrollieren und bei Bedarf Aufgaben parallelisieren.

Meta Model API: Zugang, Region und Preise

Parallel zum Modell startet Meta die Meta Model API. Nach Angaben auf der offiziellen Produktseite handelt es sich um eine öffentliche Vorschau für Entwickler in den USA. Das ist ein echter Self-Service-Start, aber keine weltweite allgemeine Verfügbarkeit. Entwickler außerhalb der USA sollten deshalb nicht davon ausgehen, dass sie sofort regulären API-Zugang erhalten.

Die API ist laut Meta mit bestehenden OpenAI-SDK-kompatiblen Clients nutzbar. Dadurch können Teams vorhandene Integrationen mit vergleichsweise wenig Anpassung testen. Das bedeutet jedoch nicht, dass alle Funktionen, Antwortformate oder Tool-Use-Eigenschaften identisch zu OpenAI-Modellen sind. Besonders bei Agenten-Workflows müssen Tool-Schemas, Abbruchbedingungen, Parallelisierung und Kontextkompaktierung praktisch geprüft werden.

Meta nennt zum Start folgende Preise:

• Input: 1,25 US-Dollar pro eine Million Token
• Gecachter Input: 0,15 US-Dollar pro eine Million Token
• Output: 4,25 US-Dollar pro eine Million Token
• Websuche mit Grounding: 2,50 US-Dollar pro 1.000 Suchanfragen
• Startguthaben: 20 US-Dollar pro neuem Meta-Model-API-Konto

Damit positioniert Meta Muse Spark 1.1 klar für produktive Agenten- und Coding-Workloads, bei denen lange Eingaben, wiederverwendeter Kontext und viele Tool-Aufrufe Kosten verursachen können. Der günstige Preis für gecachten Input ist besonders relevant, wenn große Projektkontexte oder wiederkehrende Instruktionen mehrfach verwendet werden. Die Gesamtkosten hängen aber weiterhin stark von der Menge erzeugter Reasoning- und Output-Token sowie von zusätzlichen Suchaufrufen ab.

Eine Million Token Kontext mit aktiver Verwaltung

Meta nennt ein Kontextfenster von einer Million Token. Allein diese Zahl ist 2026 kein ausreichendes Qualitätsmerkmal mehr. Entscheidend ist, ob ein Modell über lange Sitzungen wichtige Informationen wiederfindet, irrelevante Details entfernt und Zustände über viele Werkzeugaufrufe hinweg konsistent hält.

Muse Spark 1.1 soll seinen Kontext aktiv verwalten. Laut Ankündigung erinnert es sich an frühere Aktionen, ruft Informationen aus weit zurückliegenden Arbeitsschritten ab und kompaktiert den Verlauf so, dass kritische Zwischenergebnisse erhalten bleiben. Das ist für Agenten wichtiger als ein theoretisch großes Fenster, das bei realen Aufgaben unzuverlässig genutzt wird.

Die Herstellerdaten zeigen zugleich eine Grenze: Im MRCR-Long-Context-Test mit einem Kontextfenster von einer Million Token erreicht Muse Spark 1.1 laut Meta 54,1 Punkte. GPT-5.5 liegt in derselben Grafik bei 74,0 Punkten. Das Modell hat also ein großes Fenster, führt den veröffentlichten Langkontextvergleich aber nicht an. Entwickler sollten Kontextgröße und Kontextqualität deshalb getrennt bewerten.

Benchmark-Einordnung: stark bei MCP und JobBench

Meta vergleicht Muse Spark 1.1 im Evaluation Report mit Muse Spark, Gemini 3.1 Pro, Claude Opus 4.8 und GPT-5.5. Die folgende Originalgrafik zeigt die allgemeinen Fähigkeitsbenchmarks. Die Zahlen stammen von Meta und sind nicht als unabhängiger Test zu verstehen.

Die wichtigsten Punkte aus der Grafik:

• MCP Atlas: Muse Spark 1.1 erreicht 88,1 Punkte und liegt vor Muse Spark, Gemini 3.1 Pro, Claude Opus 4.8 und GPT-5.5. Der Benchmark umfasst laut Report 1.000 mehrstufige Aufgaben über 36 reale MCP-Server und 220 Werkzeuge.
• JobBench: Mit 54,7 Punkten führt Muse Spark 1.1 den Vergleich deutlich an. JobBench prüft 65 professionelle Aufgaben aus 35 Büroberufen.
• Humanity’s Last Exam mit Werkzeugen: Meta meldet 62,1 Punkte. Claude Opus 4.8 kommt in der Grafik auf 57,9, GPT-5.5 auf 52,2 und Gemini 3.1 Pro auf 51,4.
• Computer Use: In OSWorld-Verified erreicht Muse Spark 1.1 80,8 Punkte. Claude Opus 4.8 liegt mit 83,4 knapp davor. In OSWorld 2.0 ist der Abstand deutlicher: Meta weist 14,2 Prozent vollständig gelöste Aufgaben und 47,3 Prozent Teilscore aus, Claude 20,6 beziehungsweise 54,8.
• Coding bleibt gemischt: Muse Spark 1.1 erreicht 80,0 in Terminal-Bench 2.1, bleibt aber hinter GPT-5.5 mit 83,4 und Claude Opus 4.8 mit 82,7. In SWE-Bench Pro liegt Muse bei 61,5, während Claude 69,2 erreicht. In DeepSWE 1.1 meldet Meta 53,3 gegenüber 67,0 für GPT-5.5 und 59,0 für Claude.

Das Bild ist damit differenzierter als die Formulierung „Frontier-Modell“ vermuten lässt. Muse Spark 1.1 führt mehrere agentische und professionelle Tests an, ist aber nicht durchgehend das stärkste Coding-, Computer-Use- oder Langkontextmodell. Besonders interessant ist die Kombination aus gutem MCP Atlas, JobBench und Finance Agent v2. Sie deutet darauf hin, dass Meta die Orchestrierung realer Werkzeuge stärker optimiert hat als reine Spitzenwerte in jedem Coding-Test.

Wie belastbar sind die Herstellerbenchmarks?

Meta legt im Evaluation Report eine vergleichsweise detaillierte Methodik offen. Für die Modelle werden hohe beziehungsweise maximale Reasoning-Einstellungen genutzt. Muse Spark 1.1 läuft über die Meta Model API mit der höchsten angegebenen Reasoning-Stufe.

Trotzdem bleiben Einschränkungen:

• Ergebnisse für Konkurrenzmodelle stammen je nach Benchmark aus offiziellen, selbst gemeldeten Werten oder aus Metas eigenen Reproduktionen.
• Meta weist selbst darauf hin, dass die verwendeten Werkzeuge und Systemanweisungen nicht speziell auf proprietäre Konkurrenzmodelle optimiert sein müssen.
• Unterschiedliche Agenten-Harnesses können die Leistung stark verändern, selbst wenn das zugrunde liegende Modell gleich bleibt.
• Ein Benchmarkwert sagt wenig darüber aus, wie zuverlässig ein Modell Kostenlimits, Berechtigungen, Fehlerzustände und lange reale Sitzungen behandelt.

Die Grafik ist deshalb nützlich für die Positionierung, ersetzt aber keinen unabhängigen Praxistest. Das gilt besonders für Tool-Use und Computer Use, weil kleine Unterschiede im Scaffold, in der Bildschirmauflösung oder in den erlaubten Aktionen das Ergebnis deutlich verschieben können.

Multi-Agent-Orchestrierung statt nur längerer Einzel-Trace

Eine zentrale Neuerung ist die explizite Optimierung für Multi-Agent-Systeme. Muse Spark 1.1 kann als Hauptagent Kontext sammeln, einen Plan erstellen und Teilaufgaben parallel an Unteragenten delegieren. Als Unteragent soll es die zugewiesene Rolle einhalten und erkennen, wann ein Problem an den Hauptagenten zurückgegeben werden muss.

Das adressiert einen praktischen Engpass vieler Agentensysteme: Ein einzelner Modelllauf arbeitet jede Teilaufgabe seriell ab und verlängert dadurch die Wartezeit. Parallele Unteragenten können Recherche, Codeanalyse, Testausführung und Dokumentation gleichzeitig bearbeiten. Der Vorteil entsteht aber nur, wenn der Hauptagent Aufgaben sauber trennt und widersprüchliche Ergebnisse zusammenführt.

Zum Vergleich: Der aktuelle Markt bewegt sich generell in Richtung stärkerer Agentenmodelle. OpenAI positioniert GPT-5.6 mit Sol, Terra und Luna ebenfalls für unterschiedliche Leistungs- und Einsatzklassen. Anthropic richtet Claude Sonnet 5 als Agentenmodell auf Coding und langlaufende Aufgaben aus. Muse Spark 1.1 konkurriert deshalb nicht nur über Chatqualität, sondern über die Frage, welches Modell in einem konkreten Harness die beste Mischung aus Zuverlässigkeit, Latenz und Kosten liefert.

Computer Use: Wann klicken, wann automatisieren?

Meta beschreibt eine hybride Computer-Use-Strategie. Das Modell soll nicht jeden Desktop-Schritt einzeln über Mausaktionen ausführen. Stattdessen soll es erkennen, wann eine automatisierte Aktion schneller ist, wann direkte Bedienung einfacher bleibt und wann mehrere Aktionen gebündelt werden können.

In der offiziellen Demonstration organisiert Muse Spark 1.1 unter anderem eine Aufgabe über mehrere Anwendungen, reagiert auf neue Informationen und passt den Ablauf an. Eine weitere Demonstration zeigt einen Coding-Workflow, bei dem das Modell eine Webanwendung erstellt, Screenshots auf sichtbare Fehler prüft, die Ursache im Code sucht und die Korrektur validiert.

Solche Demos zeigen den beabsichtigten Arbeitsmodus, aber nicht automatisch die Fehlerquote im Alltag. Entwickler sollten insbesondere prüfen:

1. Ob das Modell kritische Aktionen vor der Ausführung bestätigt.
2. Wie es mit unerwarteten Dialogen, Login-Abfragen und geänderten Oberflächen umgeht.
3. Ob es zwischen erlaubten und sensiblen Werkzeugen zuverlässig trennt.
4. Wie gut es nach einem fehlgeschlagenen Schritt den tatsächlichen Systemzustand neu erfasst.
5. Ob parallele Unteragenten dieselben Dateien oder Ressourcen widerspruchsfrei bearbeiten.

Sicherheitsbericht: hohe Fähigkeiten vor Mitigation

Der 112-seitige Evaluation Report enthält einen wichtigen Befund, der in einer reinen Produktzusammenfassung leicht verloren geht. Meta schreibt, dass vor Schutzmaßnahmen eine Einstufung an der eigenen Schwelle für „hohes Risiko“ im chemisch-biologischen Bereich erreicht wird. Im Cybersecurity-Bereich könne Meta eine solche Einstufung vor Mitigation nicht ausschließen. Nach Anwendung mehrschichtiger Schutzmaßnahmen bewertet Meta das verbleibende Risiko in beiden Bereichen als „moderat oder niedriger“.

Für den Bereich Kontrollverlust bleibt die Bewertung laut Report bei „moderat oder niedriger“. Gleichzeitig empfiehlt Meta für API-Anwendungen zusätzliche Systemschutzmaßnahmen, darunter strikte Tool-Allowlisten, isolierte Arbeitsbereiche und an die Anwendung angepasste Sicherheitskontrollen.

Das ist für Agenten-Builder keine abstrakte Randnotiz. Ein Modell mit Computerzugriff, Shell-ähnlichen Werkzeugen oder externen Konten braucht Berechtigungsgrenzen außerhalb des Modells. Prompt-Injection-Robustheit allein genügt nicht. Anwendungen sollten Zugriffe minimieren, sensible Daten trennen und irreversible Aktionen technisch absichern.

Was Entwickler jetzt konkret testen sollten

Muse Spark 1.1 ist vor allem für Entwickler interessant, die bereits agentische Workflows bauen oder OpenAI-kompatible Clients einsetzen. Ein sinnvoller Test sollte nicht mit einer allgemeinen Chatfrage beginnen, sondern mit einem klar abgegrenzten realen Ablauf.

Geeignete Prüfpunkte sind:

• Tool-Auswahl: Wählt das Modell das richtige Werkzeug und die richtigen Parameter?
• MCP-Zuverlässigkeit: Bleibt es über mehrere Server und lange Tool-Ketten konsistent?
• Kontextkompaktierung: Welche Informationen gehen nach vielen Arbeitsschritten verloren?
• Parallelisierung: Senken Unteragenten die End-to-End-Latenz, ohne mehr Korrekturarbeit zu erzeugen?
• Coding-Qualität: Besteht die Lösung reproduzierbare Tests und visuelle Prüfungen?
• Computer Use: Erkennt das Modell geänderte Oberflächen und unerwartete Zustände?
• Kosten: Wie viele Input-, Cache- und Output-Token benötigt ein vollständiger Workflow?
• Sicherheit: Lassen sich sensible Aktionen über Berechtigungen, Allowlisten und Freigaben begrenzen?

Da die API zunächst nur für US-Entwickler in öffentlicher Vorschau angeboten wird, bleiben globale Verfügbarkeit, produktive Quoten und langfristige Servicebedingungen abzuwarten. Auch das Fehlen offener Gewichte begrenzt lokale Bereitstellung, Modellprüfung und vollständig selbst gehostete Nutzung.

Fazit: Starker Agentenfokus, aber kein Gesamtsieger

Muse Spark 1.1 ist ein relevanter Release, weil Meta gleichzeitig ein spezialisiertes Agentenmodell und eine eigene Self-Service-API startet. Die Kombination aus einer Million Token Kontext, MCP-Unterstützung, Multi-Agent-Orchestrierung, Computer Use, Coding und nativer Multimodalität zielt direkt auf reale Agenten-Workflows.

Die Herstellerbenchmarks zeigen klare Stärken bei MCP Atlas, JobBench, Finance Agent v2 und Humanity’s Last Exam mit Werkzeugen. Sie zeigen aber ebenso, dass Claude Opus 4.8 und GPT-5.5 in mehreren Coding-, Computer-Use- und Langkontexttests vorne liegen. Muse Spark 1.1 ist deshalb nicht pauschal „das beste Modell“, sondern ein ernstzunehmender neuer Kandidat für werkzeugintensive Aufgaben.

Für Entwickler lautet die sachliche Schlussfolgerung: Der API-Preis und die OpenAI-kompatible Anbindung machen einen Test attraktiv, doch die US-beschränkte Preview, geschlossene Gewichte und gemischten Benchmarkresultate verlangen eine workload-spezifische Bewertung. Wer Zugang hat, sollte MCP-Aufgaben, parallele Agenten und lange reale Sitzungen gegen die bereits eingesetzten Modelle messen, statt nur die höchste Zahl aus der Herstellergrafik zu übernehmen.

Die offizielle Ankündigung von Meta, die Produktseite der Meta Model API und der vollständige Evaluation Report liefern die Primärquellen für Zugang, Preise, Fähigkeiten und Benchmarks.

Häufige Fragen zu Muse Spark 1.1

Was ist Muse Spark 1.1?

Muse Spark 1.1 ist ein geschlossenes multimodales Reasoning-Modell von Meta Superintelligence Labs für Agenten, Tool-Nutzung, Computer Use, Coding und multimodale Workflows. Es kann als Hauptagent Aufgaben planen und an parallele Unteragenten delegieren.

Ist Muse Spark 1.1 öffentlich verfügbar?

Teilweise. Die Meta Model API ist als öffentliche Vorschau für Entwickler in den USA verfügbar; weltweit frei nutzbare Modellgewichte gibt es nicht. Meta nennt das Modell außerdem als „Thinking“-Modus in Meta AI und auf meta.ai.

Was kostet die Meta Model API?

Meta nennt 1,25 US-Dollar pro eine Million Input-Token, 0,15 US-Dollar für gecachten Input und 4,25 US-Dollar pro eine Million Output-Token. Websuche mit Grounding kostet laut Produktseite 2,50 US-Dollar pro 1.000 Suchanfragen, neue Konten erhalten zum Start 20 US-Dollar Guthaben.

Wie groß ist das Kontextfenster von Muse Spark 1.1?

Meta gibt ein Kontextfenster von einer Million Token an und beschreibt aktive Kontextkompaktierung. Im veröffentlichten MRCR-Langkontextbenchmark liegt Muse Spark 1.1 mit 54,1 Punkten jedoch hinter GPT-5.5 mit 74,0 Punkten.

Ist Muse Spark 1.1 besser als GPT-5.5 oder Claude Opus 4.8?

Nicht pauschal. Laut Meta führt Muse Spark 1.1 unter anderem bei MCP Atlas und JobBench, während GPT-5.5 oder Claude Opus 4.8 in mehreren Coding-, Computer-Use-, Multimodal- und Langkontexttests besser abschneiden. Die Ergebnisse sind Herstellerangaben und sollten in realen Workflows unabhängig geprüft werden.