Neues Modell und API: Meta kickt mit Muse Spark 1.1 die KI-Preiskämpfe aufs nächste Level

Meta veröffentlicht mit Muse Spark 1.1 ein multimodales Reasoning-Modell für agentische Aufgaben und startet erstmals eine eigene Entwickler-API zu Preisen, die selbst den bisherigen Preisbrecher Grok 4.5 unterbieten.

Meta Superintelligence Labs hat Muse Spark 1.1 vorgestellt, ein multimodales Reasoning-Modell für agentische Aufgaben, Coding, Computer Use und multimodales Verständnis. Laut Meta handelt es sich um ein "signifikantes Upgrade" gegenüber dem Vorgänger Muse Spark von Anfang April 2026. Das Modell ist im "Thinking"-Modus in der Meta-AI-App und auf meta.ai verfügbar.

Gleichzeitig startet Meta eine öffentliche Preview der neuen Meta-Model-API, über die Entwickler erstmals direkt auf das Modell zugreifen können. Damit betritt Meta ein Geschäftsfeld, das bisher von OpenAI, Anthropic, Google und einigen chinesischen Anbietern bespielt wird. Das neue Bildmodell Muse Image ist dort allerdings noch nicht verfügbar.

Multi-Agent-Orchestrierung soll komplexe Projekte beschleunigen

Muse Spark 1.1 ist laut Meta darauf trainiert, Multi-Agent-Systeme zu orchestrieren. Als Hauptagent sammle das Modell Kontext, erstelle einen Plan und delegiere die Ausführung an parallele Subagenten. Als Subagent halte es sich an seine Aufgabe und wisse, wann es an den Hauptagenten eskalieren müsse.

Das Modell generalisiere ohne spezifisches Training auf neue native Tools, MCP-Server und Custom Skills. Dabei könne es sein Kontextfenster von einer Million Tokens aktiv verwalten: Aktionen merken, Informationen aus früherer Arbeit abrufen und komprimieren, ohne kritische Schritte zu verlieren.

Die Coding-Fähigkeiten haben sich laut Meta bei realen Aufgaben mit großen Codebasen ebenfalls substanziell verbessert. Das Modell könne nun komplexe Bugs diagnostizieren, neue Features in Enterprise-Systemen implementieren und große Code-Migrationen durchführen.

Im unabhängigen VALS-AI-Benchmark landet Muse Spark 1.1 insgesamt auf dem vierten Platz, ist dabei besonders schnell und günstig. Allein beim Coding-Benchmark "Vibe Code Bench" verbessert es sich gegenüber dem Vorgänger um 36 Plätze.

Neben Coding und agentischen Fähigkeiten hebt Meta die multimodalen Stärken hervor: Perception, multimodales Reasoning und Tool Use. Das Modell könne mit realen Umgebungen interagieren und Ausgaben produzieren, die auf tatsächlichen Beobachtungen basieren.

Bei Computer-Use-Workflows über mehrere Anwendungen hinweg soll Muse Spark 1.1 besonders stark sein. Statt jeden Desktop-Schritt einzeln durchzuklicken, entscheide das Modell selbst, wann Automatisierung sinnvoll sei: Es schreibe Skripte, wenn das schneller gehe, klicke, wenn direkte Interaktion einfacher sei, und generiere Batches von Aktionen pro Schritt.

Eine Instagram- oder Facebook-Suche gibt es bislang nicht, das könnte als Differenzierungsfaktor zukünftig hinzukommen, ähnlich wie Grok bei X.

Meta gibt an, vor dem Deployment umfangreiche Sicherheitsevaluierungen gemäß dem Advanced AI Scaling Framework durchgeführt zu haben. In allen Frontier-Risikokategorien, also chemische und biologische Risiken, Cybersicherheit und Kontrollverlust, operiere Muse Spark 1.1 innerhalb sicherer Bereiche. Eine detaillierte Sicherheitsanalyse gibt es hier.

Meta dreht an der Preisschraube

Muse Spark 1.1 wäre im Grunde kein großes Thema, wäre da nicht die Meta-Model-API samt des extrem aggressiven Preises: 1,25 Dollar pro Million Input-Tokens, 4,25 Dollar pro Million Output-Tokens und 0,15 Dollar für gecachten Input. Für Web Search Grounding verlangt Meta 2,50 Dollar pro 1.000 Suchanfragen.

Damit unterbietet Meta selbst xAIs Grok 4.5, das erst gestern erschien und für wenige Stunden als günstigstes Beinahe-Frontier-Modell galt. Anthropics Opus 4.8, OpenAIs GPT-5.5 und Fable 5 kosten beim Output zwischen 25 und 50 Dollar pro Million Tokens, ein Vielfaches von Metas 4,25 Dollar. Chinesische Modelle wie GLM 5.2 laufen zwar ebenfalls deutlich günstiger, doch Meta setzt mit seiner API eine neue Preismarke unter den großen US-Anbietern.

Die KI-Preiskämpfe sind in vollem Gange

Der Preiskampf tut insbesondere OpenAI und Anthropic weh: Beide Unternehmen verbrennen Milliarden und sind auf hohe Token-Margen und schnelles Wachstum angewiesen, um ihre Verluste zu decken und die Bewertung zu rechtfertigen.

Wenn nun Meta, ein Konzern mit mehr als 60 Milliarden Dollar Jahresgewinn, ein konkurrenzfähiges Frontier-Modell zu einem Bruchteil dieser Preise anbietet, geraten die Geschäftsmodelle der reinen KI-Labore unter massiven Druck. Meta kann es sich leisten, die API als Zugangstor zu seinem Ökosystem zu betreiben, ohne damit direkt Geld verdienen zu müssen. OpenAI und Anthropic können das nicht. Das gilt natürlich ähnlich für Google.

Gleichzeitig drücken chinesische Open-Source-Modelle die Preise von unten: Snowflake etwa hat gezeigt, dass GLM 5.2 bei vergleichbarer Coding-Leistung zu Opus 4.8 nur einen Bruchteil kostet, und Unternehmen wie Coinbase und Lindy haben ihre KI-Ausgaben durch den Wechsel auf chinesische Modelle stark reduziert. Die Frontier-KI-Labore stecken damit in einer Zange: Von oben drücken Google und Meta mit Konzernressourcen, von unten drücken chinesische Open-Source-Modelle mit Kampfpreisen.

Ob sich Metas Preisvorteil in der Praxis hält, hängt allerdings auch von der Token-Effizienz ab: Wie viele Tokens ein Modell pro Aufgabe verbraucht, kann die tatsächlichen Kosten erheblich beeinflussen, wie jüngst Databricks in einem eigenen Benchmark gezeigt hat. Und natürlich muss sich die in den Benchmarks gezeigte Leistung auch in der Praxis bestätigen. Ansonsten sind auch die geringsten Preise rausgeworfenes Geld.