Meta hat laut übereinstimmenden Berichten am 9. Juli 2026 mit Muse Spark 1.1 erstmals ein eigenes KI-Modell gegen Bezahlung zugänglich gemacht. Über eine neue Entwickler-API sollen Preise von rund 1,25 US-Dollar pro Million Input-Token und 4,25 US-Dollar pro Million Output-Token gelten — deutlich unter den Tarifen von OpenAI und Anthropic. Das Modell bietet ein Kontextfenster von rund einer Million Token und ist vor allem auf agentische Aufgaben, Tool-Nutzung und größere Coding-Projekte ausgelegt.
Inzwischen liegt mit Auswertungen der unabhängigen Benchmark-Organisation Artificial Analysis eine erste eigenständige Einordnung vor: Muse Spark 1.1 erreicht auf dem Intelligence Index einen Score von 51 Punkten, acht mehr als die Vorversion vor drei Monaten. Die Halluzinationsrate soll von 73 auf 38 Prozent gesunken sein, die geschätzten Kosten pro Aufgabe liegen laut dieser Auswertung bei rund 0,26 US-Dollar gegenüber 0,37 US-Dollar bei GLM-5.2. Beim direkten Coding-Vergleich mit GLM-5.2 zeigen die gesichteten Quellen jedoch ein uneinheitliches Bild, je nachdem, welcher Teilindex herangezogen wird.
Offen bleibt weiterhin, wie sich das Modell im Alltag gegenüber der Konkurrenz schlägt, ob die aggressive Preisgestaltung für Meta wirtschaftlich tragfähig ist und wie OpenAI, Anthropic oder Google reagieren werden — Stellungnahmen dazu liegen bislang nicht vor. Auch der Rollout-Zeitplan außerhalb der USA ist derzeit nicht abschließend verifizierbar.
Was passiert ist
Meta hat laut übereinstimmenden Berichten am 9. Juli 2026 mit Muse Spark 1.1 erstmals ein eigenes KI-Modell gegen Bezahlung zugänglich gemacht. Über eine neue, laut Angaben OpenAI-kompatible Entwickler-API können Kundinnen und Kunden künftig direkt auf das Modell zugreifen — bislang zunächst als Public Preview mit Fokus auf die USA. Damit vollzieht der Konzern einen Kurswechsel: Statt wie bei den bisherigen Llama-Modellen auf offene, kostenlose Verfügbarkeit zu setzen, verfolgt Meta mit Spark nun ein kommerzielles API-Geschäft nach dem Vorbild von OpenAI, Anthropic oder Google.
Was die Quellen zeigen
Mehrere unabhängige Medien nennen übereinstimmend eine Preisgestaltung von rund 1,25 US-Dollar pro Million Input-Token und 4,25 US-Dollar pro Million Output-Token. Das liegt laut den vorliegenden Berichten deutlich unter den vergleichbaren Tarifen von OpenAI und Anthropic und auch unter dem erst kurz zuvor veröffentlichten Grok 4.5 von xAI. Als technische Eckpunkte werden ein Kontextfenster von rund einer Million Token sowie eine Ausrichtung auf agentische Aufgaben wie Tool- und Computer-Nutzung sowie große Coding- und Migrationsprojekte genannt.
Neu hinzugekommen sind seit dem ursprünglichen Bericht Auswertungen der unabhängigen Benchmark-Organisation Artificial Analysis, die eine eigenständige Einordnung jenseits von Metas eigener Kommunikation liefern. Demnach erreicht Muse Spark 1.1 auf dem Intelligence Index einen Score von 51 Punkten — ein Plus von acht Punkten gegenüber der Vorversion innerhalb von rund drei Monaten. Die Halluzinationsrate soll von 73 auf 38 Prozent gesunken sein, wobei das Modell zugleich seltener überhaupt eine Antwort versucht (95 statt zuvor 82 Prozent der Fälle) und bei annähernd gleichbleibender Genauigkeit auskommt. Bei den Kosten schätzt Artificial Analysis rund 0,26 US-Dollar pro Intelligence-Index-Aufgabe für Muse Spark 1.1, gegenüber rund 0,37 US-Dollar bei GLM-5.2.
Beim direkten Coding-Vergleich mit GLM-5.2 zeigt sich in den gesichteten Quellen dagegen ein uneinheitliches Bild: Je nach herangezogenem Teilindex liegt einmal Muse Spark 1.1 knapp vorn, in anderen Auswertungen (etwa bei prozentualer Rangeinordnung) wiederum GLM-5.2. Das dürfte auch daran liegen, dass unterschiedliche Testharnische und Indizes — etwa “Coding Index” versus “Coding Agent Index” — nicht direkt vergleichbar sind. In diesem Zusammenhang wird zudem auf einen öffentlichen Auftritt von Meta-Chef Mark Zuckerberg verwiesen, der die eigene Preisgestaltung als deutlich günstiger als jene der Konkurrenz beschrieben haben soll; ein von Medien genannter Codename “Watermelon” für ein künftiges Modell ließ sich in der eigenständigen Recherche für dieses Update nicht in unabhängigen Quellen bestätigen. Ebenfalls genannt werden geplante Investitionen von rund 125 bis 145 Milliarden US-Dollar in KI-Infrastruktur im laufenden Jahr — eine Größenordnung, die sich auf Metas gesamte KI-Infrastruktur bezieht und in mehreren Wirtschaftsmedien wiederholt auftaucht, aber nicht anhand eines Finanzdokuments von Meta selbst nachvollzogen wurde.
Was unklar bleibt
Mit den Auswertungen von Artificial Analysis liegt inzwischen eine erste unabhängige Einordnung vor, die über die reine Wiedergabe von Metas Ankündigung hinausgeht. Sie klärt aber nicht restlos, wie Muse Spark 1.1 im direkten Coding-Vergleich zu GLM-5.2 tatsächlich abschneidet — dazu widersprechen sich die gesichteten Quellen je nach Teilindex. Öffentliche Reaktionen der Konkurrenten OpenAI, Anthropic oder Google auf die Preisoffensive fehlen weiterhin vollständig. Offen ist zudem, ob die aggressive Preisgestaltung für Meta wirtschaftlich tragfähig ist oder eher eine kurzfristige Strategie zur Marktanteilsgewinnung darstellt — mit entsprechend unklaren Folgen für die eigene Kostenstruktur. Auch der Zeitplan für eine Verfügbarkeit außerhalb der USA, etwa in Österreich oder der EU, ist derzeit nicht abschließend verifizierbar.
Einordnung
Der Schritt reiht sich in einen seit Monaten anhaltenden Preiskampf zwischen den großen KI-Anbietern ein, in dem Anbieter mit sinkenden Token-Preisen um Entwicklerinnen und Entwickler sowie Unternehmenskunden konkurrieren. Für kleinere, auf reine Modellentwicklung fokussierte Anbieter könnte ein finanzstarker Konzern wie Meta mit noch aggressiveren Preisen den wirtschaftlichen Druck erhöhen. Die inzwischen vorliegenden unabhängigen Benchmark-Daten von Artificial Analysis zeichnen dabei ein differenzierteres Bild als Metas eigene Ankündigung allein: Bei Kosten und Halluzinationsrate zeigen sich klare Fortschritte, beim direkten Coding-Vergleich mit Wettbewerbern wie GLM-5.2 bleibt die Lage je nach Messmethode uneindeutig. Wie belastbar die Gesamteinschätzung ist, lässt sich auf Basis der aktuellen Quellenlage — weiterhin ohne Stellungnahmen der Konkurrenz — nur vorsichtig beurteilen.