Muse Spark 1.1: Meta unterbietet Anthropic und OpenAI im Preis
Kurzfassung
Metas Muse Spark 1.1 startet bei 4,25 Dollar pro Million Output-Token, angeblich ein Viertel der Preise von Anthropic und OpenAI. Die Benchmarks lassen aber genau deren neueste Modelle aus. Hält der Rabatt, was er verspricht?
Meta hat gestern den bezahlten API-Zugang zu Muse Spark 1.1 geöffnet, mit einem Preis von 4,25 Dollar pro Million Output-Token. CEO Mark Zuckerberg sagt, das liege bei etwa einem Viertel dessen, was Anthropic und OpenAI für ihre Flaggschiffmodelle verlangen. In derselben Woche wurde ein internes Memo bekannt, wonach Meta dieses Jahr 145 Milliarden Dollar in KI-Infrastruktur investieren will. Der Preiskampf ist real. Die offene Frage ist, an welchen Modellen dieses „Viertel” eigentlich gemessen wird.
Meine These: Zuckerbergs Viertel-Preis-Vergleich bezieht sich nicht auf Anthropics aktuelles Flaggschiff Fable 5 oder OpenAIs GPT-5.6, sondern auf ältere Flaggschiff-Preise von vor den jeweiligen Preissenkungen. Wer bereits Coding-Agent-Workloads in Produktion betreibt, sollte dieselbe Aufgabenserie einmal durch Muse Spark 1.1 und Sonnet 5 laufen lassen und dabei Wiederholungsversuche in die Gesamtkosten einrechnen. Landet der tatsächliche Preis pro Aufgabe dann noch bei einem Viertel? Ich würde die Zahlen gerne sehen.
Was passiert ist
Muse Spark 1.1 ist das zweite Modell aus Alexandr Wangs Meta Superintelligence Labs, nach dem ursprünglichen Muse Spark im April. Die Version vom 9. Juli ist die erste, die klar auf den Produktionseinsatz zielt. Meta positioniert sie als multimodales Reasoning-Modell für agentische Aufgaben mit einem Kontextfenster von einer Million Token, das laut Unternehmen ältere Informationen aktiv komprimiert, damit spätere Schritte einer Aufgabe wichtige Details aus früheren Phasen behalten. Zu den Fähigkeiten zählen Tool-Nutzung, Computersteuerung über mehrere Anwendungen hinweg, Coding und Debugging, die Umwandlung visueller Vorlagen in Code sowie parallele Multi-Agenten-Orchestrierung, bei der eine Aufgabe in mehrere gleichzeitig laufende Teilaufgaben zerlegt wird.
Am 10. Juli öffnete die bezahlte Meta Model API in der öffentlichen Vorschau für US-Entwickler, zum Preis von 1,25 Dollar pro Million Input-Token und 4,25 Dollar pro Million Output-Token, neue Konten erhalten 20 Dollar Startguthaben. Zuckerberg nannte die Preisgestaltung gegenüber CNBC „sehr aggressiv”, etwa ein Viertel dessen, was Anthropic und OpenAI für vergleichbare Modelle verlangen. Die API nutzt ein zu OpenAI kompatibles Format, Code, der bereits an GPT-Endpunkte angebunden ist, lässt sich mit wenigen Konfigurationsänderungen umstellen.
Bei den Benchmarks behauptet Meta, Muse Spark 1.1 schlage Googles neuestes Gemini-Modell bei Coding und Reasoning und liege auch vor älteren Modellen von OpenAI und Anthropic. In der veröffentlichten Vergleichstabelle fehlen jedoch Anthropics aktuelle Flaggschiffe Fable 5 und Mythos 5 sowie OpenAIs GPT-5.6, das erst vergangene Woche vollständig veröffentlicht wurde. Der Bericht von Fortune weist darauf hin, dass Muse Spark 1.1 bei mindestens einem Coding-Benchmark weiterhin hinter allen drei tatsächlichen Flaggschiffen zurückliegt. Zuckerberg selbst räumte beim Launch ein, Metas Modelle lägen „an manchen Stellen noch hinter der Konkurrenz”.
Was die Zahlen wirklich bedeuten
Zunächst das „Viertel des Preises” auseinandernehmen. Anthropics Sonnet 5 kostet derzeit im Einführungstarif 2 Dollar Input und 10 Dollar Output pro Million Token, ab Ende August steigt das auf 3 und 15 Dollar. Muse Spark 1.1s Output-Preis von 4,25 Dollar liegt deutlich unter der Hälfte von Sonnet 5, aber eben nicht bei einem Viertel. Gemessen am Flaggschiff Opus 4.8 mit 25 Dollar pro Million Output-Token geht die Viertel-Rechnung dagegen sauber auf. Zuckerbergs gewählte Vergleichsbasis ist mit hoher Wahrscheinlichkeit die Top-Stufe, nicht das Modell, mit dem Muse Spark 1.1 tatsächlich um Marktanteile konkurriert. Preislich eine kluge Rahmung, wer aber selbst nachrechnen will, sollte wissen, welche Stufe da verglichen wird.
Die Ersparnis funktioniert nur, wenn dieselbe Aufgabe mit einer vergleichbaren Anzahl Token erledigt wird. Liegt die Genauigkeit von Muse Spark 1.1 bei komplexen Coding-Aufgaben hinter Fable 5 oder GPT-5.6, brauchen Entwickler zusätzliche Wiederholungsversuche für ein brauchbares Ergebnis, und dieser Mehrverbrauch frisst den günstigeren Einzelpreis schnell wieder auf. Fortune hat bereits mindestens einen Benchmark benannt, bei dem Muse Spark 1.1 zurückliegt. Ob sich diese Lücke tatsächlich in mehr verbrauchten Token pro erledigter Aufgabe niederschlägt, ist bislang unabhängig nicht überprüft, und Meta hat weder Wiederholungsraten noch Aufgabenabschlussquoten veröffentlicht, also genau die Kennzahlen, die die Kostenfrage klären würden.
Ein Blick auf die Infrastruktur dahinter lohnt sich. Meta plant, dieses Jahr bis zu 145 Milliarden Dollar in KI-Infrastruktur zu investieren. Dasselbe durchgesickerte Memo beschreibt den hauseigenen Chip „Iris”, der im September in Produktion geht, entwickelt gemeinsam mit Broadcom und gefertigt von TSMC, mit dem Ziel, die Gesamtrechenleistung bis 2027 auf 14 Gigawatt zu verdoppeln. Bei der aktuellen API-Preisstruktur macht ein monatlicher Umsatz im zweistelligen Millionenbereich gegenüber einem Infrastrukturbudget von 145 Milliarden Dollar kaum einen Unterschied. Muse Spark 1.1 wirkt derzeit weniger wie eine eigenständige Umsatzquelle, sondern eher wie eine Stütze für die tägliche Nutzung der Meta-AI-App, während gleichzeitig getestet wird, wie Entwickler auf aggressive Preise reagieren.
Ein weiterer Kontext, der leicht übersehen wird. Metas Llama-4-Benchmarkergebnisse gerieten letztes Jahr in die Kritik, nachdem bekannt wurde, dass die für das LMArena-Leaderboard eingereichte Version nicht mit dem öffentlich ausgelieferten Modell identisch war. Vor diesem Hintergrund ist die Entscheidung, in dieser Vergleichstabelle ausgerechnet die beiden stärksten Rivalen auszulassen, ein guter Grund, selbst berichtete Siege wie „schlägt Gemini” erst einmal mit Vorsicht zu behandeln, bis jemand anderes nachrechnet. Metas eigene Roadmap setzt bereits auf ein künftiges Modell mit dem Codenamen „Watermelon” als das Modell, das den Abstand zur Konkurrenz tatsächlich schließen soll, was im Umkehrschluss ein Eingeständnis ist, dass Muse Spark 1.1 dort noch nicht steht.
Kennzahlen, die es zu beobachten gilt
Drei Dinge sollten innerhalb weniger Monate Klarheit bringen. Erstens, ob Tracker für API-Traffic wie OpenRouter zeigen, dass Entwickler tatsächlich Produktions-Workloads zu Muse Spark 1.1 verlagern und nicht nur einmalig das Startguthaben verbrauchen. Zweitens, ob unabhängige Benchmark-Gruppen Muse Spark 1.1 direkt gegen Fable 5 und GPT-5.6 in derselben Tabelle antreten lassen. Vermeidet Meta diesen Vergleich weiterhin selbst, sagt das bereits viel darüber aus, wie das Ergebnis vermutlich ausfallen würde. Drittens, wann Watermelon erscheint und ob Meta das Modell dann endlich direkt gegen die Flaggschiffe beider Rivalen in einem veröffentlichten Benchmark antreten lässt.
Ebenfalls beobachtenswert: Ausbeute und tatsächlicher Einsatzmaßstab, sobald der Iris-Chip im September in Produktion geht. Ob hauseigene Chips die Kostenstruktur dieses Preiskampfs überhaupt tragen können, entscheidet mehr als jeder einzelne Modell-Launch.
Wenn dieser Artikel hilfreich war, abonniere den Newsletter für wöchentliche KI-PM-Einblicke.
Quellen: Meta AI Blog, Fortune, TechTimes
Weiterführende Artikel:
Verwandte Artikel
Grok 4.5 unterbietet Opus 4.8 um das Vierfache: Wer knickt zuerst ein?
SpaceXAIs Grok 4.5 startet bei 6 Dollar pro Million Output-Token, ein Viertel des Opus-4.8-Preises, mit einer behaupteten 4,2-fachen Token-Effizienz. Die Benchmarks sind gemischt, aber die Preislogik dahinter ist die eigentliche Geschichte.
OpenAI plant drastische Preissenkungen: Claude Code zwingt zum Token-Preiskampf
Das Wall Street Journal berichtete am 11. Juni, dass OpenAI API-Token-Preissenkungen erwägt. Auslöser: Anthropics Claude Code wuchs explosionsartig und brachte das erste profitable Quartal. Mit dem Beginn des KI-Preiskampfs gewinnen Unternehmenskunden an Verhandlungsmacht.