Muse Spark 1.3 startet ohne Max Reasoning – die besten Werte kommen später

Meta hat Muse Spark 1.3 am 2. September 2026 in Muse Code und der Meta Model API gestartet. Die bisherigen Reasoning-Stufen sind verfügbar, doch Max Reasoning soll erst nach zusätzlichen Sicherheitstests folgen, wie Metas Launch-Beitrag festhält. Mehrere der höchsten veröffentlichten Benchmarkwerte gehören damit zu einer Konfiguration, die Entwickler noch nicht regulär einsetzen können.

Auch die unabhängige Berichterstattung vom 2. September bestätigt den Rollout und dieselbe Einschränkung: Axios’ Bericht zum Modellstart nennt Muse Code und Metas API als Startpunkte und beschreibt Max Reasoning als erst nach weiteren Sicherheitstests verfügbar. Für Entwickler ist Muse Spark 1.3 also bereits ein nutzbares Update für Coding- und Agentenaufgaben – nur noch nicht in der Denkstufe, aus der einige Spitzenwerte stammen.

Verfügbar ist das neue Modell, nicht seine höchste Denkstufe

Der Rollout umfasst Muse Spark 1.3 selbst und die schon zuvor angebotenen Reasoning-Einstellungen. Dazu gehört nach der veröffentlichten Einordnung auch xhigh. Einen festen Termin für Max Reasoning hat Meta nicht genannt; die Freigabe ist an den Abschluss weiterer Sicherheitstests gebunden.

Diese Trennung präzisiert auch die Aussage des Titels: Nicht die Messergebnisse werden erst später veröffentlicht, sondern die Konfiguration, mit der mehrere der besten Ergebnisse erzielt wurden. Die Werte sind bereits bekannt, können aber noch nicht als Leistung einer allgemein verfügbaren Produkteinstellung behandelt werden.

Meta positioniert die Version für länger laufende Coding- und Agentenaufgaben. Das Modell soll mehrere Arbeitsabläufe in einem langen Thread verfolgen, Werkzeuge zur Kontextbeschaffung einsetzen, Lücken im eigenen Plan erkennen und bei mehrdeutigen Vorgaben häufiger nachfragen. Vor folgenreichen Aktionen soll es zudem eine Bestätigung des Nutzers einholen.

Für Coding-Workflows nennt das Unternehmen interne Effizienzgewinne gegenüber Muse Spark 1.2: ungefähr 20 Prozent weniger Werkzeugaufrufe und rund 25 Prozent weniger Tokens in Vergleichen seiner Ingenieure. Diese Zahlen beschreiben Metas eigene Tests und sind keine allgemeine Zusage für jedes Repository, jeden Agenten-Harness oder jede Abbruchregel.

Die Spitzenwerte gehören nicht durchgehend zu xhigh

Die veröffentlichte Benchmarktabelle unterscheidet zwischen Muse Spark 1.3 mit xhigh und mit Max Reasoning. Der Vergleich von VentureBeat dokumentiert etwa 1.754 Elo für Max gegenüber 1.709 für xhigh bei GDPval-AA v2, 66,9 gegenüber 57,2 bei OSWorld 2.0 und 64,9 gegenüber 61,2 bei JobBench. Bei DeepSearchQA liegen beide Einstellungen dagegen bei 89,4; auf Terminal-Bench 2.1 erreicht xhigh 89,2 und Max 88,8.

Max gewinnt damit nicht automatisch in jeder Messung. Die zusätzliche Rechenleistung wirkt je nach Aufgabe unterschiedlich, und die heute verfügbare xhigh-Stufe kann in einzelnen Tests gleichziehen oder vorne liegen. Sachgerecht ist deshalb die Formulierung, dass mehrere Spitzenwerte aus Max Reasoning stammen – nicht, dass sämtliche Ergebnisse ohne Max zwangsläufig schlechter ausfallen.

Auch generationenübergreifende Vergleiche werden unsauber, wenn Muse Spark 1.3 mit Max gegen Muse Spark 1.2 oder ein Konkurrenzmodell auf einer niedrigeren Denkstufe antritt. Ein Teil des gemessenen Abstands kann dann aus dem Modellwechsel stammen, ein anderer aus einem höheren Reasoning-Budget. Aus einer Ranglistenposition allein lässt sich diese Differenz nicht herauslesen.

Für Modellvergleiche zählt die tatsächlich einsetzbare Konfiguration

Für eine aktuelle Beschaffungs- oder Migrationsentscheidung ist xhigh die belastbarere Referenz, solange Max Reasoning nicht allgemein freigegeben ist. Max-Werte zeigen ein mögliches oberes Leistungsniveau, aber noch keine Konfiguration, die ein Entwicklerteam unter regulären Bedingungen reproduzieren kann.

Darüber hinaus muss der Testaufbau übereinstimmen. Agentische Evaluationen messen nicht nur das Sprachmodell, sondern die Kombination aus Modell, Werkzeugzugriff, Sandbox, Kontextverwaltung und Steuerlogik. Unterschiedliche Wiederholungsversuche, Zeitlimits oder Möglichkeiten zur Werkzeugnutzung können das Ergebnis verschieben, selbst wenn derselbe Aufgabenname verwendet wird.

• Beide Modelle benötigen denselben Aufgabensatz und denselben Harness.
• Token-, Zeit- und Werkzeugbudgets müssen übereinstimmen.
• Abbruchregeln, Wiederholungen und menschliche Eingriffe sind vorab festzulegen.
• Neben der Erfolgsquote gehören Laufzeit, Tokenverbrauch, Werkzeugaufrufe und Fehlerarten in die Auswertung.

Diese Bedingungen erklären zugleich, warum Metas interne Effizienzangaben und Resultate aus breiteren unabhängigen Tests voneinander abweichen können, ohne sich direkt zu widersprechen. Entscheidend sind jeweils Aufgabentyp, Harness, Reasoning-Stufe und Budget.

Die Tokenpreise bleiben gleich, Max bleibt eine offene Kostenfrage

Für die Standard-API werden weiterhin 1,25 US-Dollar je Million Input-Tokens, 4,25 Dollar je Million Output-Tokens und 0,15 Dollar je Million gecachter Input-Tokens genannt. Der Contributor-Tarif kostet 0,10 Dollar für Input und 0,20 Dollar für Output je Million Tokens, erlaubt Meta im Gegenzug aber die Nutzung von Prompts und Antworten zum Modelltraining.

Damit unterscheiden sich die Tarife nicht nur im Preis, sondern auch in der Datenverwendung. Bei proprietärem Code oder vertraulichen Unternehmensdaten ist diese Bedingung unabhängig von der möglichen Ersparnis zu bewerten. Der Preis pro Token beschreibt zudem nicht die vollständigen Kosten einer Agentenaufgabe: Auch Anzahl und Länge der Durchläufe, Werkzeugaufrufe, Rückfragen und Fehlversuche wirken sich aus.

Für Max Reasoning sind weder ein eigener Preis noch ein verbindlicher Veröffentlichungstermin bestätigt. Ob die höhere Denkstufe mehr Tokens, andere Limits oder einen abweichenden Tarif mit sich bringt, bleibt daher offen. Kostenrechnungen auf Grundlage der Max-Benchmarks wären zum jetzigen Stand spekulativ.

Was nach dem Start noch geklärt werden muss

Fest steht: Muse Spark 1.3 ist seit dem 2. September 2026 in Muse Code und der Meta Model API verfügbar, während Max Reasoning weitere Sicherheitstests durchläuft. Ebenfalls fest steht, dass einige der stärksten veröffentlichten Resultate mit dieser noch nicht regulär verfügbaren Stufe erzielt wurden.

Unbekannt sind der genaue Freigabetermin, mögliche Zugangsbeschränkungen und die Preisgestaltung von Max Reasoning. Bis Meta diese Punkte veröffentlicht, sollten Leistungsrankings die Reasoning-Stufe sichtbar ausweisen. Nur so bleibt erkennbar, welche Werte das heute nutzbare Produkt beschreiben und welche lediglich das später erwartete obere Leistungsniveau markieren.

Lesen Sie auch:

• OpenAI-Agenten brachen aus der Sandbox aus – der Bericht nennt die Warnzeichen
• QScan und QTRouter abgeschaltet: Die Einbrüche reichen bis NASA und Fed
• SAFE oder Wandeldarlehen: Der schnellere Vertrag kann später teurer werden