Das Modell wurde vor allem auf Aufgaben mit langer Laufzeit trainiert, etwa das Erzeugen ganzer Repositories oder eigenständige Recherche. Damit es dabei die Richtung hält, plant es Schritte vorab, arbeitet auf ein fest gesetztes Ziel hin und komprimiert seinen bisherigen Verlauf, statt ihn abzuschneiden.
Ein Teil der Trainingsdaten stammt aus dem Vorgängermodell selbst: Muse Spark 1.1 erzeugte Programmieraufgaben und Anweisungsvorlagen und bewertete anschließend, wie gut Lösungsversuche die Vorgaben erfüllten. Laut Meta befolgt 1.2 dadurch komplexe Anweisungen genauer als sein Vorgänger.
Bild: MetaAls Belege nennt Meta Terminal-Bench 2.1, DeepSWE v1.1 und 440 Aufgaben aus der eigenen Codebasis, verglichen mit Grok 4.5, Claude Opus 5, GPT-5.6 Terra – nicht das stärkste OpenAI-Modell Sol –, und Gemini 3.6 Flash. Spark 1.2 stellt demnach eine sichtbare Verbesserung gegenüber Spark 1.1 dar, findet allerdings nicht immer einen überzeugenden Anschluss an die Spitze.
Bild: MetaIn der Methodik hält Meta zudem fest, dass der Testaufbau nicht auf fremde Modelle abgestimmt ist und deren Bestleistung womöglich verfehlt. Das bestätigt ein Blick in andere Bestenlisten: Dort liegt Opus 5 etwa knapp zwei Prozentpunkte weiter vorn, als in Metas Darstellung. Interessanterweise taucht in der Methodik auch Kimi K3 auf. Das Unternehmen behauptet, sein Modell auch gegen das offene Modell getestet zu haben, auf den veröffentlichten Benchmarks fehlt es allerdings. Auf Terminal-Bench 2.1 liegt K3 etwa nur knapp hinter Opus 5 und damit klar vor Spark 1.2.
Die DeepSWE-Läufe sind zudem nicht mit dem offiziellen Leaderboard vergleichbar, weil jedes Modell in seinem eigenen Agenten lief. Denn Meta hat neben dem neuen Modell nun auch eine Alternative zu Claude Code und OpenAIs Codex.
Der Agent nimmt nach einem Absturz die Arbeit wieder auf
Muse Code läuft im Terminal und wird mit einem einzigen Befehl installiert, so wie Claude Code und OpenAIs Codex. Auch der Planungsmodus ist soweit bekannt: "/plan" legt einen Plan vor, den der Nutzer freigeben muss. Ungewöhnlicher ist der Gegenbefehl "/grill", der diesen Plan vor dem Start auf Schwachstellen abklopft. Dazu kommt "/goal", das auf ein festes Ziel hinarbeitet.
Eine echte Neuerung ist aber der Umgang des Tools mit Subagenten: Metas Hilfsagenten bleiben eine ganze Sitzung über aktiv und melden sich selbst, wenn sie etwas mitzuteilen haben, statt für eine Teilaufgabe gestartet und danach beendet zu werden. Das soll doppelte Recherche sparen.
Dazu gibt es ein Feature für eine schnelle Fortführung von Arbeit nach Abstürzen. Der Agent schreibt jeden Modellaufruf, jede Freigabe und jede Änderung in ein lokales Protokoll. Vollständige Protokolle führen die Konkurrenten ebenfalls, Meta beansprucht nur mehr Genauigkeit: Nach einem Absturz soll Muse Code exakt an der Abbruchstelle weitermachen, statt sich neu einzulesen.
Rabatt gegen Trainingsdaten
Wang sagt, Meta grenze sich über den Preis ab, nicht über die Fähigkeiten. Tatsächlich entspricht der Standardtarif dem von Version 1.1: vergleichsweise günstige 1,25 Dollar pro Million Input-Token, 4,25 Dollar pro Million Output-Token. Neu ist dazu ein Tarif für lediglich 20 Cent pro Million Output-Token, der allerdings voraussetzt, dass Nutzer ihre Daten zur Modellverbesserung freigeben.
Westliche Konkurrenzmodelle kosten beim Output zwischen 10 und 30 Dollar, chinesische Anbieter ab 18 Cent. Die auffälligste Benchmarklücke Kimi Ki3 kostet 3 Dollar pro Million Input-Token und 15 Dollar pro Million Output-Token, mit Cache-Hit allerdings nur 30 Cent für Input.
Metas Aktie fiel vergangene Woche um zehn Prozent. Meta erzielt 98 Prozent seines Umsatzes mit Werbung.
