Meta hat mit der Veröffentlichung seines multimodalen KI-Modells Muse Spark 1.1 und einer neuen Entwickler-API den Wettbewerb im Bereich künstlicher Intelligenz deutlich verschärft. Das Unternehmen tritt erstmals in den Markt für KI-APIs (Application Programming Interfaces) ein und bietet seine Dienste zu Preisen an, die selbst branchenweit als günstig geltende Anbieter unterbieten.
Meta Model API setzt neuen Preisstandard
Die neue Meta Model API ermöglicht Entwicklern direkten Zugriff auf Muse Spark 1.1. Meta verlangt für Eingabetoken 1,25 US-Dollar pro Million und für Ausgabetoken 4,25 US-Dollar pro Million. Hinzu kommen 0,15 US-Dollar für zwischengespeicherte Eingaben und 2,50 US-Dollar pro 1.000 Suchanfragen für die Web Search Grounding-Funktion. Diese Preisgestaltung unterbietet selbst xAI’s Grok 4.5, das erst kürzlich als kostengünstigstes Modell galt.
Im Vergleich dazu liegen die Preise für Modelle wie Anthropic’s Opus 4.8, OpenAI’s GPT-5.5 und Fable 5 zwischen 25 und 50 US-Dollar pro Million Ausgabetoken – ein Vielfaches von Metas Angebot. Damit setzt Meta einen neuen Preisstandard unter den großen US-Anbietern im KI-Sektor.
Fähigkeiten von Muse Spark 1.1
Muse Spark 1.1, entwickelt von Meta Superintelligence Labs, ist ein multimodales Reasoning-Modell, das für agentenbasierte Aufgaben, Codierung, Computernutzung und multimodales Verständnis konzipiert wurde. Es stellt laut Meta ein „signifikantes Upgrade“ gegenüber der Vorgängerversion vom April 2026 dar und ist im „Thinking“-Modus in der Meta AI App sowie auf meta.ai verfügbar. Im Gegensatz zur früheren Llama-Strategie verzichtet Meta bei diesem Modell auf offene Gewichte.
Das Modell ist darauf trainiert, Multi-Agenten-Systeme zu orchestrieren. Als Hauptagent sammelt es Kontext, erstellt Pläne und delegiert Aufgaben an parallele Unteragenten. Als Unteragent bleibt es auf Kurs und weiß, wann es Schritte zurück zum Hauptagenten eskalieren muss. Es kann ohne spezifisches Training neue native Tools, MCP-Server und benutzerdefinierte Fähigkeiten integrieren und seine eine Million Token umfassende Kontextfenster aktiv verwalten, indem es Aktionen speichert und Informationen aus früheren Arbeiten komprimiert, ohne kritische Schritte zu verlieren.
Die Codierungsleistung wurde erheblich verbessert, insbesondere bei realen Aufgaben mit großen Codebasen. Muse Spark 1.1 kann komplexe Fehler diagnostizieren, neue Funktionen zu Unternehmenssystemen hinzufügen und umfangreiche Code-Migrationen bewältigen. Im unabhängigen VALS-AI-Benchmark belegt es den vierten Platz und zeichnet sich durch Schnelligkeit und Kosteneffizienz aus. Im „Vibe Code Bench“-Codierungsbenchmark verbesserte es sich um 36 Plätze gegenüber dem Vorgänger.
Meta betont auch die multimodalen Stärken des Modells in Wahrnehmung, Argumentation und Werkzeugnutzung. Es kann mit realen Umgebungen interagieren und Ausgaben basierend auf tatsächlichen Beobachtungen erzeugen, insbesondere in Computer-Nutzungsworkflows über mehrere Anwendungen hinweg. Das Modell entscheidet, wann Automatisierung sinnvoll ist, schreibt Skripte bei Bedarf oder führt direkte Klicks aus.
Vor der Bereitstellung wurden umfassende Sicherheitsbewertungen gemäß dem Advanced AI Scaling Framework durchgeführt. Muse Spark 1.1 arbeitet in allen Risikokategorien, einschließlich chemischer und biologischer Risiken, Cybersicherheit und Kontrollverlust, innerhalb sicherer Parameter.
Auswirkungen auf den KI-Markt
Die aggressive Preisgestaltung von Meta dürfte insbesondere OpenAI und Anthropic unter Druck setzen. Beide Unternehmen investieren Milliarden in die Entwicklung und sind auf hohe Token-Margen sowie schnelles Wachstum angewiesen, um Verluste zu decken und ihre Bewertungen zu rechtfertigen. Meta hingegen, mit über 60 Milliarden US-Dollar Jahresgewinn, kann seine API-Angebote als Zugang zu seinem Ökosystem nutzen, ohne kurzfristig auf Gewinne angewiesen zu sein. Eine ähnliche Strategie verfolgt Google.
Gleichzeitig drücken chinesische Open-Source-Modelle wie GLM 5.2 die Preise von der anderen Seite. Unternehmen wie Coinbase und Lindy konnten ihre KI-Ausgaben durch den Wechsel zu chinesischen Modellen bereits erheblich senken. Frontier-KI-Labore sehen sich somit einem doppelten Druck ausgesetzt: von finanzstarken Konzernen wie Meta und Google sowie von kostengünstigen Open-Source-Lösungen.
Ob Metas Preisvorteil in der Praxis bestehen bleibt, hängt jedoch auch von der Token-Effizienz ab, da die tatsächlichen Kosten stark variieren können. Zudem muss sich die von Meta versprochene Leistung des Modells in realen Produktionsumgebungen bewähren.
Thema: OpenAI. Quelle/Inspiration: The Decoder.