Muse Spark 1.3: Metas neues KI-Modell meistert Coding-Agenten mit multimodaler Wahrnehmung

Ich habe angefangen, Spark 1.2 für die Entwicklung zu nutzen, denn wenn man bereit ist, Meta auf seinen Daten trainieren zu lassen, war es spottbillig und ich war wirklich angenehm überrascht. Es ist keineswegs ein Spitzenmodell, aber für Arbeiten, die kein Top-Modell erforderten, habe ich es wirklich gerne genutzt.

Ich vermenschliche es ein wenig, aber es fühlte sich an, als wüsste es um seine Schwächen und versuchte nicht, mir seine Meinung aufzudrängen. Was ich damit meine: Es tat, was ich ihm sagte, und wenn etwas Unerwartetes im Code war, den es ausgab, dann oft, weil ich ihm mehrdeutige oder widersprüchliche Anweisungen gegeben hatte. Es versuchte nicht, über sich hinauszuwachsen, sondern verhielt sich einfach wie ein Werkzeug, und das ist es, was ich zu 90 %+ der Zeit von einem Coding-Agenten will. Ich hatte auch das Gefühl, dass es etablierte Muster in meinem Code viel besser befolgte als viele andere aktuelle Modelle. Ich bin ein großer Fan der Modelle von OpenAI, und Spark 1.2 ist das, was ich von 5.6 Luna erwartet hatte.

Ich bin neugierig und ein wenig aufgeregt, 1.3 zu nutzen, aber ehrlich gesagt auch ein wenig besorgt, dass Spark, während Meta nach besseren Benchmarks strebt, in die Falle tappen könnte, auf eine Weise „hilfreich“ zu sein, die ich nicht möchte.

Nebenbei: Als ich anfing, Spark 1.2 zu nutzen, wurde mir klar, wie sehr ich 5.3 Codex vermisse. Dieses Modell war meiner Meinung nach der Höhepunkt der Coding-Modelle, denn es wusste, wie man guten Code schreibt, versuchte aber nicht, überzustrapazieren oder auf unerwartete Weise „hilfreich“ zu sein. Das brachte mich zum Nachdenken: Die großen Labore scheinen sich von Coding-fokussierten Modellen abzuwenden […]

DeepSWE erreicht 75,4 – das ist die bisher beste Punktzahl. Und es ist wahnsinnig billig!

Google hatte heute für ein paar Stunden die Spitze mit Gemini 3.8 Flash inne, aber jetzt ist es Zweiter hinter Spark 1.3. Dieser ganze Wettbewerb wird die Preise nach unten treiben!

muse-spark-1.3-contributor. Sag, was du willst, und Meta – die Preisgestaltung so zu ändern, dass explizit gesagt wird „wir trainieren darauf und bewerten es so“ – ist genau das, was jeder Modellanbieter tun sollte. Nebenbei ist jetzt völlig offensichtlich, wie viel das Stehlen meiner Tokens für das Training den Modellanbietern wert ist. Ich vermeide es, zahle extra, versuche mein Bestes, um sicherzustellen, dass ich nicht trainiert werde, aber es scheint immer wieder aufzutauchen, dass ich irgendwo eine Einstellung übersehen habe. Dies ist die erste quantifizierbare Zahl, die ich von einem Modellanbieter gesehen habe. Vielleicht kann sie bei Klagen helfen, den Schadenersatz für Urheberrechtsverletzungen oder anderes zu beziffern?

Ein Modell, das (zumindest in Benchmarks) näher an SOTA herankommt. Eine klare Trennung zwischen dem, was zur Verbesserung ihrer Produkte verwendet wird, und dem, was nicht (zumindest behaupten sie das).

Gute Arbeit, Meta! Ernsthaft. Das lässt mich fast die 18-Milliarden-Dollar-Klage wegen Social-Media-Sucht bei Kindern vergessen.

Mir gefällt der Ansatz, eine rabattierte Version der API anzubieten, die für das Training verwendet wird, im Gegensatz zur Vollpreisversion. Scheint vernünftig und transparent.

Ich habe Muse Spark 1.2 benutzt und war überhaupt nicht beeindruckt. Schnell und billig, aber sogar GPT 5.6 Terra fühlte sich viel leistungsfähiger an. Außerdem möchte ich nicht unbedingt ein Unternehmen unterstützen, das gerade zu 18 Milliarden Dollar Schadenersatz für psychische Gesundheitsschäden verurteilt wurde.

Praktisch kostenlos für „Contributors“ bei 0,2 USD/Mtok. Das wird für Hobbyisten schwer abzulehnen sein.

Ich warte immer noch darauf, dass sie die Gewichte für Muse Spark 1.2 veröffentlichen, wie versprochen. Ich frage mich, ob sie dasselbe für 1.3 vorhaben, was verrückt wäre.

Die „Contributor“-Preisgestaltung ist hier das Highlight mit einem Rabatt von etwa dem 20-fachen, wenn man das Training mit den eigenen Daten erlaubt.

Das Modell scheint auf dem Papier mit Sol und Opus 5 gleichzuziehen (zugegebenermaßen bei einigen älteren/gesättigten Benchmarks, aber sehr wettbewerbsfähig für den Preis).

Statistiken:

1M Kontext, 0,10 $ Input/0,002 $ gecacht, 0,20 $ Output (Mtok)