Onafhankelijke test zet Muse Spark 1.1 net boven GLM-5.2 op coding

Muse Spark 1.1 van Meta scoort in de eerste onafhankelijke test van Artificial Analysis 71,3 op de coding-index, net boven het open model GLM-5.2 dat op 68,8 blijft, en draait tegelijk goedkoper per taak.

Toen Meta het model twee dagen eerder uitbracht, was de prijs het nieuws en ontbraken onafhankelijke cijfers nog. Die zijn er nu, en ze scherpen de rekensom aan voor een Nederlands ontwikkelteam dat een coding-agent kiest. Het gaat niet langer om Meta's eigen benchmark: een externe meetlat legt Muse Spark 1.1 naast de rest van de markt. Meta bracht Muse Spark 1.1 twee dagen eerder uit tegen een kwart van de invoerprijs van Claude Opus 4.8, maar de prestatieclaim was toen nog van de maker zelf. Nu blijkt dat het op coding nipt voor het populaire GLM-5.2 uitkomt, voor minder geld per taak.

De cijfers naast elkaar

Op de coding-index van Artificial Analysis, het gewogen gemiddelde van programmeerbenchmarks, zet de test Muse Spark 1.1 op 71,3 tegen 68,8 voor GLM-5.2. Het verschil is klein, en Muse Spark 1.1 is niet de koploper: GPT-5.6 Sol staat op 77,4 en Claude Opus 4.8 op 74,3. Op de bredere Intelligence Index, die negen tests combineert, eindigen Muse Spark 1.1 en GLM-5.2 zelfs precies gelijk op 51.

Het onderscheid zit in de kosten. Meta rekent 1,25 dollar per miljoen invoertokens en 4,25 dollar per miljoen uitvoertokens, en daarmee kost een index-taak ongeveer 0,26 dollar, tegen 0,37 dollar voor GLM-5.2. Een deel van dat voordeel komt uit zuinigheid: Muse Spark 1.1 had 94 miljoen uitvoertokens nodig om de hele index te draaien, tegen 141 miljoen voor GLM-5.2. Minder tokens voor hetzelfde werk betekent een lagere rekening bij een agent die de hele dag doordraait.

Wat het verschil waard is

Een marge van tweeënhalve punt maakt van Muse Spark 1.1 geen ander gewicht dan GLM-5.2: het zijn twee modellen die op elkaars niveau presteren, met een klein prijsvoordeel voor de nieuwkomer. De echte keuze zit ergens anders. Muse Spark 1.1 is een gesloten model, voorlopig alleen in preview voor Amerikaanse ontwikkelaars en niet zelf te draaien. GLM-5.2 is open-weight: je kunt het op eigen infrastructuur zetten, al reist je broncode bij de cloud-variant naar een Chinese aanbieder.

Dat GLM-5.2 als serieuze maatstaf geldt, is geen toeval. Databricks koos het open model als standaard codeermodel voor zijn eigen ontwikkelaars nadat het Opus 4.8 evenaarde voor ongeveer een derde minder per taak, en eerder liet het model al zien dat het GPT-5.5 op coding versloeg voor een zesde van de prijs. Muse Spark 1.1 klopt nu op dezelfde deur, maar dan als gesloten API.

Waar dit heen wijst

De strijd tussen de labs verschuift zichtbaar van de ranglijst naar de kosten per token en het aantal tokens dat een model nodig heeft. Een onafhankelijke meetlat die een gesloten Amerikaans model gelijk zet aan het sterkste open Chinese model, en het op coding net erboven, maakt de modelkeuze scherper in plaats van makkelijker. Voor wie een coding-agent inzet, telt straks minder welk logo bovenaan een benchmark staat, en meer wat een taak werkelijk kost en waar je code tijdens het werk terechtkomt.