Meta lanceert Muse Spark 1.3 met 25 procent minder tokens

Meta brengt Muse Spark 1.3 uit, een codeermodel dat volgens metingen van eigen engineers ongeveer 20 procent minder toolaanroepen en 25 procent minder tokens verbruikt dan versie 1.2, tegen precies dezelfde tokenprijs.

Dat verschil landt rechtstreeks op de maandrekening van een agent-pijplijn. De prijslijst van de Meta Model API blijft staan op 1,25 dollar per miljoen invoertokens en 4,25 dollar per miljoen uitvoertokens, bij een contextvenster van 1 miljoen tokens. Voor een team dat vandaag Muse Spark 1.2 in een codeeragent draait, verandert er dus niets aan het tarief en wel iets aan het verbruik. Bij 50 miljoen invoer- en 10 miljoen uitvoertokens per maand zakt een rekening van 105 dollar richting 79 dollar, zonder dat er een letter aan het contract verandert.

Dezelfde prijslijst, een kleinere rekening

Muse Spark 1.3 draait vanaf 2 september in codeeragent Muse Code en in de Meta Model API. Op Meta's ontwikkelaarskanaal staat dat de endpoints, SDK's en tarieven gelijk blijven en alleen het model-id verandert. De stand met de zwaarste redeneerinspanning komt later, nadat aanvullende veiligheidstests klaar zijn.

De goedkope contributor-tier blijft ook staan: 0,10 dollar invoer en 0,20 dollar uitvoer, in ruil voor toestemming om je prompts en de antwoorden van het model als trainingsmateriaal te gebruiken. Dat is dezelfde ruil die Meta aanbood toen Muse Spark 1.1 in juli op 1,25 dollar per miljoen invoertokens onder de prijs van Claude Opus dook.

Ter vergelijking staat GPT-5.6 Sol in de prijsdocumentatie van OpenAI op 4 dollar invoer en 20 dollar uitvoer per miljoen tokens, een actietarief dat tot minstens 21 november loopt. Hetzelfde maandverbruik kost daar 400 dollar. OpenAI haalde in augustus nog de uitvoerprijs van Sol met een derde omlaag naar 20 dollar per miljoen tokens en zit daarmee nog altijd ruim boven Meta.

Wat de scorekaart laat zien

Bij de release publiceert Meta een tabel met elf tests. Op codeerwerk staat Muse Spark 1.3 bovenaan: 75,4 procent op DeepSWE v1.1 tegen 74,0 voor Claude Opus 5 en 73,0 voor GPT-5.6 Sol, en 59,4 op SWE-Atlas Codebase QnA tegen respectievelijk 52,7 en 53,5. Op Terminal-Bench 2.1 komt het model uit op 88,8 procent, gelijk met Sol en boven Opus 5 met 86,7. Muse Spark 1.2 haalde daar 82,9, het cijfer waarmee Muse Code bij zijn lancering in augustus nog achterbleef op Claude Code.

Het grootste gat zit in lange context. Op MRCR v2 tussen 512.000 en 1 miljoen tokens scoort 1.3 een 98,1, tegen 73,8 voor Sol; versie 1.2 bleef daar op 55,5 steken. Voor een agent die een hele codebase inleest voordat hij iets aanraakt, is dat het verschil tussen terugvinden en opnieuw zoeken.

Buiten codeerwerk is het beeld gemengd. Op GDPVal-AA v2, dat agents op 220 echte beroepstaken beoordeelt, blijft Muse Spark 1.3 met een Elo van 1754 achter op Opus 5 met 1824. Op AutomationBench van Zapier, 600 zakelijke werkstromen, wint Opus 5 met 50,3 tegen 49,4. Bij agentisch browsen en instructies volgen ligt Sol voor, met 93,0 tegen 89,4 en 60,5 tegen 57,8.

De kleine lettertjes bij die cijfers

Alle scores komen van Meta zelf. In de methodologiebijlage schrijft het bedrijf dat zijn runs voor modellen van derden best-effort zijn: prompts, gereedschappen en runtime zijn niet afgestemd op die modellen en tonen mogelijk niet hun beste prestatie. Voor DeepSWE draaide Meta zijn eigen model met een mini-swe-agent en nam het de cijfers van de concurrenten over van het officiële leaderboard.

Er zit nog een oneffenheid in. De scorekaart zet Muse Spark 1.3 neer in de zwaarste redeneerstand, terwijl in dezelfde aankondiging staat dat die stand pas na de veiligheidstests beschikbaar komt. De bijlage vermeldt weer de lichtere stand xhigh voor beide Muse Spark-modellen en de zwaarste stand voor Opus 5 en GPT-5.6 Sol. Wie het model vandaag aanzet, draait dus niet noodzakelijk de configuratie die de tabel meet.

Onafhankelijke cijfers ontbreken voorlopig. Bij de vorige versie duurde dat twee dagen: toen zette de eerste externe meting van Artificial Analysis Muse Spark 1.1 op 71,3 op de coding-index, net boven het open model GLM-5.2 en ruim onder GPT-5.6 Sol. Tot zo'n meting er is, blijft de claim dat 1.3 Sol op coderen verslaat een claim van de maker.

Open weights staan op de routekaart

In de slotalinea van de aankondiging noemt Meta grotere modellen en een open-weights-release van Muse Spark als volgende stappen. Dat is opmerkelijk voor het bedrijf dat in juni zijn open Llama-lijn liet vallen en Muse Spark bewust gesloten hield. Er staat geen datum bij en geen versienummer, dus wie nu bouwt, bouwt op een gesloten API.

Muse Spark 1.3 is de vierde release in vijf maanden, sinds Meta in april met de eerste versie begon. Meta claimt in die reeks nooit de hoogste score, maar de verhouding tussen wat een taak kost en wat hij oplevert. Dat de winst dit keer niet in de prijslijst zit maar in het verbruik, laat zien waar de concurrentie tussen codeermodellen heen schuift. Een model dat een taak in minder rondes afmaakt, is goedkoper dan een model met een lager tarief dat blijft doorpraten. De zinnige meeteenheid voor een agent-pijplijn is daarmee niet het tarief per miljoen tokens, maar wat een afgeronde taak kost.