Meta veröffentlicht KI-Modell Muse Spark 1.3 mit verbesserter Leistung, Top-Ergebnisse verzögert
Meta hat sein neues KI-Modell Muse Spark 1.3 vorgestellt, das eine verbesserte Leistung gegenüber seinem Vorgänger bietet. Die besten Benchmark-Ergebnisse des Modells werden jedoch mit einer Konfiguration erzielt, die noch nicht für Entwickler verfügbar ist.
Meta hat gestern sein neuestes KI-Modell, Muse Spark 1.3, vorgestellt, das schnellere Geschwindigkeiten und eine verbesserte Leistung in Benchmarks von Drittanbietern im Vergleich zu seiner Vorgängerversion zeigt. CEO Mark Zuckerberg bezeichnete die Veröffentlichung als Metas bedeutendsten Fortschritt bisher bei Kodierungs- und Agentenaufgaben.
Muse Spark 1.3 weist erhebliche Verbesserungen gegenüber der Version 1.2 vom März auf, insbesondere bei langlaufenden Agentenaufgaben. Die Entwicklern derzeit zugängliche Version bietet eines der stärksten Preis-Leistungs-Verhältnisse unter den führenden unabhängigen Modellen. Metas fortschrittlichste Ergebnisse stammen aus seiner "max reasoning"-Konfiguration, die derzeit abschließenden Sicherheitstests unterzogen wird und voraussichtlich bald veröffentlicht wird.
Die Version, die diese Woche über Metas Muse Code-Harness und API ausgerollt wird, nutzt zuvor verfügbare Reasoning-Einstellungen wie "xhigh". Dies wirft Fragen auf, wie nahe die derzeit einsetzbare Version für Unternehmen an "Frontier"-Fähigkeiten herankommt und zu welchem tatsächlichen Preis. Obwohl das veröffentlichte Modell sehr leistungsfähig ist, führt es derzeit keine Branchen-Benchmarks an.
Muse Spark 1.3's "xhigh"-Konfiguration positioniert es unter den führenden verfügbaren Modellen, übertrifft jedoch nicht die Spitzenleistungen von Konkurrenten wie Anthropic's Claude Fable 5.1. Dennoch stellt dies eine erhebliche Verbesserung gegenüber Muse Spark 1.2 dar, das in Kodierungs-Benchmarks generell hinter Konkurrenten zurückblieb. Die neue Iteration konkurriert nun effektiv mit Modellen von OpenAI und Anthropic in mehreren Kodierungs- und Agenten-Auswertungen.
Meta gibt außerdem an, dass das Modell einfacher zu bedienen ist, mehrere Arbeitsabläufe verwalten und den Einsatz von Werkzeugaufrufen sowie Token reduzieren kann. Diese operativen Effizienzsteigerungen könnten für Unternehmen wertvoller sein als geringfügige Änderungen in den Benchmark-Rankings. Meta hat seine API-Preise für das Modell im Zuge dieser Veröffentlichung nicht gesenkt.