Zum Inhalt springen
CrucibleMark

Meta Muse Spark 1.2

Muse Spark 1.2 ist Metas proprietäres Frontier-Modell vom 5. August 2026 für Coding und agentische Workflows, veröffentlicht von Meta Superintelligence Labs zusammen mit dem Terminal-Agenten Muse Code, mit dem es co-trainiert wurde. Das Cloud-only-Modell unter US-Jurisdiktion (CLOUD Act) verarbeitet Text, Bild, Video und Audio bei 1.048.576 Tokens Kontext (max. 131.072 Output) und bietet konfigurierbaren Reasoning-Effort bis ‘xhigh’.

Meta Version 1.2 Kommerzielle Nutzung erlaubt Dense 1024 K Context $1.25 / $4.25 per 1M

  • Proprietär
  • Frontier
  • OpenRouter
  • Text
  • Vision
  • Audio
  • Video
  • Long Context
  • Agentic Orchestrator
  • Real-Time

Sovereign Risk: MEDIUM Meta ist ein US-amerikanisches Unternehmen und unterliegt dem CLOUD Act; die Modellgewichte sind proprietär und nicht öffentlich zugänglich (kein Self-Hosting, kein Fine-Tuning möglich). Meta bietet zusätzlich einen ‘Contributor’-Preistarif an, bei dem Nutzer im Austausch für stark reduzierte Kosten zustimmen, dass ihre Prompts zum Training zukünftiger Meta-Modelle verwendet werden — bei diesem Tarif erhöht sich das faktische Datenrisiko gegenüber dem Standardtarif deutlich.

Tool-Use-Profil: 6 Assets im Detail

Vergleich der Asset-Performance (P1/P2/Combined) gegenüber dem Flotten-Durchschnitt

Asset-Performance (Radar)

Score Breakdown vs. Fleet Average

Tool-Use-Details

Asset-Performance, Zuverlässigkeit und Laufzeit-Profil

Name P1 P2 Combined
EU License Research 100 40 64
HTTP Fetch & Extract 80 40 60
Tool Failure Handling (404) 40 40 37
Web Search & Tool Selection 100 80 91
URL Construction & Fetch 80 80 80
Multilingual Search & Synthesis 100 80 90

CrucibleMark prüft Tool-Use in 6 voneinander unabhängigen Tests. Klicken Sie auf einen Test-Namen für die Details.

Reliability

  • Tool Call Valid: Nein
  • Retry: Nicht erforderlich
  • Halluzination: Nicht erkannt

Reliability misst, wie verlässlich ein Modell Werkzeugaufrufe tatsächlich ausführt: Tool Call Valid Schema und Format akzeptiert, Retry Required erst nach Wiederholung erfolgreich, Halluzination Flag erfundene Tools oder Parameter erkannt. Alle drei grün bedeutet produktionstauglich.

Betriebsprofil

Call 1
2.87
First Request
MCP
2.18
Protocol Latency
Synthesis
14.38
Response Generation
Total
116.58
Sum of All Phases
Token
18517
Input + Output
Cost
$0
Cost per Run

Das Betriebsprofil zeigt die Laufzeit- und Kostenkennzahlen des Modell-Laufs: Call 1 First Request, MCP Protocol Latency, Synthesis Response Generation, Total Summe aller Phasen, erganzt um Token Input und Output sowie Cost Kosten pro Lauf.

Tool-Use-Review

Aktualisiert am · Long Context · Agentic Orchestrator

Deployment-Urteil

Bedingt deploy, weil das Modell trotz gutem Gesamtergebnis von 70.33 keinen durchgängig validen Tool-Call-Verlauf zeigt und damit für MCP-Pipelines nur unter enger Laufzeitkontrolle tragfähig ist.

Tool-Execution-Profil

Das Modell zeigt echte Werkzeugwahl-Intelligenz, aber keine Protokollsicherheit auf konstantem Produktionsniveau. Beim Test Web Search & Tool Selection, der prüft, ob ohne Hinweis zwischen Suche und direktem Abruf unterschieden wird, wählt es das richtige Werkzeug souverän. Das spricht gegen starres Musterverhalten. Auch beim Test Multilingual Search & Synthesis agiert es tool-seitig sicher. Schwächer wird es bei der Ausführung: Beim Test URL Construction & Fetch, der korrekte URL-Ableitung plus sauberen Abruf misst, ist die Leistung brauchbar, aber nicht deterministisch. HTTP Fetch & Extract bestätigt dieses Bild. Der Abruf klappt oft, die Präzision im Ablauf nicht immer. Kritisch ist der Befund tool_call_valid: false. Das ist kein Hinweis auf fehlendes Planen, sondern auf mangelnde MCP-Verlässlichkeit im letzten Meter. Für orchestrierte Tool-Ketten ist genau dieser letzte Meter entscheidend.

Synthesetreue

Wie gut verdichtet es Tool-Ergebnisse? Nur eingeschränkt verlässlich. Die P2-Signale liegen in mehreren Aufgaben bei 40, darunter EU License Research und HTTP Fetch & Extract, also genau dort, wo präzise Verdichtung von abgerufenen Fakten erwartet wird. Dagegen sind Web Search & Tool Selection, URL Construction & Fetch und Multilingual Search & Synthesis in der Zusammenführung klar stärker. Das Muster ist deutlich: gute Rechercheführung, schwankende Verdichtungsdisziplin.

Bleibt es im Tool-Ergebnis oder weicht es auf Training aus? Im Honeypot EU License Research, der prüft, ob aktuelle Lizenzrestriktionen wirklich aus Web-Quellen geholt werden, halluziniert es nicht. Das ist der wichtigste Vertrauensbefund. Das Modell driftet also nicht sichtbar in frei erfundene Compliance-Antworten ab, auch wenn die Verdichtung zu flach bleibt.

Fehlerresilienz

Beim Test Tool Failure Handling (404), der transparentes Verhalten bei einem fehlgeschlagenen Abruf misst, erfindet das Modell keinen Ersatzinhalt. Das ist akzeptabel für Produktion. Die Antwortqualität bleibt mit P2 40 jedoch knapp. Es bleibt also eher defensiv als wirklich robust. Für Pipelines ist das besser als kreative Fehlerkompensation.

Betriebsprofil

Total 116.58s. Call 1 2.87s. MCP-Latenz 2.18s. Call 2 14.38s. Langsam für den gezeigten Nutzwert. Kosten pro Run: local.

Fazit & Empfehlung

Geeignet für überwachte Agenten-Pipelines, in denen Tool-Wahl, Rechercheplanung und mehrsprachige Suche wichtiger sind als strikt deterministische MCP-Ausführung. Nicht geeignet für Compliance-, Registry- oder ETL-Pipelines, in denen jeder Tool-Call formal gültig sein und jede Verdichtung eng am abgerufenen Inhalt bleiben muss. Wer es einsetzt, sollte harte Tool-Call-Validierung, Output-Schema-Prüfung und einen nachgelagerten Verifier verpflichtend machen.

Diese Auswertung wurde automatisch auf Grundlage der Benchmark-Daten generiert. Eingesetztes Modell: GPT 4.5 von OpenAI. Die Rohdaten und die vollständige Methodik sind im GitHub-Projekt dokumentiert.