Gemeinsam mit der ebenfalls kürzlich vorgestellten Bild-KI Muse Image soll Muse Spark 1.1 Metas Vision einer „personal superintelligence“ voranbringen. Wir zeigen dir, wie leistungsfähig Muse Spark 1.1 ist, wie sich das Agent-Modell im Vergleich zu den aktuellen Frontier-Modellen schlägt und warum auch das API Pricing Aufmerksamkeit verdient.

Muse Spark macht Meta AI zum Voice-Wunder:
Diese Features sind neu

So koordiniert Muse Spark 1.1 mehrere KI-Agents

Muse Spark 1.1 hat Meta speziell für agentische Tasks entwickelt. Statt nur Texte oder Bilder zu generieren, soll das Modell Aufgaben planen, externe Tools nutzen und komplette Workflows eigenständig ausführen. Dafür arbeitet Muse Spark 1.1 wie ein Team aus KI-Agents: Ein Haupt-Agent koordiniert die Aufgabe, erstellt einen Plan und verteilt einzelne Arbeitsschritte an spezialisierte Agents. Da sie parallel arbeiten, sollen auch komplexe Projekte schneller abgeschlossen werden als mit dem vorherigen Modell. Neue Tools und Dienste kann Muse Spark 1.1 ohne zusätzliches Training einsetzen. Mit einem Kontextfenster von bis zu einer Million Token merkt sich das Modell Informationen über lange Arbeitsabläufe hinweg und kann später darauf zurückgreifen.

Wie sich das Modell laut Meta in Agent, Coding und multimodalen Benchmarks gegen GPT-5.5, Claude Opus 4.8 und Gemini 3.1 Pro schlägt, zeigt die folgende Übersicht.

Muse Spark 1.1 verbindet Sehen, Verstehen und Handeln

Neben Agent- und Coding-Funktionen verarbeitet Muse Spark 1.1 auch Bilder, Videos und Audiodaten. Das Modell soll visuelle und akustische Informationen analysieren, relevante Details über lange Workflows hinweg speichern und daraus konkrete Aktionen ableiten. Zu den Stärken des Modells zählen laut Meta insbesondere die Generierung von Code aus visuellen Eingaben (visual-to-code generation), die detaillierte Beschreibung von Bildern und Videos sowie die agentische Computersteuerung.

Wie das in der Praxis funktioniert, zeigt die folgende Demo: Muse Spark 1.1 analysiert ein Smartphone-Video, wählt automatisch geeignete Produktfotos aus und erstellt anschließend eigenständig ein Facebook Marketplace-Inserat.

So bedient Muse Spark 1.1 Computer

Muse Spark 1.1 ist für Arbeitsabläufe entwickelt, die sich über mehrere Anwendungen erstrecken und sich während der Ausführung verändern. Das Modell behält den Kontext auch über längere Sitzungen hinweg, passt sich neuen Informationen an und navigiert mit minimalen menschlichen Eingriffen durch unbekannte Benutzer:innenoberflächen.

Statt jeden Arbeitsschritt einzeln per Mausklick auszuführen, entscheidet Muse Spark 1.1 selbst, welcher Weg am effizientesten ist. Das Modell schreibt Skripte, wenn sich Aufgaben automatisieren lassen, bedient Anwendungen direkt über die Nutzungsoberfläche, wenn das schneller ist, oder bündelt mehrere Aktionen zu einem Arbeitsschritt. So soll der Wechsel zwischen Planung und Ausführung möglichst effizient erfolgen.

Als Beispiel zeigt Meta die Organisation einer Grillparty. Ändern eingeladene Personen kurzfristig die Teilnahme, erkennt Muse Spark 1.1 die neuen Informationen während der Essensbestellung und passt den gesamten Ablauf automatisch an.

Vom Bugfix bis zur Code-Migration

Meta hat Muse Spark 1.1 für anspruchsvolle Entwicklungsaufgaben optimiert. Das Modell soll komplexe Fehler in großen Codebasen erkennen und beheben, neue Funktionen für Enterprise-Anwendungen entwickeln sowie umfangreiche Code-Migrationen durchführen. Auch bei der Entwicklung von Web-Anwendungen und bei komplexen Entwicklungsaufgaben verspricht Meta deutliche Fortschritte gegenüber dem vorherigen Modell.

Zudem unterstützt Muse Spark 1.1 gängige Agent Setups für die Software-Entwicklung. Dazu gehören Planungsmodi, Zielvorgaben, die Delegation an Subagents und die Komprimierung langer Kontexte, damit auch umfangreiche Projekte effizient bearbeitet werden können.

Wie das in der Praxis funktioniert, zeigt Meta in einer Debugging-Demo. Muse Spark 1.1 erstellt zunächst eine Chat-Web-Anwendung, fertigt automatisch Screenshots an, erkennt sichtbare Fehler, verfolgt deren Ursache bis in den Quellcode, implementiert Korrekturen und überprüft das Ergebnis anschließend selbstständig. Dabei kombiniert das Modell Coding, multimodales Verständnis und Tool-Nutzung innerhalb eines einzigen Workflows.

Nach Angaben des Konzerns nutzen Entwickler:innen und Forschende Muse Spark 1.1 bereits täglich für Entwicklungs- und Forschungsaufgaben. Auch die Entwicklung und Bewertung neuer KI-Modelle werde inzwischen teilweise mit Muse Spark 1.1 automatisiert.

Wie sich Muse Spark 1.1 in den Coding Benchmarks gegen GPT-5.5, Claude Opus 4.8, Gemini 3.1 Pro und das Vorgängermodell schlägt, zeigt die folgende Übersicht.

Frontier-Modell zu einem vergleichsweise niedrigen Preis

Muse Spark 1.1 startet auf der Meta Model API mit 1,25 US-Dollar pro Million Input Token und 4,25 US-Dollar pro Million Output Token. Neue Konten erhalten zusätzlich 20 US-Dollar Testguthaben. Meta positioniert das Modell damit als preisgünstige Alternative für Agent und Coding Workloads. Im Vergleich zu anderen aktuellen Frontier-Modellen fällt der Preis deutlich niedriger aus:

Damit gehört Muse Spark 1.1 zu den günstigsten aktuellen Frontier-Modellen. Sowohl für Eingaben als auch für Ausgaben verlangt Meta deutlich weniger als OpenAI, Anthropic, Google und SpaceXAI bei bestimmten Frontiert-Modellen.

Gerade bei Agent Workflows mit vielen Tool-Aufrufen und langen Kontextfenstern können die API-Kosten schnell steigen. Ein vergleichsweise günstiges Token Pricing kann deshalb zu einem wichtigen Wettbewerbsvorteil werden, wenn Unternehmen Agents im großen Maßstab einsetzen.

Stelle OnlineMarketing.de als bevorzugte Quelle auf Google ein

Wenn du OnlineMarketing.de auf Google als bevorzugte Quelle einstellen möchtest, um auch in den Schlagzeilen auf Google immer aktuelle News und Tipps aus der Welt des Marketing und der Tech-Entwicklungen zu finden, kannst du einfach die Google-Quelleneinstellungen aufrufen und die Seite anwählen. Über das Stern-Icon neben den Top Stories kannst du ebenfalls bevorzugte Quellen für die spätere Suche speichern.

In diesem Jahr soll Google erstmals von Meta übertroffen werden, wenn es um die digitalen Werbeeinnahmen geht. Das heißt aber nicht, dass die Alphabet-Tochter an schwächelnden Werbeumsätzen leidet. 77,3 Milliarden US-Dollar hat Google allein im ersten Quartal 2026 mit Werbung umgesetzt. Die Werbeformate für die Suche werden zusehends optimiert, gerade im Kontext von KI-Ergebnissen. Im AI Mode gibt es beispielsweise Highlighted Answers und Conversational Discovery Ads. Dazu kommt ein neues Shopping-Werbeformat im AI Mode. Doch auch in der klassischen Google-Ergebnisliste testet Google immer wieder neue Zusätze für Ads, zuletzt etwa die Labels „Strongest match“ und „Strong match“ oder Visit site Buttons als CTR Booster.

Jetzt ergänzt das Unternehmen für die Suche sowie für Discover und YouTube eine konkrete Kennzeichnung der Anzeigen, die den Usern aufzeigt, wann generative KI zur Ad-Erstellung eingesetzt wurde. Das soll für mehr Transparenz im Werbekosmos sorgen. Einen kleinen Haken hat die Kennzeichnung jedoch, da manche KI-Info verborgen bleiben könnte.

Google testet große Visit site Buttons für Ads in der Suche

Neuer Abschnitt „Wie diese Werbung erstellt wurde“ bietet KI-Kennzeichnung bei Google Ads – womöglich aber nicht bei allen

Google möchte die Transparenz für die Werbeanzeigen immer weiter optimieren. 2022 führte Google ein Update für das Mein Anzeigen-Center ein. Dort können User Informationen zu Ads finden. Angegeben wird zum Beispiel, warum dir eine Anzeige ausgespielt wird, basierend auf Targeting-Kriterien. Du kannst auch basale Informationen über die Werbetreibenden einsehen und in den Einstellungen deine Präferenzen anpassen und etwa personalisierte Werbung ein- und ausstellen.

In diesem Center, das du bei Ads über das Dreipunktemenü aufrufen kannst, integriert Google nun eine neue KI-Kennzeichnung. Sie wird weltweit für Google Search und Discover sowie YouTube und in Form einer Infotafel mit dem Namen „Wie diese Werbung erstellt wurde“ eingeführt. Die Kennzeichnung zeigt den Usern an, ob für die Erstellung einer Werbeanzeige generative KI verwendet wurde. Dabei zeigt die Information relativ vage an, dass die Ad Elemente enthält, die mit generativer KI erstellt oder editiert worden sind. Es kann sich um Personen, Orte, Dinge, Events oder zum Beispiel Texte handeln.

Google gibt an, dass je nach lokalen Anforderungen, etwa im Rahmen der Kennzeichnungspflicht im Rahmen des AI Acts in der EU, auch unmittelbar bei der Ansicht einer Anzeige KI-Kennzeichnungen zu sehen sein können. Diese können automatisch integriert werden oder von den Advertisern eingestellt werden.

Was ist echt, was ist KI?

EU legt neue Leitlinien vor

Googles neue KI-Kennzeichnung für Ads folgt Bemühungen wie der Offenlegung synthetischer oder digital veränderter Inhalte in Wahlwerbung und der Integration unsichtbarer Signale wie Wasserzeichen via SynthID bei Outputs der Google-eigenen generativen KI-Tools.

Bei der Nutzung Google-eigener KI-Tools zur Erstellung von Ads wird künftig in jedem Fall der Hinweis zur KI-Kreation bei der Ad ergänzt. Google setzt ihn dann automatisch ein. Doch wenn Advertiser Ads auf Google, YouTube oder in Discover ausspielen, die mit Diensten oder auf Plattformen Dritter erstellt wurden und Gen AI-Elemente enthalten, kann es zu Kennzeichnungsleerstellen kommen. Zwar gibt Google für diesen Fall den Advertisern eine Option zur Angabe der KI-Bearbeitung an die Hand. Diese müssten die Werbetreibenden aber nicht zwingend wahrnehmen und könnten zumindest potentiell KI-Bearbeitungen oder -Kreationen verschleiern.

Insgesamt dürften Entwicklungen wie Googles „Wie diese Werbung erstellt wurde“, der AI Act der EU und Co. für mehr Transparenz bei der Begegnung mit KI-Inhalten sorgen.

Stelle OnlineMarketing.de als bevorzugte Quelle auf Google ein

Wenn du OnlineMarketing.de auf Google als bevorzugte Quelle einstellen möchtest, um auch in den Schlagzeilen auf Google immer aktuelle News und Tipps aus der Welt des Marketing und der Tech-Entwicklungen zu finden, kannst du einfach die Google-Quelleneinstellungen aufrufen und die Seite anwählen. Über das Stern-Icon neben den Top Stories kannst du ebenfalls bevorzugte Quellen für die spätere Suche speichern.

So sehen zwei der T-Shirt-Designs aus, die die BVG und Uniqlo gemeinsam gelauncht haben

Eines der bekanntesten Verkehrsunternehmen Deutschlands und eine der aktuell beliebtesten globalen Fashionmarken haben sich zusammengetan: Die BVG und Uniqlo machen aus Berliner U-Bahnschildern, Liniennetz & Co eine tragbare Kollektion – und zeigen, wie stark Alltagsdesign zur Markenidentität werden kann.

Von der U-Bahn auf die Straße: Die Berliner Verkehrsbetriebe (BVG) und das japanische Modeunternehmen Uniqlo haben eine gemeinsam entwickelte Mo