Meta bringt Muse-Wonder-Modelle auf den Markt: Vorstoß zu kostenpflichtiger KI trifft auf Ausgabenprognose von 200 Milliarden Dollar

Zwei neue Modelle stellen Metas KI-Ausgaben auf die Probe

Meta hat am 12. Oktober 2026 Muse Wonder und Muse Wonder Full vorgestellt. Das Unternehmen sieht sich damit wieder in der Spitzengruppe der künstlichen Intelligenz, stellt seine leistungsfähigsten neuen Funktionen jedoch nur gegen Bezahlung bereit. Die Veröffentlichung verbindet drei Elemente der Strategie: leistungsfähigere persönliche Assistenten, Einnahmen aus Abonnements und von Entwicklern sowie einen Ausbau der Rechenkapazitäten, der erheblich teurer werden könnte.

Meta rechnet für 2026 mit Investitionsausgaben von 130 bis 145 Milliarden Dollar, einschließlich Tilgungszahlungen für Finanzierungsleasingverträge. Das Finanzdienstleistungsunternehmen Cantor Fitzgerald prognostiziert, dass die Ausgaben 2027 auf 200 Milliarden Dollar steigen könnten. Diese höhere Zahl ist eine externe Prognose, kein von Meta angekündigtes Budget. Sie entspräche einem Anstieg um etwa 38 Prozent gegenüber dem oberen Ende der diesjährigen Prognose oder um etwa 54 Prozent gegenüber dem unteren Ende.

Die Modelle kommen nach der enttäuschenden Veröffentlichung von Llama 4 im Jahr 2025 und rund 14 Monaten, in denen Meta seine KI-Sparte neu aufgestellt hat. Sie zielen auf anspruchsvolle Programmieraufgaben sowie Aufgaben mit juristischen Dokumenten, Finanzinformationen und Gesundheitsdaten. Meta will mit ihnen außerdem Agenten antreiben: Software, die Werkzeuge nutzen und Aktionen ausführen kann, statt lediglich Fragen zu beantworten.

Es gibt Hinweise auf eine bessere Leistung, aber keinen durchgängigen Erfolg. In den von Meta veröffentlichten Ergebnissen zur Softwareentwicklung liegen beide Modelle in einem Benchmark vor Anthropics Claude Opus 5.5. Ein separater Index von Artificial Analysis bewertet Muse Wonder Full schlechter als dieses Konkurrenzmodell. Für das Geschäft kommt es nun darauf an, ob die Fähigkeiten Nutzer dazu bewegen, Metas Produkte weiter zu verwenden und dafür zu bezahlen.

Was ist jetzt verfügbar, und was kommt später?

Entwickler können Muse Wonder über die Meta Model API und den Programmierassistenten Muse Code nutzen. Muse Wonder Full, die leistungsfähigere Version, ist auf Muse-Code-Abonnements beschränkt. Keines der beiden Modelle kann öffentlich heruntergeladen oder von Nutzern auf eigenen Servern betrieben werden.

Der persönliche Assistent Muse ist ein separates Produkt. Seine App ist kostenlos, kostenpflichtige Tarife bieten zusätzliche Nutzungsmöglichkeiten. Meta will Wonder zunächst Abonnenten in diesem Assistenten zur Verfügung stellen, hat aber weder einen festen Einführungstermin noch einen Zeitplan für einen breiteren Zugang bekannt gegeben.

Die Reihenfolge ist wichtig, denn die Einführung eines Modells bedeutet nicht, dass alle Verbraucher sofort ein Upgrade erhalten. Die wichtigsten Entwicklungen:

• 2025: Llama 4 blieb hinter den Erwartungen zurück und veranlasste Meta zu Änderungen an seiner KI-Organisation und bei der Personalgewinnung.
• September 2026: Meta stellte Muse Spark und den persönlichen Agenten Muse vor. Spark war das erste Modell der neu aufgebauten Sparte Meta Superintelligence Labs.
• Ende September 2026: Amazon blockierte Muse, damit der Assistent nicht im Namen der Nutzer einkaufen konnte.
• 12. Oktober 2026: Muse Wonder und Muse Wonder Full wurden über die angekündigten Entwicklerprodukte verfügbar.
• Nächste Schritte: Wonder soll Muse-Abonnenten erreichen. Weitere spezialisierte Modelle und ein umfassenderer Sicherheitsbericht sind geplant, jedoch ohne veröffentlichte Termine.

Die neuen Modelle bauen auf Muse Spark auf. Metas wachsende Produktpalette umfasst auch Muse Image, doch bei der Einführung von Wonder stehen Agenten und Programmierung im Mittelpunkt, nicht die Bildgenerierung.

Gedächtnis und Ausdauer sind die zentralen Produktversprechen

Meta hebt zwei zentrale Fähigkeiten hervor: Active Memory und Active Focus. Active Memory speichert relevante Informationen aus früheren Interaktionen und ruft sie für spätere Aufgaben ab. Chief AI Officer Alexandr Wang zufolge können sich diese Informationen über Tage, Wochen oder Monate erstrecken. So kann ein Assistent Präferenzen und Anforderungen über mehrere Unterhaltungen hinweg berücksichtigen.

Active Focus soll helfen, wenn eine Aufgabe nicht nach Plan verläuft. Meta zufolge können die Modelle Fehler beheben, nach dem Ausfall eines Werkzeugs ihre Vorgehensweise ändern, um Klarstellung bitten und vor wichtigen Aktionen eine Bestätigung einholen. Das soll verhindern, dass ein Agent aufgibt oder wiederholt erfolglos dieselbe Methode anwendet.

Wang, der Metas KI-Sparte leitet, erläuterte das Entwicklungsziel anhand der Hindernisse, die bei alltäglichen Aufgaben auftreten:

Bei Aufgaben in der realen Welt stößt man auf Hindernisse, und es können Dinge dazwischenkommen oder Rückschläge auftreten“, sagte Wang. „Wir haben gezielt versucht, das Modell so zu trainieren, dass es andere Ansätze ausprobiert, statt stecken zu bleiben, und sich jederzeit wieder mit dem Nutzer abstimmt.

Meta nennt Versicherungsansprüche, die Auslegung von Mietverträgen, persönliche Finanzen und anspruchsvolle Programmieraufgaben als mögliche Anwendungsbereiche. Muse ist bereits auf Tätigkeiten wie Lebensmitteleinkäufe, Reisebuchungen und Tischreservierungen ausgerichtet. Diese Beispiele beschreiben vorgesehene Einsatzmöglichkeiten, belegen aber nicht, dass die Modelle jede Aufgabe korrekt oder sicher erledigen.

Beide Modelle können Berichten zufolge Bilder, Videos und Audio verarbeiten und haben ein Kontextfenster von einer Million Tokens. Tokens sind die Einheiten, in die ein Modell Informationen zur Verarbeitung zerlegt. Das Kontextfenster gibt an, wie viel es auf einmal berücksichtigen kann. Ein dauerhaftes Gedächtnis ist eine davon getrennte Funktion, mit der ausgewählte Informationen zwischen Interaktionen übertragen werden.

Die Benchmark-Ergebnisse sind konkurrenzfähig, aber nicht eindeutig

Beim SWE-Marathon, einem Benchmark mit umfangreichen Softwareentwicklungsaufgaben, erreicht Muse Wonder Full laut den von Meta veröffentlichten Ergebnissen 79 Prozent, Muse Wonder 78,8 Prozent und Claude Opus 5.5 74,2 Prozent. Damit liegt Full 4,8 Prozentpunkte vor dem Anthropic-Modell, die Standardversion Wonder 4,6 Punkte.

Der Abstand zwischen Metas eigenen Modellen beträgt bei diesem Test nur 0,2 Prozentpunkte. Käufer sollten daher prüfen, welche konkreten Aufgaben sie erledigen lassen wollen, statt anzunehmen, die größere Version sei in jeder Situation deutlich überlegen. Bei den Ergebnissen handelt es sich um von Meta veröffentlichte Vergleiche, nicht um eine Leistungsgarantie für die Softwareprojekte eines Unternehmens.

Der Intelligence Index von Artificial Analysis zeichnet ein anderes Bild. Muse Wonder Full kommt auf 56 Punkte, die Standardversion Wonder auf 52. Claude Opus 5.5 liegt mit 58 Punkten vor diesen Modellen, OpenAIs GPT-6 Astra erreicht 53. Berichten zufolge liegt Full gleichauf auf Platz zwei und Wonder gleichauf auf Platz sieben. Ein Bericht nennt Claude Sonnet 5.5 als weiteres Modell mit derselben Punktzahl wie Full.

In einem Bericht wird das größere Meta-Modell Muse Wonderful genannt. Andere Berichte zur Markteinführung bezeichnen es als Muse Wonder Full und nennen dieselbe Punktzahl von 56. Diese abweichende Namensgebung ist kein Hinweis auf ein drittes veröffentlichtes Modell.

Meta verweist außerdem auf Vergleiche mit Claude Fable 5.1 und GPT-6 Astra. Wie das Modell im Vergleich zu Googles Gemini 4 Argon abschneidet, ist weniger klar: Ein berichteter Index nennt für Gemini 53 Punkte, während ein anderer Bericht festhält, dass der umfassendere Vergleich noch unklar ist. Verschiedene Tests messen unterschiedliche Fähigkeiten. Ein starkes Ergebnis beim Programmieren belegt daher keine Überlegenheit bei juristischen Analysen, Finanzaufgaben oder persönlicher Assistenz.

Abonnements und API-Gebühren sind unterschiedliche Kosten

Die Verbraucher-Abonnements für Muse kosten 20 oder 100 Dollar pro Monat. Die Muse-Code-Tarife kosten 50 oder 200 Dollar im Monat und bieten Zugang zu Wonder Full. Diese Abonnementpreise sind von den API-Gebühren für Wonder zu unterscheiden, bei denen Entwicklern die verarbeitete Informationsmenge in Rechnung gestellt wird.

Der berichtete API-Preis beträgt 4 Dollar je einer Million Eingabe-Tokens und 20 Dollar je einer Million Ausgabe-Tokens. Als Eingabe gelten die Informationen, die an das Modell gesendet werden; die Ausgabe ist das, was es erzeugt. Bei diesen Tarifen würde eine Verarbeitung von einer Million Eingabe- und einer Million Ausgabe-Tokens 24 Dollar kosten, noch bevor mögliche Rabatte oder weitere Gebühren berücksichtigt werden. Das ist eine Berechnung auf Grundlage der veröffentlichten Tarife, kein Abonnementpreis.

Für zwischengespeicherte Eingaben kann ein ermäßigter Preis gelten, ein konkreter Rabatt wurde jedoch nicht genannt. Durch Zwischenspeichern können bereits verarbeitete Inhalte wiederverwendet werden, statt sie wie völlig neue Eingaben zu verarbeiten. Bei einem Agenten, der wiederholt umfangreiche Dokumente durchsucht, kann das einen Unterschied bei den Kosten machen.

Wang zufolge werden die API-Preise von Meta deutlich unter denen führender Modelle von OpenAI und Anthropic liegen. Der berichtete Preisvergleich ist enger gefasst: Die Tarife für Wonder sollen denen von Claude Opus 5.5 entsprechen und etwa 40 Prozent der Preise von GPT-6 Astra betragen. Das stützt die Behauptung eines Preisvorteils gegenüber dem OpenAI-Modell, nicht aber gegenüber dem genannten Anthropic-Modell zu den angegebenen Tarifen.

Auch zur Verfügbarkeit gibt es unterschiedliche Berichte. Einige sprechen von einem geplanten API-Zugang, während die genaueren Berichte zur Einführung besagen, dass die Standardversion Wonder bereits über die API verfügbar ist. Für Wonder Full wurde kein API-Zugang angekündigt. Die leistungsstärkste Version soll zwar auf den direkten Vertrieb an Unternehmen ausgerichtet sein, ihr konkreter Einführungskanal ist jedoch Muse Code.

Auch ein leistungsfähigeres Modell braucht Zugang zu Websites

Laut Daten von Sensor Tower wurde Muse nach der Einführung im September weltweit fast neun Millionen Mal heruntergeladen. Downloads messen jedoch das anfängliche Interesse, nicht die dauerhafte Nutzung. Das Wachstum der Downloads hat sich verlangsamt, und die Bindungsrate nach 14 Tagen soll unter der von ChatGPT liegen. Genaue Prozentsätze zur Bindungsrate wurden nicht genannt.

Einige Hindernisse liegen außerhalb von Metas Modell. Der Jefferies-Analyst Brent Thill sagte, dass Websites, die Agenten blockieren, die Nutzererfahrung beeinträchtigten. Amazons Entscheidung, Muse Ende September vom Einkaufen auszuschließen, veranschaulicht das Problem: Ein Assistent kann eine Einkaufsanfrage verstehen und trotzdem außerstande sein, sie auszuführen.

Active Focus könnte helfen, wenn ein Werkzeug ausfällt oder Informationen fehlen. Die Funktion belegt jedoch nicht, dass ein Agent die Erlaubnis hat, Beschränkungen einer Website zu umgehen. Eine erfolgreiche persönliche Assistenz hängt neben Schlussfolgerungsvermögen, Gedächtnis und Ausdauer auch von der Zusammenarbeit externer Dienste ab.

Auch der Preis erschwert den Einsatz der leistungsstärksten Modelle für alle Aufgaben. Zahlen der Plattform OpenRouter zufolge entfielen im dritten Quartal 2026 14 Prozent der Nutzung auf die zehn als qualitativ hochwertig beschriebenen Topmodelle. Im ersten Quartal 2025 waren es noch 55 Prozent. Das entspricht einem Rückgang um 41 Prozentpunkte auf dieser Plattform, nicht einer Messung des gesamten KI-Marktes.

Das Muster deutet darauf hin, dass günstigere Modelle bei Routineaufgaben eine größere Rolle spielen. Meta entwickelt spezialisierte Versionen, die einen Großteil der Fähigkeiten von Wonder bei effizienterem Betrieb bewahren sollen. Das könnte dem Unternehmen helfen, mehr Verbraucher zu erreichen, ohne für jede Anfrage sein größtes Modell einzusetzen.

Datenschutz hängt sowohl von Berechtigungen als auch von Produkteinstellungen ab

Agenten, die mit Nachrichten, Kalendern und Dokumenten arbeiten, benötigen Zugriff auf sensible Informationen. Meta zufolge ist Wonder darauf trainiert, private Daten nicht ohne Erlaubnis weiterzugeben und Hilfe bei schädlichem Verhalten abzulehnen. Berichten zufolge holen die Modelle außerdem vor folgenreichen Aktionen eine Bestätigung ein.

Einige Nutzer haben in sozialen Medien beklagt, Muse habe ohne Erlaubnis auf private Nachrichten zugegriffen. Meta weist diese Beschwerden zurück. Wang zufolge beobachtet das Unternehmen Vorfälle mit Agenten und erläutert Nutzern die Berechtigungen. Das betrifft auch Fälle, in denen jemand möglicherweise zu Beginn einer Unterhaltung der Kommunikation zugestimmt und das später vergessen hat.

In den öffentlich zugänglichen Berichten bleibt der konkrete Streit um diese Beschwerden ungelöst. Bei dauerhaftem Gedächtnis und der Möglichkeit, über mehrere Dienste hinweg zu handeln, sind klare Berechtigungskontrollen besonders wichtig: Informationen zu speichern ist etwas anderes, als die Erlaubnis zu erhalten, sie zu verwenden oder weiterzugeben.

Auch der Umgang mit Daten hängt davon ab, über welchen Zugang die Modelle genutzt werden. Bei Muse-Code-Abonnements ist Berichten zufolge standardmäßig der Modus „Contributor“ aktiviert. Damit können eingereichte Inhalte zur Verbesserung künftiger Modelle beitragen. Abonnenten können diese Einstellung deaktivieren. Die Standard-Model-API soll eingereichte Inhalte nicht fürs Training verwenden. Dabei handelt es sich um berichtete Produktbedingungen, die nicht als einheitliche Datenschutzregelungen verstanden werden sollten.

Für Unternehmen ist diese Unterscheidung unabhängig von der Qualität in Benchmarks relevant. Ein Programmierassistent kann gute Leistungen erbringen und dennoch eine Prüfung erfordern, ob unter den gewählten Einstellungen proprietärer Code, Kundendokumente oder personenbezogene Daten übermittelt werden dürfen.

Sicherheitsversprechen müssen noch umfassender geprüft werden

Meta zufolge bietet Wonder bislang die stärksten Schutzmaßnahmen des Unternehmens gegen den Missbrauch für Cyberangriffe. Diese Schutzmaßnahmen sind derzeit mit dem kostenpflichtigen Modell verbunden und gelten nicht laut Beschreibung für sämtliche kostenlosen Muse-Angebote. Daraus folgt nicht, dass kostenlose Produkte überhaupt keine Schutzmaßnahmen haben; es grenzt vielmehr die für das neue Modell beanspruchten Schutzmaßnahmen ab.

Das Unternehmen gibt an, bei der Entwicklung den Meta Superintelligence Scaling Framework zu befolgen. Ein umfassenderer Bericht zur Sicherheitsbewertung soll noch veröffentlicht werden. Einen Termin dafür hat Meta nicht genannt. Solange der Bericht fehlt, bleibt die detaillierte Grundlage der neuen Sicherheitsversprechen öffentlich unvollständig.

Chief Executive Mark Zuckerberg argumentiert, dass KI durch Schutzmaßnahmen und verantwortungsvolle Entwicklung kontrolliert werden kann. Forderungen, die gesamte Branche solle ihre Forschung verlangsamen, hat er zurückgewiesen. Zugleich räumte er ein, dass Meta Teile der internen Entwicklung verlangsamt hat, um sich mit der Produktsicherheit zu befassen.

Zuckerberg erläuterte seine Haltung zu Kontrolle und Autonomie:

„Ich stehe der Überzeugung näher, dass KI eine Technologie ist, die durch Schutzmaßnahmen kontrolliert und verantwortungsvoll entwickelt werden kann, als der Vorstellung, sie werde ein Selbstbewusstsein entwickeln und eigenständig handeln“, sagte er.

Eine Einschätzung zur Wahrscheinlichkeit eines katastrophalen Schadens gab er nicht ab. Seine Haltung überträgt den einzelnen Unternehmen die Verantwortung, die Sicherheit zu gewährleisten und zugleich die Entwicklung fortzusetzen. Die noch ausstehende Bewertung ist daher ein wichtiger fehlender Baustein, insbesondere bei Modellen, die handeln statt lediglich antworten sollen.

Der Ausbau der Rechenkapazitäten reicht über Meta hinaus

Die Wonder-Modelle wurden mit dem Rechenzentrum Prometheus von Meta trainiert. Ihre Einführung folgt auf Investitionen in Infrastruktur und Personal sowie einen organisatorischen Neuanfang unter Wang. Im Rahmen dieser Bemühungen investierte Meta rund 14 Milliarden Dollar in Scale AI und holte Wang in die Unternehmensführung.

Ein Bericht zufolge benötigt Wonder, intern unter dem Codenamen Watermelon geführt, etwa zehnmal so viele Rechenressourcen wie Muse Spark. Das ist ein berichteter Vergleich und keine veröffentlichte Aufstellung der Trainingskosten oder Hardwareanforderungen. Er passt zu Metas Argument, dass der Aufstieg in die Spitzengruppe deutlich mehr Rechenkapazität erforderte.

Zuckerberg zufolge hat die nächste Entwicklungsphase der Modelle bereits begonnen und das Tempo wird sich beschleunigen. Meta arbeitet sowohl an größeren Modellen als auch an effizienteren Spezialversionen und strebt zugleich größere Leistungsfähigkeit und niedrigere Betriebskosten an.

Die Ausgabenprognose könnte der Nachfrage nach Serverherstellern zugutekommen, die mit Metas KI-Lieferkette verbunden sind. Dazu zählen Hon Hai, auch bekannt als Foxconn, Quanta, Wistron, Wiwynn und Inventec. Die Erwartung eines möglichen Nutzens beruht auf fortgesetzten Infrastrukturkäufen. Im Zusammenhang mit Wonder wurden keine neuen Vertragswerte, Zuteilungen an Lieferanten oder Lieferpläne angekündigt.

Die Investitionsausgaben umfassen zudem mehr als das Trainingsbudget für ein einzelnes Modell. Metas Prognose von 130 bis 145 Milliarden Dollar schließt Tilgungszahlungen für Finanzierungsleasingverträge ein; Cantor Fitzgeralds Prognose von 200 Milliarden Dollar bezieht sich auf das Folgejahr. Keine der beiden Zahlen sollte als Preis für die Entwicklung von Muse Wonder allein verstanden werden.

Anleger reagieren, bevor sich Einnahmen abzeichnen

Die Meta-Aktie schloss am Tag der Vorstellung bei 742,96 Dollar, ein Plus von 3,38 Prozent. Andere Berichte runden den Anstieg auf 3,4 oder etwa 3 Prozent. Die Aktie war bereits vor Zuckerbergs Ankündigung am Nachmittag gestiegen, sodass sich der gesamte Tagesanstieg nicht allein der Veröffentlichung des Modells zuschreiben lässt.

Die Angaben zur längerfristigen Aktienentwicklung beziehen sich auf unterschiedliche Zeiträume: Ein Bericht nennt ein Plus von 13 Prozent seit Jahresbeginn und 31 Prozent seit Anfang September, ein anderer einen Anstieg um fast 10 Prozent seit der Einführung von Muse später im selben Monat. Ohne übereinstimmende Anfangsdaten sind diese Zahlen nicht direkt vergleichbar.

Justin Post, Analyst bei BofA Securities, hat argumentiert, dass sich die Investitionen in Meta Superintelligence Labs in besseren Modellen und Produktinnovationen niederschlagen. Die neue Veröffentlichung liefert weitere Belege für diese Einschätzung, zeigt aber noch nicht, wie viel Umsatz die Modelle generieren werden.

Die geschäftlichen Fragen sind konkret. Meta hat weder offengelegt, wie viele Muse-Nutzer für Wonder bezahlen werden, noch wie viele Entwickler die API wählen oder wie die Einnahmen im Verhältnis zu den Kosten für den Betrieb dauerhaft aktiver Agenten stehen. Auch für die breitere Verfügbarkeit für Verbraucher, den API-Zugang zu Full und den Sicherheitsbericht gibt es keine angekündigten Termine. Die Einführung stärkt Metas Wettbewerbsposition, lässt die geschäftlichen und vertrieblichen Entscheidungen aber offen.

Die wichtigsten Punkte

• Meta brachte Muse Wonder und Muse Wonder Full am 12. Oktober 2026 auf den Markt. Zunächst erhalten Entwickler Zugang; die Einführung für Muse-Nutzer steht noch aus.
• Metas Benchmark zur Programmierung spricht für die eigenen Modelle, während Artificial Analysis Wonder Full schlechter als Claude Opus 5.5 bewertet.
• Die API für Wonder kostet 4 Dollar je einer Million Eingabe-Tokens und 20 Dollar je einer Million Ausgabe-Tokens. Für Full ist ein Muse-Code-Abonnement erforderlich.
• Keines der beiden Modelle kann öffentlich heruntergeladen oder auf eigenen Servern der Nutzer betrieben werden.
• Gedächtnis, Berechtigungen, Website-Beschränkungen und die berichteten Trainingseinstellungen bleiben praktische Herausforderungen beim Einsatz von Agenten.
• Metas Ausgabenprognose für 2026 beträgt 130 bis 145 Milliarden Dollar. Die Zahl von 200 Milliarden Dollar für 2027 ist eine Prognose von Cantor Fitzgerald.
• Ein umfassenderer Sicherheitsbericht und Termine für die breitere Verfügbarkeit wurden noch nicht veröffentlicht.