Google und Meta haben diese Woche beide neue Coding-Modelle veröffentlicht

Google hat Gemini 3.8 Flash am 2. September veröffentlicht, Meta folgte innerhalb eines Tages mit Muse Spark 1.3. Beide zielen auf dieselbe Nische: Modelle im mittleren Preissegment, ausgelegt auf Coding und Agenten-Aufgaben in hohem Volumen, nicht nur auf Bestwerte in Benchmarks.

Gemini 3.8 Flash: günstig und für lange Coding-Sitzungen gebaut

Gemini 3.8 Flash kostet 0,75 US-Dollar pro Million Input-Tokens und 3,75 US-Dollar pro Million Output-Tokens, gültig bis Ende 2026, laut Googles eigener Ankündigung. Google sagt, das Modell übertreffe die meisten größeren Frontier-Modelle bei DeepSWE v1.1, einem Benchmark für das eigenständige Lösen langer, komplexer Softwareentwicklungsaufgaben.

Bei Terminal-Bench 2.1, einem Test für echte Kommandozeilen-Aufgaben, erreicht Gemini 3.8 Flash laut DataCamp 90,8 Prozent, gegenüber 81,6 Prozent bei 3.7 Flash. Das allgemeine Denkvermögen, gemessen an Humanity's Last Exam, bewegte sich kaum: 45,4 Prozent gegenüber 45,7 Prozent bei der Vorgängerversion. Google steckt sein Verbesserungsbudget in Coding- und Agenten-Fähigkeiten, nicht in reines Faktenwissen.

Google hat außerdem eine eingeschränkte Cyber-Variante über sein Fairwind-Programm veröffentlicht, beschränkt auf geprüfte Verteidiger. Google berichtet von einer Erfolgsquote über 70 Prozent bei einem internen Benchmark zur Schwachstellenerkennung und 47,2 Prozent bei CWE-Bench, einem öffentlichen Benchmark für das automatische Patchen bekannter Sicherheitslücken.

Muse Spark 1.3: ein großer Sprung, aber kein offenes Modell

Muse Spark 1.3 erreicht 61 Punkte im Artificial-Analysis-Intelligence-Index, laut Trending Topics. Das liegt knapp hinter Claude Opus 5 und GPT-5.6 Sol und vor den 59 Punkten, die das Medium Gemini 3.8 Flash auf derselben Skala zuschreibt. Metas eigene berichtete Fortschritte sind deutlich: Die Genauigkeit bei Banking-Aufgaben stieg von 35 auf 47 Prozent, bei Terminal-Operationen von 80 auf 85 Prozent.

Trotz mancher Berichterstattung ist Muse Spark 1.3 kein offenes Modell mit veröffentlichten Gewichten. LLM Stats beschreibt es als "ein proprietäres multimodales Reasoning-Modell", ausschließlich über Metas eigene API verfügbar. Trending Topics merkt an, Meta habe sich zur Veröffentlichung der Gewichte des früheren Muse Spark 1.2 verpflichtet, aber noch nicht entschieden, ob die Gewichte von 1.3 folgen. Die Preise liegen bei 1,25 US-Dollar pro Million Input-Tokens und 4,25 US-Dollar pro Million Output-Tokens.

Was das für Entwickler bedeutet

Wenn Sie ein Modell für einen Agenten auswählen, der Code schreibt und ausführt, testen Sie diese beiden gegeneinander an Ihrer eigenen Aufgabe. Vergleichen Sie sie nicht nur mit den Flaggschiff-Modellen, über die alle sprechen; beide sind genau für diese Aufgabe gebaut und bepreist.

Gehen Sie nicht davon aus, dass Sie Muse Spark 1.3 selbst hosten können. Anders als frühere Muse-Veröffentlichungen von Meta ist dieses Modell vorerst nur über die API verfügbar. Jede Abhängigkeit davon ist eine Abhängigkeit von Metas Infrastruktur und Preisgestaltung, nicht von Ihrer eigenen.

Beachten Sie das Muster dahinter, nicht nur die einzelnen Werte. Dass zwei große Labore im Abstand eines Tages Modelle der mittleren Preisklasse mit Coding-Fokus zu ähnlichen Preisen veröffentlichen, zeigt, wohin sich der eigentliche Wettbewerb verlagert hat: nicht an die Spitze der Bestenliste, sondern in die Preisklasse, die Entwickler im Alltag tatsächlich nutzen.