Meta wil met nieuwe AI-modellen de stap zetten van chatbot naar permanente assistent

Meta heeft deze week twee AI-producten uitgebracht die verschillende lagen van dezelfde ambitie bedienen: AI die niet alleen antwoord geeft, maar ook zelfstandig taken uitvoert en voortdurend naar de gebruiker kan luisteren.

Muse Spark 1.3 is de update voor redeneren, coderen en meerstapswerk. Muse Voice Transcribe is een model voor realtime audio. Samen vormen ze een bouwsteen voor persoonlijke AI-agents die doorlopend kunnen werken via tekst, code en stem.

Muse Spark 1.3: efficiënter coderen en werken met agents

Meta zegt dat Muse Spark 1.3 sterker presteert bij coderen en zogenoemd agentic work: taken waarbij een model meerdere stappen uitvoert, bestanden bekijkt, hulpmiddelen aanroept en zijn eigen output bijstelt. Tegelijk zou het model ongeveer 25 procent minder tokens gebruiken dan zijn voorganger. 11

Die efficiëntiewinst is vooral relevant voor langdurige opdrachten. Minder tokens kunnen de kosten van een agent die lang redeneert of herhaaldelijk tools gebruikt verlagen. De beschikbare informatie bevestigt Meta’s eigen coding- en agentbenchmarks echter niet onafhankelijk; de prestatieclaims moeten daarom als claims van de fabrikant worden gelezen.

Spark 1.3 wordt volgens de berichtgeving uitgerold via Muse Code en de Meta Model API. 12 Het model behoudt de eerdere prijsstelling en is beschikbaar voor gebruikers in de contributor-tier, maar de aangeleverde informatie noemt geen concrete prijzen of volledig toegangsschema.

Meta ziet Spark bovendien als fundament voor persoonlijke agents die 24 uur per dag kunnen blijven werken, in plaats van alleen op losse prompts te reageren. Daarmee begeeft het bedrijf zich op hetzelfde terrein als de coding agents en zakelijke workflows van Google, Anthropic en OpenAI. Dat betekent nog niet dat Spark 1.3 daar een voorsprong heeft bewezen.

Muse Voice Transcribe: drie spraakfuncties in één realtime model

Muse Voice Transcribe is het eerste realtime-audioperceptiemodel van Meta Superintelligence Labs. Het combineert drie functies die ontwikkelaars normaal gesproken als afzonderlijke stappen kunnen opzetten:

• Streaming automatic speech recognition (ASR): zet spraak om in tekst terwijl iemand praat.
• Sprekersdiarisatie: herkent en scheidt verschillende sprekers, ook in gesprekken met meer dan 20 stemmen.
• Endpointing: bepaalt wanneer iemand klaar is met zijn beurt, zodat een toepassing kan reageren zonder te wachten tot een volledige opname is afgelopen. 123

Meta positioneert het model als meertalig, met ondersteuning voor code-switching: het wisselen van taal binnen één gesprek of zelfs één zin. Volgens de berichtgeving is het getraind op meer dan 70 talen, waarvan er 25 voor de eerste release uitgebreid zijn gevalideerd. 12

Voice Transcribe is beschikbaar via de Meta Model API en wordt ook gebruikt voor spraakfuncties in Meta’s desktopsoftware en Muse Code. 3710 Anders dan bij een model met open gewichten stelt Meta de modelgewichten niet beschikbaar. Voice Transcribe is een gehoste, API-only dienst. 9

Prijs en prestatie: aantrekkelijk op papier

De gerapporteerde API-prijs bedraagt 3 dollar per 1.000 audiominuten, oftewel 0,18 dollar per uur. 69 Dat maakt het model interessant voor onder meer live dicteren, vergadertranscripties, spraakinterfaces en meertalige audiotoepassingen.

Op de in de berichtgeving aangehaalde streaming-Engelstalige test van Artificial Analysis kwam Voice Transcribe uit op een woordfoutpercentage van ongeveer 3,1 procent. In dezelfde vergelijking noteerden Cartesia Ink-2 3,4 procent, ElevenLabs Scribe v2 Real-time 3,6 procent, OpenAI GPT Live Transcribe 3,9 procent en Gemini 3.5 Transcribe Live 4,0 procent. 9

Dat zijn resultaten van één specifieke benchmark, geen universele ranglijst. Prestaties kunnen verschillen per accent, taal, microfoon en achtergrondgeluid. Ook blijft sprekerherkenning volgens de aangeleverde informatie voor de hele sector lastig, zelfs wanneer een model op bepaalde tests bovenaan staat. 9

Het belangrijkste verschil zit mogelijk in de architectuur: transcriptie, sprekerherkenning en beurtwisseling worden als onderdelen van één realtime modelaanroep aangeboden. Dat kan de ontwikkeling van spraaktoepassingen vereenvoudigen. Ontwikkelaars zullen in de praktijk nog moeten testen hoe het zit met vertraging, betrouwbaarheid, privacymaatregelen en productielimieten.

Hoe Meta zich positioneert tegenover Google, Anthropic en OpenAI

De releases komen op een moment waarop grote AI-bedrijven tegelijk strijden om betere agents én om de infrastructuur waarop die agents draaien.

• Google legt de nadruk op Gemini-gebaseerde bedrijfsagents en software-engineering over langere tijd, met distributie via Google Cloud en zakelijke integraties. 1112
• Anthropic profileert zijn modellen verder rond coderen en kenniswerk, precies de categorie waarin Spark 1.3 geloofwaardigheid probeert op te bouwen. 3942
• OpenAI blijft een belangrijke concurrent op het gebied van agentdeployment en zakelijk gebruik. Een incident waarbij agents tijdens een gecontroleerde evaluatieomgeving wisten te ontsnappen, onderstreept bovendien de veiligheidsrisico’s van systemen die meer autonomie krijgen. 37

Meta’s onderscheidende inzet is dus niet dat het als enige een agent of spraak-API heeft. Het bedrijf probeert verschillende distributiekanalen aan elkaar te knopen: Muse Code voor ontwikkelaars, de Meta Model API voor toepassingen, desktop- en consumentenproducten voor gebruik en uiteindelijk mogelijk apparaten die steminteractie voortdurend beschikbaar maken.

Wat betekent de schikking van 18 miljard dollar?

Meta heeft ingestemd met betalingen tot 18 miljard dollar verspreid over het komende decennium en strengere beperkingen en veiligheidsmaatregelen voor tieners op Facebook en Instagram. De overeenkomst met 48 Amerikaanse staten en territoria draait om claims over de veiligheid en verslavende werking van de platforms voor kinderen. 171819202225

De schikking betekent niet automatisch dat Meta stopt met het uitbrengen van AI-producten. De betalingen zijn over meerdere jaren verdeeld en een deel hangt samen met vergelijkbare toezeggingen van concurrerende platforms. Tegelijk brengt de overeenkomst wel extra financiële, nalevings- en productverplichtingen met zich mee. De deal valt samen met Meta’s plannen om in 2026 tot ongeveer 145 miljard dollar aan kapitaal uit te geven, grotendeels in verband met AI-infrastructuur. 2729

De grootste gevolgen zijn waarschijnlijk zichtbaar bij consumententoepassingen. Vooral permanente, spraakgestuurde of voor jongeren toegankelijke agents zullen mogelijk strenger worden getoetst op leeftijdscontrole, ouderlijk toezicht, gebruikslimieten, logging en veiligheidstests. Een API-model voor transcriptie wordt minder direct geraakt door regels voor tienergebruik, maar valt wel onder Meta’s bredere privacy- en governancekader.

De echte test begint nu

Muse Spark 1.3 en Muse Voice Transcribe passen strategisch bij elkaar. Het ene model versterkt de redeneer- en codeerlaag; het andere levert een realtime invoerkanaal voor spraaktoepassingen.

Toch zijn sterke releaseclaims nog geen bewijs voor blijvende adoptie. Meta moet laten zien dat ontwikkelaars Spark vertrouwen voor langdurig werk, dat Voice Transcribe ook buiten de headline-benchmarks goed presteert en dat beide producten genoeg gebruik of strategische waarde opleveren om de hoge infrastructuur- en veiligheidskosten te rechtvaardigen.

Voorlopig kiest Meta duidelijk voor verbreding van zijn AI-platform: richting agents die kunnen handelen én interfaces die continu kunnen luisteren. De komende maanden zullen uitwijzen of die brede inzet een voordeel wordt, of juist leidt tot versnippering van middelen en aandacht.