Meta revient dans la course aux poids ouverts
Meta a publié Muse Spark Open, un modèle multimodal de conception avec 816 milliards de paramètres au total et 42 milliards actifs par jeton, une fenêtre de contexte d’un million de jetons et des poids ouverts sur Hugging Face. Meta le présente comme “le modèle américain à poids ouverts le plus capable à ce jour” et le destine au code et au travail d’agents : tâches à long horizon, ingénierie logicielle en plusieurs étapes, et missions qui durent des heures plutôt que des secondes.
C’est sa première sortie ouverte d’importance depuis la série Llama, et elle arrive sur un terrain où les modèles téléchargeables les plus forts étaient chinois. Meta le situe face à Qwen 3.8, GLM 5.3 et Kimi K3, et The Decoder rapporte que les chiffres de Meta le placent devant les trois en catégories agentique, connaissance et raisonnement, et multimodale, derrière certains sur le code, et très loin de ses modèles payants Muse Wonder Full. Ce sont des chiffres du fournisseur ; le rapport d’évaluation complet est, selon Meta, pour bientôt.
La parcimonie est le produit
Un modèle de 816 milliards de paramètres qui n’en allume que 42 milliards par jeton est conçu pour ceux qui ne possèdent pas de centre de données. Meta indique que la paire de Mac Studio équipés d’Apple M5 Ultra présentée — chacun avec jusqu’à 512 Go de mémoire unifiée et 1,2 To/s de bande passante, fonctionnant comme une machine unique d’environ un téraoctet — a exécuté le modèle en local via le cadre MLX. Les démonstrations portaient sur des agents et non sur la conversation : corriger des bogues et ajouter des fonctions à Ice Cubes, un client Mastodon pour iOS en open source, et passer en revue puis recadrer des rushes dans DaVinci Resolve.
Le travail de service est largement réparti. Meta affirme que ses noyaux GPU Helion dans SGLang apportent des gains de 1,03 à 3,95 fois au niveau du noyau sur matériel Nvidia et AMD, et 3 % de bout en bout sur la MI350 d’AMD. L’inférence passe par SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, Apple MLX, llama.cpp et Unsloth, avec des optimisations pour AMD, Apple, Intel et Nvidia. Les poids sont aussi sur Amazon SageMaker AI, Google Cloud Model Garden et Microsoft Foundry Models, et des API hébergées sont proposées par Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter et Together AI. Le réglage fin passe par TorchTitan, de PyTorch.
“Ouvert”, sous conditions
Les poids sont publiés sous la Muse Model License, que Meta décrit comme assortie de conditions commerciales limitées permettant à de nombreux développeurs d’utiliser le modèle gratuitement. The Decoder en détaille deux : tout ce qui est construit dessus doit porter la mention “Built with Muse Spark Open”, et les fournisseurs dont le chiffre d’affaires annuel dépasse 20 millions de dollars et qui veulent le revendre comme service d’API doivent passer un accord distinct avec Meta. C’est la forme habituelle d’une sortie ouverte de Meta : téléchargeable, modifiable, et pas tout à fait open source.
Sur la sûreté, Meta indique que le modèle a reçu un post-entraînement supplémentaire pour les risques propres aux poids ouverts et qu’il a franchi les seuils de publication de son Meta Superintelligence Scaling Framework.
Ce qu’il faut surveiller
Le rapport d’évaluation promis est ce qu’il faut attendre, puisque toutes les comparaisons publiées à ce jour sont celles de Meta. Le second test sera de voir si quelqu’un d’extérieur reproduit la démonstration sur deux Mac Studio à une vitesse qui en fasse plus qu’une preuve de concept.
