Meta a publié le 15 octobre les poids de Muse Spark Open sur Hugging Face. Le modèle compte 816 milliards de paramètres, dont 42 milliards actifs par token, avec une fenêtre de contexte d'un million de tokens. Trois jours après Muse Wonder, son premier modèle frontière resté fermé, Meta fait l'inverse. Il ouvre un modèle massif et multimodal (texte, image, vidéo et audio en entrée), présenté comme « le plus capable des modèles open-weight américains ».
- Muse Spark Open est un MoE de 816 milliards de paramètres : 42 milliards actifs, 256 experts dont 8 activés par token, contexte d'un million de tokens, entrées multimodales. Les poids sont sur Hugging Face en BF16 et NVFP4.
- « Le plus capable des modèles open-weight américains » : le qualificatif géographique est la clé. Avec 39 au Artificial Analysis Intelligence Index, il reste derrière les chinois GLM 5.3 (45) et Kimi K3 (44).
- La licence Muse Model License impose la mention « Built with Muse Spark Open ». Les fournisseurs de modèle-as-a-service dépassant 20 millions de dollars de revenus annuels doivent signer un accord séparé avec Meta.
Un pari sur l'agentique, pas sur le classement général
L'architecture : un Mixture-of-Experts de 62 couches avec un encodeur de perception de 1,8 milliard de paramètres pour la multimodalité. Sur le score agrégé d'Artificial Analysis, le modèle ne rattrape pas les meilleurs open-weight chinois. Meta a choisi un autre terrain : les benchmarks agentiques. La fiche Hugging Face annonce 89,2 sur MCP-Atlas (utilisation d'outils), 80,4 sur OSWorld Verified (pilotage d'un ordinateur), 76,4 sur Terminal-Bench 2.1 et 89,0 sur GPQA Diamond. The Decoder note que le modèle reste en retrait sur le code face à certains concurrents, et loin derrière les Muse Wonder payants de Meta. Le positionnement est assumé : un modèle ouvert pour construire des agents, pas pour gagner les classements généralistes.
Le « tourne sur Mac » du marketing mérite une traduction. En NVFP4, le format quantisé officiel, il faut au moins 700 Go de VRAM. En BF16, comptez 2 To. La configuration Apple mise en avant : deux Mac Studio M5 Ultra à 512 Go de mémoire unifiée chacun, reliés via MLX. Deux machines au sommet du catalogue Apple, pas un MacBook. Les 18 quantisations communautaires pour llama.cpp, Ollama ou LM Studio abaisseront la marche, au prix de la qualité.
La licence reprend la recette des licences Llama, que Kimi K3 avait copiée. L'usage interne, la recherche, le fine-tuning et l'intégration dans ses propres produits sont gratuits. En échange, la mention « Built with Muse Spark Open » est obligatoire dans l'interface ou la doc. Revendre le modèle en service d'API au-delà de 20 millions de dollars de revenus sur douze mois exige un accord séparé avec Meta. The New Stack relève aussi l'interdiction des usages militaires. Qwen et GLM, eux, restent sous licences permissives sans seuil de revenus : sur ce point, les éditeurs chinois sont plus ouverts que Meta.
Mon avis : notable. C'est la première fois depuis des mois qu'un acteur américain remet un modèle de classe frontière en open-weight, et l'orientation agentique correspond à ce que les équipes construisent en 2026. Mais le modèle ne détrône personne sur l'intelligence brute, et le coût matériel le réserve aux entreprises équipées. Pour un acteur français, l'intérêt est ailleurs : un modèle auto-hébergeable crédible pour les agents, sans dépendance à une API américaine ou chinoise.
Ce que ça change pour vous
Si votre équipe fait tourner des agents sur des données sensibles (juridique, santé, données clients soumises au RGPD), Muse Spark Open devient une option sérieuse d'auto-hébergement. Ses scores MCP-Atlas et OSWorld le placent au niveau des modèles utilisés pour l'orchestration d'outils, et la licence couvre l'usage commercial interne sans frais. Le ticket d'entrée matériel reste le vrai filtre : comptez un serveur GPU à 700 Go de VRAM ou deux Mac Studio haut de gamme.
Si vous consommez les modèles par API, attendez un effet prix. L'arrivée d'un open-weight de ce calibre chez les fournisseurs d'inférence (Together, Fireworks, Groq et consorts) devrait tirer les tarifs vers le bas. Et si vous utilisez déjà GLM 5.3 ou Kimi K3, rien ne justifie une migration : ils gardent l'avantage au classement général et des licences plus simples.
- Teste Muse Spark Open sur une tâche agentique réelle de ton stack (appels d'outils MCP, navigation, terminal) via un fournisseur d'inférence avant d'investir dans le matériel. Compare le taux de réussite avec ton modèle actuel sur 20 cas.
- Si tu envisages l'auto-hébergement, chiffre les deux options (serveur 700 Go de VRAM en NVFP4 contre deux Mac Studio M5 Ultra en MLX). Vérifie aussi les quantisations communautaires disponibles pour ton framework sur Hugging Face.
- Relis la Muse Model License avant toute intégration produit. La mention « Built with Muse Spark Open » est obligatoire dans l'interface ou la documentation, même pour un produit interne distribué.
Sources
- Meta Research - Muse Spark Open (15 octobre 2026)
- Hugging Face - Fiche du modèle Muse-Spark-Open-816B-A42B (15 octobre 2026)
- The Decoder - Muse Spark Open is Meta's answer to Qwen, GLM, and Kimi (15 octobre 2026)
- TechCrunch - Meta launches an open-weight model that runs on Macs (15 octobre 2026)
- Trending Topics - Muse Spark Open comes with strings attached (15 octobre 2026)
Source : Research.meta.ai
Cet article a été rédigé avec l’assistance d’un modèle de langage (LLM).
