Muse Spark Open : le modèle multimodal de Meta vise les agents

Meta a publié le 15 octobre 2026 Muse Spark Open, un modèle open-weight multimodal conçu pour le code et les tâches agentiques. Avec 816 milliards de paramètres au total, 42 milliards activés par token et un contexte allant jusqu’à 1 million de tokens, il vise les usages où un modèle doit suivre un long fil de travail, pas seulement répondre vite. L’éditeur le présente comme son modèle open-weight américain le plus capable à ce jour, mais sa licence reste seulement partiellement ouverte.

Un modèle pensé pour agir sur des tâches longues

Muse Spark Open accepte du texte, des images, de l’audio et de la vidéo, puis génère du texte. Meta dit l’avoir entraîné sur des workflows de développement réels, avec refactorings multi-fichiers, débogage prolongé et appels d’outils. En clair, le modèle n’est pas seulement calibré pour discuter ; il doit aussi lire un dépôt, repérer un problème, produire du code et corriger sa propre trajectoire. C’est là que la bataille se joue désormais, car les modèles “smart” qui n’exécutent rien de concret commencent à faire un peu meuble design.

Le cœur du système repose sur une architecture Mixture-of-Experts, ou MoE : tous les experts restent en mémoire, mais seuls quelques-uns sont activés pour chaque token. Meta indique 256 experts par couche, dont 8 sélectionnés à chaque passage. Selon la documentation publiée, cela permet de profiter d’un modèle massif sans payer à chaque token le coût complet du modèle entier.

Des chiffres élevés, mais pas toujours dominants

Sur ses propres tests, Meta affirme que Muse Spark Open prend l’avantage dans plusieurs catégories liées aux agents et au multimodal. Le modèle revendique notamment 61,8 sur JobBench et 89,2 sur MCP-Atlas, avec aussi 89,0 sur GPQA Diamond. En revanche, il reste derrière certains concurrents chinois sur des benchmarks de code purs : 76,4 sur Terminal-Bench 2.1, contre 85,0 pour Kimi K3 et 83,9 pour GLM 5.3 ; 60 sur DeepSWE 1.1, contre 68 pour Kimi K3.

Autrement dit, Muse Spark Open se place bien sur la coordination d’outils, la compréhension multi-étapes et certaines tâches de raisonnement, mais ne verrouille pas le podium partout. Le message de Meta est assez clair : le modèle sert mieux les agents que les concours de pure performance sur code. Et dans ce segment, la nuance compte davantage que les slogans.

Une licence ouverte, mais pas totalement libre

Les poids sont disponibles sur Hugging Face, ainsi que via plusieurs plateformes d’inférence comme Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter et Together AI. Le modèle peut aussi être téléchargé pour un usage local ou un déploiement propre, avec des variantes BF16 et NVFP4. Meta met en avant une optimisation pour les puces Apple M5 Ultra, au point de montrer une exécution sur deux Mac Studio de 512 Go de mémoire unifiée chacun.

La licence, elle, impose des limites. Toute entreprise dépassant 20 millions de dollars de chiffre d’affaires brut sur 12 mois glissants doit prévenir Meta et signer un accord séparé si elle propose le modèle en service API. Par ailleurs, l’interface doit afficher « Built with Muse Spark Open » dans le produit concerné. Le texte interdit aussi certains usages, dont les armes, les malwares, les infrastructures critiques et la désinformation intentionnelle.

Ce que Meta essaie vraiment de montrer

Meta pousse ici un modèle de démonstration stratégique autant qu’un modèle de production. Muse Spark Open doit montrer que l’entreprise peut encore peser dans l’open-weight face à Qwen, GLM et Kimi, tout en gardant une marche avec ses modèles payants les plus avancés. Les intégrations annoncées avec llama.cpp, vLLM, SGLang, MLX ou les endpoints Hugging Face vont dans le même sens : rendre le modèle déployable partout, puis laisser le marché trier. Le grand écart entre ouverture technique et garde-fous commerciaux, lui, reste entier.

Pour les équipes produit et les développeurs, l’intérêt est double. D’un côté, un modèle capable de traiter texte, image, audio et vidéo dans une même fenêtre de contexte peut simplifier les agents de support, d’analyse ou de dev. De l’autre, la taille annoncée impose des moyens sérieux : Meta évoque jusqu’à 700 Go de VRAM pour le NVFP4 et 2 To pour le BF16 dans certains scénarios. L’open-weight est ouvert, mais il ne s’est pas encore mis au régime léger.