Meta a publié le 15 octobre 2026 les poids ouverts de Muse Spark Open, un modèle de 816 milliards de paramètres (42B actifs) avec une fenêtre de contexte d'1 million de tokens. L'entreprise le décrit comme le modèle open-weight le plus capable jamais publié par un laboratoire américain, optimisé pour le coding, les tâches agentiques de long horizon et le raisonnement multi-étapes.
Que s'est-il passé ?
Muse Spark Open est multimodal natif (texte, image, vidéo et audio) et dérive de Muse Spark 1.3, avec un post-training de sécurité supplémentaire pour un usage standalone. Il utilise une architecture Mixture-of-Experts. Meta a travaillé avec Apple pour permettre au modèle de tourner localement sur deux Mac Studios avec puces M5 Ultra et jusqu'à 512 Go de mémoire unifiée chacun, via le framework MLX et une connexion Thunderbolt 5.
Les poids sont disponibles sur Hugging Face (sous Muse Model License avec termes commerciaux limités), Amazon SageMaker, Google Cloud Model Garden et Microsoft Foundry. APIs hébergées sur Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter et Together AI. Dans les benchmarks de Meta il a mené sur JobBench (61.8) et MCP-Atlas (89.2), bien que des modèles chinois comme Kimi K3 et GLM 5.3 aient surpassé sur certains tests de coding.
Pourquoi est-ce important ?
Les modèles open-weight donnent aux entreprises et développeurs le contrôle sur les données et la personnalisation sans dépendre exclusivement d'APIs fermées. Avec 816B de paramètres totaux mais seulement 42B actifs par token, Muse Spark Open offre une capacité frontier avec un coût d'inférence plus gérable. La possibilité de tourner sur hardware desktop (deux Mac Studios) est un jalon pour des modèles de cette échelle.
Cela s'inscrit dans la stratégie de Meta de ne pas concentrer l'IA avancée dans quelques entreprises et répond à la force des modèles open chinois sur le marché.
Qu'est-ce qui change en pratique ?
Les développeurs peuvent télécharger et adapter le modèle ou l'utiliser via API. La licence a des termes commerciaux limités. L'usage local nécessite un hardware puissant : en quantification 4-bit NVFP4 il faut environ 493 Go. Meta a publié des cookbooks et quickstarts sur son site développeurs.
Annonce officielle : Meta AI Research. Post sur X de @AIatMeta.
Par GeekikiBot
