Meta a publié le 15 octobre les poids de Muse Spark Open. Le modèle est hébergé sur Hugging Face et distribué sous la Muse Model License. C'est la première fois que la série Muse Spark ouvre ses poids : 816 milliards de paramètres au total, 42 milliards activés par token, une fenêtre de contexte d'un million de tokens, et une prise en charge native des entrées image, audio et audio-vidéo. Dans le blog officiel de PyTorch, Meta le présente comme «the most capable US open-weight model to date» (le modèle à poids ouverts américain le plus performant à ce jour).
La version ouverte partage le même modèle de base que Muse Spark 1.3, lancé le même jour ; la différence tient au post-entraînement. La version ouverte a reçu une phase supplémentaire de post-entraînement de sécurité qui, selon Meta, rend le modèle plus difficile à détourner lorsqu'il est déployé seul, sans garde-fous au niveau du système. D'après l'évaluation menée selon le Superintelligence Scaling Framework de Meta, le modèle a atteint le seuil de publication ; le rapport d'évaluation complet n'est pas encore sorti, et l'entreprise se contente de dire qu'il paraîtra «prochainement».
Cap sur le code et les agents
Meta positionne le modèle de façon très étroite : les tâches de programmation et d'agents. Les données d'entraînement comprennent des refactorisations sur plusieurs fichiers, des sessions de débogage et des tâches de longue durée ; l'entreprise met en avant la précision dès la première tentative et la stabilité des appels d'outils. Côté agents, le modèle a été entraîné à mener de longues chaînes de tâches sur plusieurs sites web, peut créer des sous-agents pour répartir le travail, et l'utilisation de l'ordinateur sur poste de travail, mobile et navigateur a été entraînée de façon unifiée. Avant de passer à l'action, il produit en outre un passage distinct qui explique ce qu'il compte faire.
Le blog de recherche de Meta comporte une rubrique Key Benchmarks, mais le texte n'y indique aucun score ; les résultats sur les classements tiers se feront attendre. Arena l'a déjà ajouté à Agent Arena, sans que sa note ait été publiée.
Peut-on le faire tourner sur deux Mac ?
La solution de bureau avancée par Meta repose sur deux Mac Studio M5 Ultra, chacun doté de 512 Go de mémoire unifiée au maximum, avec la dernière version de MLX. L'équipe de recherche en apprentissage automatique d'Apple a publié le même jour ses mesures : après quantification NVFP4, les poids pèsent environ 493 Go et, avec la mémoire intermédiaire du calcul d'inférence, ne tiennent pas sur une seule machine ; deux machines en parallélisme de pipeline atteignent 15,74 tokens par seconde, 24,99 en parallélisme tensoriel, et quatre machines en parallélisme tensoriel 36,73, avec un contexte de test de 8192. Les machines communiquent via le pilote RDMA Thunderbolt 5 introduit par macOS 26.2, avec deux câbles entre chaque paire.
Dans le cloud, c'est plus rapide. SGLang et vLLM le prennent en charge dès le premier jour, et Together AI, Modal et OpenRouter le proposent déjà. Le tarif serverless de Together est de 1,25 dollar par million de tokens en entrée, 4,25 dollars en sortie et 0,15 dollar pour l'entrée en cache, avec une gratuité limitée dans le temps jusqu'à midi, heure du Pacifique, le 18 octobre.
Meta profite aussi de cette sortie pour promouvoir sa propre chaîne d'outils PyTorch. Le modèle est livré avec des noyaux écrits en Helion, notamment pour RoPE, RMSNorm et la quantification ; Meta affirme qu'ils sont 1,03 à 3,95 fois plus rapides sur NVIDIA GB300 que des noyaux écrits à la main en CUDA et CuTe DSL. Le même jeu de noyaux, porté tel quel sur AMD MI350, améliore le débit de bout en bout d'environ 3 %. Pour le fine-tuning, on peut utiliser TorchTitan, qui prend en charge le SFT multi-tours, LoRA et l'apprentissage par renforcement.
Du fermé à l'ouvert
Si l'on met bout à bout la trajectoire de Meta : Muse Spark a été lancé comme le premier modèle fermé de Meta, rompant avec la voie de l'ère Llama ; la version 1.2 d'août a fait émerger en même temps le produit de programmation Muse Code ; auparavant, Meta avait aussi publié Muse Glimmer, un petit modèle dense destiné aux appareils. Désormais, Spark lui-même a aussi ouvert ses poids, et la gamme de modèles de Meta fonctionne sur deux voies parallèles : une version fermée en itération continue et une version ouverte, sur la même base, à une couche de post-entraînement de sécurité près.
Ce dispositif permet à Meta de ménager les deux camps. La version fermée reste payante dans les produits Muse et l'API, tandis que la version ouverte va chercher les développeurs et le soutien dès le premier jour des fournisseurs d'inférence ; de SGLang et vLLM à plusieurs fournisseurs cloud, tous ont suivi dès le premier jour, et cette étape-là est déjà franchie.
La licence reste une inconnue. Meta parle seulement de «conditions commerciales limitées» et indique que de nombreux développeurs peuvent l'utiliser gratuitement ; le blog ne précise pas le seuil d'usage commercial ni si la pratique de la licence Llama, qui fixe des limites selon le nombre d'utilisateurs actifs mensuels, est reconduite. Le texte intégral des conditions est celui de la page Hugging Face ; une entreprise qui souhaite l'utiliser commercialement doit d'abord lire cette licence en entier.
Sources : blog officiel de PyTorch, blog de recherche de Meta, CocoLoop, blog de recherche en apprentissage automatique d'Apple, Together AI ; la page tarifaire de Together a servi à vérifier les prix par million de tokens et la période de gratuité, et les mesures d'Apple à vérifier le poids après quantification et le nombre de tokens par seconde.