Meta a publié les poids pour Muse Spark Open le 15 octobre 2026, positionnant le modèle comme le système d'IA à poids ouvert le plus performant jamais lancé par une société américaine. Selon le blog de recherche officiel de Meta, le modèle associe un total massif de 816 milliards de paramètres à une conception rare composée d'experts qui n'active que 42 milliards de paramètres par jeton, ainsi qu'une fenêtre contextuelle d'un million de jetons.
La version arrive un jour après que Meta a lancé Muse Wonder Full, son modèle à frontière fermée, et signale que la société a l'intention de rivaliser sur les deux fronts : des performances de pointe grâce à ses produits API et l'accessibilité de la communauté grâce à des pondérations ouvertes. Meta est l'éditeur open-weight le plus cohérent parmi les laboratoires frontaliers américains, et cette version étend cette stratégie à l'ère agentique. Pour plus de contexte sur cette histoire, consultez notre couverture de l'industrie de l'IA.
Qu'est-ce que Muse Spark Open
Muse Spark Open est un modèle nativement multimodal conçu pour le codage et le travail agent. Meta affirme qu'il excelle dans les tâches à long terme, l'ingénierie logicielle complexe et le raisonnement en plusieurs étapes – les charges de travail qui définissent les produits d'IA agentique en 2026. La répartition des paramètres activés 816B/42B suit le modèle d'architecture clairsemé popularisé par des modèles comme DeepSeek et Qwen, gardant les coûts d'inférence gérables malgré l'énorme nombre total de paramètres.
La fenêtre contextuelle du jeton 1M place le modèle au niveau supérieur pour le travail en contexte long. Les développeurs peuvent alimenter des référentiels de code entiers, de longs ensembles de documents ou des heures de transcriptions dans une seule requête sans échafaudage de récupération.
L'angle du silicium Apple
La fonctionnalité principale peut être l'endroit où le modèle s'exécute. Meta affirme que Muse Spark Open est le premier modèle de sa catégorie à fonctionner sur une configuration de bureau composée de deux studios Apple M5 Ultra Mac utilisant le dernier framework MLX. Chaque machine M5 Ultra expose jusqu'à 512 Go de mémoire unifiée à son GPU intégré, de sorte que deux machines maintiennent ensemble le modèle complet – se comportant efficacement, selon les mots de Meta, comme un superordinateur doté d'un téraoctet de mémoire unifiée. La bande passante mémoire de 1,2 To/s de la puce fournit le débit dont l'architecture clairsemée a besoin.
Meta a démontré la configuration exécutant des flux de travail agents entièrement sur l'appareil via Muse Code, y compris l'envoi de véritables modifications iOS à Ice Cubes, un client Mastodon open source, et le pilotage de DaVinci Resolve de bout en bout - le modèle examinant les images image par image pour trouver les moments les plus forts et les recadrer verticalement.
Disponibilité et prise en charge de l'écosystème
Les poids sont téléchargeables depuis Hugging Face, Amazon SageMaker AI, Google Cloud Model Garden et Microsoft Foundry Models. Les développeurs qui préfèrent l'inférence hébergée peuvent accéder au modèle via Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter et Together AI.
Meta a également fourni des optimisations sur les principaux moteurs d'inférence : SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, Apple MLX, llama.cpp et Unsloth, avec prise en charge du silicium AMD, Apple, Intel et NVIDIA. La version à poids ouvert comprend des noyaux GPU Helion personnalisés et réglables automatiquement dans SGLang qui offrent des accélérations de 1,03x à 3,95x au niveau du noyau sur les GPU NVIDIA et AMD, et une accélération de bout en bout de 3 % sur le MI350 d'AMD.
Un terrain de poids ouvert bondé
La prétention de Meta à la couronne des poids ouverts arrive sur un marché où les laboratoires chinois ont donné le ton. La série GLM de Z.ai, la famille Qwen d'Alibaba et les modèles DeepSeek ont tous expédié des poids ouverts à une échelle adjacente à la frontière cette année, et les versions de poids ouverts des laboratoires américains ont été relativement rares dans le haut de gamme. Un modèle d'origine américaine en compétition à cette taille est important pour les entreprises et les gouvernements qui veulent des modèles solides avec des poids qu'ils peuvent inspecter, auditer et modifier sans dépendre d'un fournisseur chinois ou d'une API fermée.
Le timing est également remarquable. Meta a lancé Muse Wonder Full, son modèle à frontière fermée, un jour plus tôt. L'expédition d'un produit phare fermé et d'un homologue ouvert dans les 24 heures permet à Meta de servir les acheteurs qui souhaitent des performances d'API clé en main et les développeurs, chercheurs et entreprises qui souhaitent s'auto-héberger - deux marchés qui exigent de plus en plus de produits différents.
Posture de sécurité
Les rejets à poids ouvert à cette échelle comportent des considérations évidentes de double usage. Meta indique que Muse Spark Open a reçu une formation post-sécurité supplémentaire spécifiquement pour la version ouverte, et que les évaluations menées dans le cadre du Superintelligence Scaling Framework de l'entreprise ont démontré de solides garanties dans les catégories de risques mesurées. Les résultats indépendants de l’équipe rouge compteront plus que les affirmations des fournisseurs, et la publication sera presque certainement examinée par les mêmes groupes politiques qui ont débattu des normes de publication à poids ouvert tout au long de 2026.
Quels changements l'inférence de classe ordinateur de bureau
L’exécution d’un modèle de cette fonctionnalité sur deux ordinateurs de bureau plutôt que sur un rack de GPU de centre de données a des conséquences pratiques au-delà du coût. Les organisations ayant des exigences strictes en matière de gouvernance des données (hôpitaux, cabinets d’avocats, sous-traitants de la défense, institutions financières) peuvent conserver les invites et les documents entièrement dans leurs propres murs. Les développeurs bénéficient de limites de latence et de débit qui dépendent de leur propre matériel plutôt que de la file d'attente d'un fournisseur. Et les bricoleurs disposent d’un modèle à l’échelle de la frontière qu’ils peuvent affiner, quantifier et modifier sans demander la permission.
Les compromis sont également réels. Deux machines M5 Ultra représentent toujours un investissement matériel important, et un cluster de postes de travail n'a pas la redondance, la disponibilité et le débit de l'inférence hébergée. Le pari de Meta est qu'une tranche significative du marché valorise suffisamment la propriété et la confidentialité pour accepter ces contraintes - et que l'effet de démonstration de l'exécution d'un modèle à paramètres 816B à la maison est important même pour les acheteurs qui choisissent finalement l'API.
Pourquoi c'est important
Cette publication aiguise le débat ouvert ou fermé qui a défini l'industrie cette année. Meta parie que les poids adjacents à la frontière téléchargeables gratuitement développent son écosystème et sapent les concurrents qui gardent leurs meilleurs modèles propriétaires. Pour les développeurs, l’importance pratique est concrète : un modèle agent de premier plan qui peut être affiné, auto-hébergé, isolé et exécuté sur du matériel adjacent au consommateur plutôt que loué par le jeton.
La question de savoir si Muse Spark Open détient réellement le titre de « modèle américain à poids ouvert le plus performant » dépend de références indépendantes, qui n'étaient pas disponibles au moment de la publication. Mais la combinaison de l’évolutivité, du contexte long, de la prise en charge matérielle de bureau et de la large couverture du moteur d’inférence en fait l’une des versions ouvertes les plus importantes de l’année – et un défi direct pour chaque modèle fermé vendu à des prix d’API premium.
---
Restez à la Pointe de l'IALes dernières actualités, analyses et percées en IA — au même endroit.
Lire plus d'actualités IA →
