Muse Spark Open : le modèle open-weight de Meta pour le code et les agents, expliqué

Muse Spark Open est le nouveau modèle open-weight de Meta pour le code et les tâches agentiques, publié le 15 octobre 2026. Il s'agit de la version téléchargeable de Muse Spark — un modèle mixture-of-experts (mélange d'experts) de 816 milliards de paramètres qui en active environ 42 milliards par token, lit jusqu'à 1 million de tokens de texte, d'images, de vidéos et d'audio, et produit du texte en sortie. Meta le présente comme le « modèle open-weight américain le plus performant à ce jour ». Voici ce que cette affirmation signifie concrètement, où le modèle excelle, où il est en retrait, quel matériel il requiert et la licence à laquelle vous consentez réellement.

Qu'est-ce que Muse Spark Open ?

Muse Spark Open est la version open-weights de la gamme Muse Spark de Meta, conçue pour les tâches agentiques longues plutôt que pour les échanges conversationnels ponctuels. Il planifie, agit, observe et se corrige sur des tâches longues — y compris la navigation web avec des images — et a été entraîné sur de véritables workflows de développeurs, comme les refactorisations multi-fichiers et les longues sessions de débogage.

Les spécifications principales issues du billet de lancement de Meta :

• 816 milliards de paramètres au total / 42 milliards actifs (architecture sparse mixture-of-experts)
• Fenêtre de contexte de 1 million de tokens à l'inférence
• Nativement multimodal : texte, image, vidéo et audio en entrée ; texte en sortie

Sur le plan architectural, il s'agit d'un transformer à 62 couches où chaque couche remplace un réseau feed-forward dense par un bloc Mixture-of-Experts de 256 experts, un routeur en sélectionnant 8 par token. Un encodeur de perception de 1,8 milliard de paramètres convertit les images et les frames vidéo en tokens, et un chemin distinct gère l'audio. Comme seuls 8 experts s'activent par token, le modèle s'exécute approximativement à la vitesse d'un modèle de 42 milliards de paramètres tout en nécessitant la mémoire d'un modèle de 816 milliards.

Il s'agit de la version open-weights du modèle Muse Spark de Meta, avec un post-entraînement de sécurité supplémentaire afin qu'il reste robuste lorsqu'il est exécuté comme poids autonomes sans garde-fous système, selon la fiche modèle de Meta. Meta commercialise plusieurs modèles fermés via son API — les modèles frontier Muse Wonder et Muse Spark 1.3 — tandis que Muse Spark Open et le plus petit Muse Glimmer sont les versions open-weight téléchargeables et auto-hébergeables.

Muse Spark Open est-il vraiment open source ?

Non — et cette distinction est importante. Les poids sont téléchargeables, mais ils sont distribués sous la licence Muse Model personnalisée de Meta, et non sous une licence open source approuvée par l'OSI.

La licence accorde de larges droits d'utilisation, de modification, de fine-tuning, de distillation et de redistribution du modèle, mais avec des conditions :

• Attribution : tout produit utilisant le modèle ou un dérivé doit afficher de manière visible « Built with Muse Spark Open » dans son interface, sa documentation, son site web ou ses paramètres.
• Clause modèle-en-tant-que-service : une entreprise proposant un accès API au modèle, avec un chiffre d'affaires de groupe supérieur à 20 millions de dollars sur une période de 12 mois, doit en informer Meta et signer un accord séparé au préalable.
• Dérivés : tout modèle fine-tuné ou distillé à partir du modèle — même entraîné sur ses sorties — est soumis à la même obligation d'attribution.

Pour la plupart des équipes — usage interne, recherche ou fonctionnalités intégrées à votre propre produit — l'utilisation commerciale est gratuite ; la licence Muse Model exclut explicitement ces cas de la clause modèle-en-tant-que-service. Si vous revendez l'accès au modèle à grande échelle, lisez attentivement les conditions. The New Stack le formule sans détour : les poids sont ouverts mais la licence n'est pas pleinement ouverte, un schéma qui, selon lui, ressemble à certaines publications chinoises récentes.

Benchmarks : où il excelle et où il est en retrait

Meta positionne Muse Spark Open comme le meilleur modèle open-weight américain, et sa propre fiche modèle le compare avec un effort de raisonnement xhigh face à sept modèles ouverts similaires, dont Kimi K3, GLM 5.3 et Qwen3.8. La lecture honnête est qu'il est un leader en utilisation d'outils et un retardataire en code.

Source : fiche modèle de Meta, octobre 2026.

Lisez le tableau en fonction de ce que fait réellement votre agent :

• Sélection d'outils : MCP-Atlas et JobBench sont les lignes où il est en tête, donc les agents dont la mission principale est de choisir et d'enchaîner des appels d'outils constituent son meilleur cas d'usage.
• Travail en terminal et sur dépôt : il est en retrait de 8,6 points face à Kimi K3 sur Terminal-Bench 2.1 et de 8 points sur DeepSWE 1.1 et SWE-Atlas-QnA. Si votre agent vit dans un terminal, effectuez vos propres tests sur des tâches de dépôt avant de basculer.
• Classement composite : sur l'Artificial Analysis Intelligence Index, il obtient un score de 39, derrière GLM 5.3, Kimi K3 et Qwen3.8 — donc « le plus performant » est spécifiquement un classement parmi les modèles open-weight américains, pas dans l'ensemble du domaine ouvert.

Un domaine où il se distingue véritablement est la résistance aux jailbreaks : il a obtenu 0,5 sur StrongREJECT v2 avec des attaques adaptatives (plus le score est bas, mieux c'est), alors qu'aucun autre modèle dans le tableau de Meta n'a obtenu moins de 62,9 — un bénéfice direct de ce post-entraînement de sécurité supplémentaire.

Quel matériel Muse Spark Open nécessite-t-il ?

C'est là que le bât blesse. « Open weight » ne signifie pas « fonctionne sur votre ordinateur portable ». Le checkpoint BF16 complet pèse environ 1,6 To, et même la version quantifiée NVFP4 avoisine les 530 Go.

• GPU : NVFP4 fonctionne sur quatre GPU Blackwell Ultra ou huit H200 ; la fiche modèle demande au minimum 700 Go de VRAM pour NVFP4 et 2 To pour BF16.
• Mac : Meta et Apple ont optimisé une version MLX qui exécute le checkpoint NVFP4 sur deux Mac Studios M5 Ultra avec 512 Go de mémoire unifiée chacun, ou quatre Mac Studios avec 256 Go chacun — environ 1 To de mémoire unifiée au total — reliés via Thunderbolt 5.
• Version la plus légère : les quants GGUF d'Unsloth descendent jusqu'à environ 2 bits et tiennent dans environ 300 Go de mémoire combinée — une station de travail haute mémoire, pas un MacBook.

Il fonctionne avec SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, MLX, llama.cpp et Unsloth, et est disponible dès le premier jour sur des API hébergées dont Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter et Together AI. Les poids se téléchargent depuis Hugging Face, Amazon SageMaker AI, Google Cloud Model Garden et Microsoft Foundry Models. Pour la plupart des équipes, un endpoint hébergé est la voie réaliste pour l'essayer avant de s'engager sur du matériel.

À qui s'adresse-t-il ?

Muse Spark Open est un excellent choix si vous construisez des agents qui orchestrent des outils — les résultats MCP-Atlas et JobBench le confirment — et que vous souhaitez la possibilité de l'auto-héberger pour le contrôle des données, de le fine-tuner sur vos propres workflows ou de distiller un modèle plus petit. La multimodalité native est un véritable avantage différenciant : le même modèle peut lire une capture d'écran, écouter une note vocale ou regarder un enregistrement d'écran pendant qu'il travaille.

C'est un choix moins pertinent si votre agent est principalement un agent de code vivant dans un terminal, où des concurrents open source comme Kimi K3 obtiennent actuellement de meilleurs scores. Et ce n'est pas fait pour ceux qui espèrent exécuter des poids à l'échelle frontier sur du matériel grand public.

Conclusion

Muse Spark Open est une version open-weight crédible et véritablement utile, qu'il faut avant tout comprendre comme un modèle d'agent multimodal et d'utilisation d'outils, et non comme un champion du code. Le positionnement « modèle open-weight américain le plus performant » est exact mais restrictif. La licence est permissive pour la plupart des équipes, mais mérite d'être lue attentivement si vous revendez l'accès, et le seuil matériel est suffisamment élevé pour qu'une API hébergée soit la rampe d'accès raisonnable. Si vous construisez des agents et valorisez l'auto-hébergement, il mérite d'être sur votre liste de candidats à tester sur vos propres tâches.

Exécutez des modèles ouverts au sein de votre propre équipe IA

Un modèle open-weight prouve sa valeur une fois intégré dans de vrais workflows — outils, fichiers, revue de code et plans multi-étapes — et non dans une fenêtre de chat. Eigent est une application de bureau Cowork open source qui exécute une équipe d'agents IA en local et est agnostique en termes de modèles, ce qui vous permet d'orienter un modèle comme Muse Spark Open vers les tâches où il est le plus performant tout en gardant les données sensibles sur votre propre machine. Découvrez comment les agents peuvent examiner des PR GitHub de bout en bout, puis téléchargez Eigent pour l'essayer.

Foire aux questions

Qu'est-ce que Muse Spark Open ?

Muse Spark Open est le modèle open-weight de Meta pour le code et les tâches agentiques, publié le 15 octobre 2026. Il s'agit d'un modèle mixture-of-experts de 816 milliards de paramètres qui en active environ 42 milliards par token, accepte du texte, des images, des vidéos et de l'audio en entrée, et dispose d'une fenêtre de contexte de 1 million de tokens. C'est la version open-weights du modèle Muse Spark de Meta.

Muse Spark Open est-il open source ?

Non. Les poids sont téléchargeables, mais ils sont publiés sous la licence Muse Model personnalisée de Meta, et non sous une licence open source approuvée par l'OSI. La licence autorise l'utilisation, le fine-tuning, la distillation et la redistribution, mais exige l'affichage visible du label « Built with Muse Spark Open » dans tout produit utilisant le modèle ou un dérivé.

Muse Spark Open est-il gratuit pour un usage commercial ?

Oui, pour la plupart des équipes. Seule une entreprise proposant des modèles en tant que service via une API, avec un chiffre d'affaires de groupe supérieur à 20 millions de dollars sur une période de 12 mois, doit en informer Meta et signer un accord séparé au préalable. L'usage interne, la recherche et les fonctionnalités intégrées à votre propre produit sont exclus de cette clause.

Muse Spark Open peut-il fonctionner sur un Mac ?

Oui, mais il faut du matériel sérieux. Le checkpoint NVFP4 s'exécute via MLX sur deux Mac Studios M5 Ultra avec 512 Go de mémoire unifiée chacun, ou quatre Mac Studios avec 256 Go chacun, reliés via Thunderbolt 5 — environ 1 To de mémoire unifiée au total. La version GGUF la plus légère d'Unsloth tient dans environ 300 Go de mémoire combinée.

Muse Spark Open est-il le meilleur modèle open-weight pour le code ?

Non. Sur la propre fiche modèle de Meta, il obtient 76,4 sur Terminal-Bench 2.1, 60 sur DeepSWE 1.1 et 58 sur SWE-Atlas-QnA — derrière Kimi K3 sur les trois. Son avantage se situe dans l'utilisation d'outils, où il domine MCP-Atlas avec 89,2. Effectuez vos propres tests sur des tâches de dépôt avant de migrer un agent de code vers ce modèle.

Quel est le lien entre Muse Spark Open et les modèles Muse fermés de Meta ?

Muse Spark Open est la version open-weights du modèle Muse Spark de Meta, avec un post-entraînement de sécurité supplémentaire afin qu'il résiste aux utilisations abusives lorsqu'il est exécuté sans garde-fous système. Meta commercialise également des modèles fermés via son API — les modèles frontier Muse Wonder et Muse Spark 1.3 — tandis que les poids de Muse Spark Open se téléchargent depuis Hugging Face pour que vous puissiez l'auto-héberger, le quantifier et le fine-tuner.