Muse Glimmer vs DeepSeek V4 Pro : Les deux extrêmes des poids ouverts

Quelque part dans les petites lignes de la sortie de DeepSeek V4 Pro se trouve un chiffre qui devrait inquiéter quiconque pense que « poids ouverts bon marché » et « excellent en codage agentique » sont une seule et même chose. Sur DeepSWE, un benchmark sans contamination conçu pour résister au bourrage de données d'entraînement qui gangrène les évaluations en génie logiciel, DeepSeek V4 Pro — le fleuron Mixture-of-Experts de 1,6 billion de paramètres sorti le 24 avril 2026 sous licence MIT — a obtenu 8 pour cent. GPT-5.5 a obtenu 70 au même test ; Claude Opus 4.7 a obtenu 54. C'est le point de données indépendant le plus dommageable jamais associé à l'histoire de modèle bon marché la plus réussie de l'industrie, et cela compte pour cette confrontation parce que Muse Glimmer, le modèle agentique open-weight de 30B de Meta sorti le 10 août 2026 sous Apache 2.0, est un modèle open-weight dont la conception même vise le travail agentique à long horizon que DeepSWE mesure — et dont les seuls scores publiés jusqu'à présent proviennent de l'entreprise qui l'a créé.

Voici donc une comparaison de deux modèles aux extrémités opposées du spectre des poids ouverts, et pas seulement en termes de taille. L'un est un MoE de datacenter que l'on loue pour trois fois rien. L'autre est un téléchargement pour ordinateur de bureau qui ne coûte rien d'autre que le GPU. L'un a un historique indépendant qui inclut un résultat agentique catastrophique. L'autre n'a aucun historique indépendant. Cet article rétablit les faits concernant les deux et laisse l'écart entre « rapporté par le fournisseur » et « démontré indépendamment » parler de lui-même.

Le nombre qui devrait vous inquiéter

DeepSWE mérite d'être compris avant de regarder les chiffres clés, car c'est le test qui ne récompense pas ce qui peut être mémorisé. Il a été conçu pour éviter la contamination — la pratique qui consiste à évaluer sur des données que le modèle a déjà vues lors de l'entraînement — et il exécute de longues tâches réelles de génie logiciel qui exigent une exécution soutenue en plusieurs étapes, et non un rappel de motifs. Les 8 % de DeepSeek V4 Pro sur ce test ne sont pas une opinion ; c'est le résultat mesuré d'une évaluation indépendante, et c'est un tableau complètement différent de celui que dresse le fournisseur lui-même, où le même modèle affiche 80,6 sur SWE-bench Verified, 93,5 sur LiveCodeBench et un rating Codeforces de 3 206, qui bat les 3 168 de GPT-5. L'écart entre ces deux tableaux résume toute l'histoire : « poids ouverts, jetons bon marché » et « bon en codage agentique » doivent être vérifiés séparément.

Muse Glimmer n'a pas de score DeepSWE. Elle n'a aucun score indépendant d'aucune sorte — elle est sortie ce matin, et l'ensemble de son tableau de référence est celui de Meta, exécuté par Meta contre des configurations rivales qu'elle a admis ne pas avoir réglées. Le label honnête pour chaque chiffre de Glimmer dans cet article est « rapporté par le fournisseur ». Mais la conception du modèle vise exactement le mode de défaillance que DeepSWE expose : récupération autonome après échec, plans en plusieurs étapes, utilisation d'outils sur un long horizon. Savoir si cette conception survit au contact d'un test indépendant est la question ouverte de cette confrontation, et personne ne peut encore y répondre.

Deux extrémités de poids ouverts

Commençons par ce que « open » signifie pour chacun, car ce n'est pas la même chose. DeepSeek V4 Pro est un MoE de 1,6 billion de paramètres au total, avec environ 49 milliards de paramètres actifs par jeton, une fenêtre de contexte d'un million de jetons, jusqu'à 384 000 jetons en sortie, et une entrée exclusivement textuelle — pas de vision. Ses poids sous licence MIT sont libres d'utilisation, mais l'auto-hébergement est un projet de datacenter : le checkpoint BF16 est de l'ordre de plusieurs téraoctets, donc en pratique, DeepSeek V4 Pro est quelque chose que vous louez, sur l'API de DeepSeek ou celle d'un tiers. Muse Glimmer est un modèle dense de 30 milliards de paramètres, multimodal — texte plus image via un encodeur de perception — sous licence Apache 2.0, dont le checkpoint quatre bits plus son drafter DFlash tient dans environ 19,5 Go. L'un est un modèle à poids ouverts que vous déployez ; l'autre est un modèle à poids ouverts que vous téléchargez et exécutez sur une seule carte de 24 Go ou 32 Go, ou sur un Mac haut de gamme de la série M. Les deux ont des poids véritablement ouverts. Ils ne partagent presque rien d'autre sur la manière dont vous les utiliserez.

La personnalité divisée du géant

La force de DeepSeek V4 Pro réside dans les benchmarks isolés. Mathématiques et connaissances : GPQA Diamond 90,1, AIME 2026 96,4, MMLU-Pro 87,5. Codage en environnement contrôlé : SWE-bench Verified 80,6, LiveCodeBench 93,5. Sa performance au test « needle-in-a-haystack » en contexte long est également solide — 83,5 sur MRCR à 1 million de tokens, devant Gemini 3.1 Pro sur ce test. Mais sur les lignes qui mesurent l'exécution agentique soutenue, le tableau se fissure. Terminal-Bench 2.0 affiche 67,9, l'utilisation d'outils à Toolathlon 51,8, et les classements agrégés indépendants placent la version standard au milieu du peloton dans les catégories agentique et codage, même si les scores de raisonnement restent proches du sommet. Le résultat de 8 % sur DeepSWE est la fissure poussée à son extrême.

Le tableau rapporté par le fournisseur de Muse Glimmer indique l'inverse : ses lignes les plus fortes sont celles liées aux agents. MCP-Atlas 75.5, DeepSearch QA 74.6, GAIA2 43.3, SWE-bench Verified 76.0, SWE-bench Pro 51.2, Terminal-Bench 2.1 51.7. Face aux chiffres de DeepSeek concernant le codage vérifié — 80.6 SWE-bench Verified, 93.5 LiveCodeBench, 90.1 GPQA Diamond — Glimmer perd presque toutes les lignes auxquelles un tableau de benchmarks accorde de l'importance. Les modèles excellent dans des domaines différents, et le domaine dans lequel Glimmer prétend exceller est exactement celui où le bilan indépendant de DeepSeek montre que l'approche du géant low-cost se trompe.

Ce que chacun coûte, honnêtement

Le prix catalogue publié de DeepSeek V4 Pro est de 1,74 $ par million de jetons en entrée et 3,48 $ par million en sortie, avec une entrée en cas de cache autour de 0,145 $. La remise permanente de DeepSeek — initialement présentée comme promotionnelle puis conservée — ramène le tarif effectif à environ 0,44 $ en entrée et 0,87 $ en sortie, un prix suffisamment bas pour que la ligne du coût par jeton cesse presque d'être le facteur décisif, et suffisamment bas pour expliquer pourquoi c'est le choix budgétaire par défaut d'une grande partie du secteur. Ce tarif est actif via l'API propre du fournisseur et plusieurs plateformes tierces, et sur OrcaRouter il est répercuté avec une marge de 0 % — le prix catalogue du fournisseur, sans marge ajoutée — si bien qu'une baisse de prix de DeepSeek est visible sur la page du modèle le jour même où elle intervient, ce qui est la façon honnête de le comparer à tout le reste du catalogue.

Muse Glimmer coûte zéro par token, et le coût réel est le matériel : un GPU de 24 Go ou 32 Go avec le RTX 5090 comme point de référence, ou un Mac de la série M à pleine configuration. Si vous le possédez, le coût marginal d'un agent local toujours actif est l'électricité. Sinon, le GPU est la ligne budgétaire — et pour de nombreuses équipes, cet achat unique est moins cher que le tarif même réduit de DeepSeek sur la durée de vie d'un agent toujours actif, tandis que pour d'autres, le modèle par token l'emporte parce qu'ils veulent le contexte de 1M et la sortie de 384K qu'un modèle local de 19,5 Go ne peut pas contenir. La comparaison des prix ne se résout qu'une fois que vous décidez dans quelle enveloppe de déploiement vous vivez réellement.

La politique sous-jacente

Il vaut la peine d'évoquer le contexte, car il détermine à quel point vous devriez vous fier aux tableaux de l'un ou l'autre fournisseur. L'essai de Zuckerberg accompagnant la sortie de Muse Glimmer, « L'avenir est pour tout le monde », nommait explicitement DeepSeek, ainsi que Qwen et Moonshot, comme les laboratoires chinois de modèles ouverts avec lesquels les sorties américaines à poids ouverts doivent rivaliser, et appelait à un assouplissement de la réglementation américaine sur l'IA open source. Meta positionne Glimmer comme la réponse nationale à la vague des poids ouverts bon marché. Ce cadrage est réel, et c'est exactement le genre de situation où les benchmarks gérés par les fournisseurs méritent le plus de scepticisme — les deux camps vendent un récit national en même temps qu'un modèle. Le contrepoids est la mesure indépendante qui existe déjà pour DeepSeek (y compris les 8 %), et la mesure indépendante qui n'existe pas encore pour Glimmer.

Qui devrait gérer quoi

Les deux modèles ne sont pas des substituts l'un de l'autre, et la décision relève surtout d'une question d'enveloppe de déploiement déguisée en costume de benchmark. Si votre charge de travail est gourmande en tokens et en contexte — entrées massives, sorties longues, mathématiques et connaissances à grande échelle — DeepSeek V4 Pro, à son tarif réduit, est l'un des meilleurs rapports coût/capacité du catalogue, et son résultat de 8 % sur DeepSWE importe moins pour les charges de travail qui ne sont pas du codage agentique à long horizon. Si votre charge de travail est un agent local toujours actif — haute fréquence, privé, interactif, appel d'outils — Muse Glimmer est la forme de la réponse, avec la réserve que ses affirmations en matière d'agentique sont encore entièrement autodéclarées et nécessitent un test indépendant. Si votre charge de travail est les deux — et c'est le cas de la plupart des piles d'agents réelles — alors les deux modèles sont deux niveaux d'un même système : le 30B local pour le chemin rapide, privé et haute fréquence, et le MoE loué pour le travail lourd sur longs contextes.

Ce qui permettrait de trancher cette comparaison, par ordre approximatif de rapidité : un résultat Glimmer indépendant sur un test à long horizon sans contamination comme DeepSWE, soit le chiffre le plus utile qui manque à ce face-à-face ; une deuxième reproduction indépendante des 8 % de DeepSeek pour confirmer qu'il ne s'agissait pas d'un coup de chance lié à la configuration ; et le premier fournisseur à déployer un endpoint Glimmer, moment où la répartition entre local et loué cesse d'être hypothétique pour devenir quelque chose que l'on peut brancher avec une seule clé. D'ici là, le résumé honnête est court. DeepSeek V4 Pro est le géant des poids ouverts avec un historique éprouvé de tokens à bas coût et une faiblesse spécifique et mesurée. Muse Glimmer est le nouveau venu des poids ouverts dont tout l'argumentaire vise exactement cette faiblesse — et dont la seule preuve jusqu'ici est sa propre parole.