
Muse Spark 1.3 Contributor se lance à $0.10/$0.20 : le modèle de codage le moins cher de Meta, payé en données
- AlibabaNOUVEAUQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 par million de tokens
- z-aiNOUVEAUZ.ai: GLM 5.3 Flash2026-08-2658Intelligence72Code
- DeepSeekNOUVEAUDeepSeek: DeepSeek V4 Flash Vision (Exp)2026-08-21$0.15 / $0.29 par million de tokens
- z-aiZ.ai: GLM 5.32026-08-1860Intelligence75Code
- obsidianQwen3.8 27B2026-08-1552Intelligence68Code
- qwenQwen: Qwen3.8 27B (free)2026-08-13qwen/qwen3.8-27b-free
- deepseekDeepSeek: DeepSeek V4 Pro 08132026-08-1253Intelligence69Code
- grokSpaceXAI: Grok 4.62026-08-1261Intelligence77Code
- metaMeta: Muse Spark 1.22026-08-0557Intelligence72Code
- qwenQwen: Qwen3.8 Max2026-08-0358Intelligence72Code
- deepseekDeepSeek: DeepSeek V4 Flash 07312026-07-3152Intelligence69Code
- minimaxMiniMax: MiniMax-H32026-07-31minimax/minimax-h3
- qwenQwen: Qwen3.7 Flash2026-07-27$0.03 / $0.13 par million de tokens
- orcaOrcaDub: OrcaDub 1.02026-07-27orca/dub
- anthropicAnthropic: Claude Opus 52026-07-2463Intelligence78Code
- googleGoogle: Gemini 3.6 Flash2026-07-2152Intelligence69Code
- googleGoogle: Gemini 3.5 Flash-Lite2026-07-2137Intelligence49Code
- metaMeta: Muse Spark 1.12026-07-1653Intelligence71Code
- kimiMoonshotAI: Kimi K32026-07-1560Intelligence76Code
- openaiOpenAI: GPT-5.6 Luna2026-07-0952Intelligence71Code
Meta a publié Muse Spark 1.3 Contributor le 2 septembre, et la surprise ne vient pas du modèle — mais du prix. Muse Spark 1.3 Contributor est la SKU de partage de données du nouveau checkpoint Muse Spark 1.3, proposée à 0,10 $ par million de jetons d'entrée et 0,20 $ par million de jetons de sortie, contre 1,25 $ et 4,25 $ pour le Muse Spark 1.3 standard : soit une remise d'environ 12× sur l'entrée et 21× sur la sortie, qui donne à Meta le droit de s'entraîner sur vos prompts et vos réponses générées. Alexandr Wang, qui dirige les travaux d'IA de Meta, a qualifié ce prix d'« agressif », a affirmé qu'un « pourcentage significatif à deux chiffres » de développeurs choisit déjà l'offre Contributor que Meta avait lancée avec Muse Spark 1.2 en août, et a présenté cette sortie comme un travail de fond pour des agents personnels qui travaillent pour le compte de l'utilisateur 24 heures sur 24. Le modèle est devenu disponible dès le premier jour dans l'API Meta Model et dans Muse Code, l'agent de codage en terminal de Meta ; une variante « max reasoning » du checkpoint est encore en test de sécurité. Les équipes qui acheminent des charges de travail de codage via une API devraient y voir une manœuvre de guerre des prix déguisée en lancement de modèle — et la SKU Contributor est l'arme.
Une version, et le palier qui en change le sens.
Muse Spark 1.3 est la quatrième version de la gamme Muse Spark depuis avril, et la cadence la plus rapide que Meta ait jamais tenue sur un produit phare : le Muse Spark original le 8 avril, le Muse Spark 1.1 le 9 juillet (le premier modèle d'API payant de Meta), le Muse Spark 1.2 orienté codage le 5 août, et maintenant la 1.3 un mois plus tard. Meta a maintenu le prix standard de la 1.3 identique à celui de la 1.2, ce qui est en soi notable — l'entreprise maintient les prix de l'API stables tout en revendiquant une forte progression en capacité de codage. C'est dans le palier Contributor que vit réellement la stratégie tarifaire de Meta : plutôt que de remiser le SKU standard, Meta expédie le même checkpoint deux fois, une fois au prix fort sans clause sur les données d'entraînement et une fois quasi à prix coûtant en échange de droits d'utilisation. Cette structure à deux SKU, apparue avec la 1.2 en août, est désormais la norme par défaut pour la gamme.
• Checkpoint — Muse Spark 1.3, un modèle de raisonnement multimodal à poids fermés (texte, image, vidéo, audio et PDF en entrée ; texte en sortie).
• Contexte : 1 048 576 tokens d’entrée, plafond de sortie de 131 072 tokens, inchangés par rapport à la version 1.2.
• SKU standard — 1,25 $ en entrée, 4,25 $ en sortie, 0,15 $ pour l’entrée en cache. Aucune clause sur les données d’entraînement.
• SKU Contributeur — 0,10 $ en entrée, 0,20 $ en sortie, 0,002 $ pour l’entrée en cache. Les invites et les réponses peuvent être utilisées pour entraîner les modèles Meta.
• Modes de raisonnement — les modes standard sont disponibles au lancement ; le « raisonnement maximal » est retenu en attendant les tests de sécurité.
• Où il s’exécute — l’API Meta Model et le code Muse, avec la SKU Contributor également distribuée via les plateformes pour lesquelles Meta a signé.

La structure « même checkpoint, deux contrats » compte pour une raison pratique : la qualité du modèle n'est pas la variable entre les SKU. Un développeur qui paie 4,25 $ par million de jetons de sortie et un développeur qui paie 0,20 $ appellent les mêmes poids. La décision entre eux relève entièrement de la clause de données et des limites opérationnelles qui l'accompagnent — c'est pourquoi l'option Contributor mérite d'être traitée comme un produit à part entière plutôt que comme une note de bas de page du lancement de la 1.3.
Ce que le nouveau checkpoint change selon Meta.
Parce que 1.2 était elle-même une version de codage, l’histoire de 1.3 est surtout « meilleure pour le même travail ». Tout ce qui suit sont les propres chiffres de Meta issus du lancement, pas encore reproduits par un évaluateur indépendant :
• Terminal-Bench 2.1 — 88,8, ce qui, selon Meta, égale le meilleur résultat du classement, en hausse par rapport aux 82,9 qu’elle avait annoncés pour Muse Spark 1.2 sur le même benchmark.
• DeepSWE v1.1 — 75,4, que Meta qualifie de résultat de pointe sur le benchmark agentique à long horizon, devant les 73,0 et 74,0 qu'elle cite pour deux rivaux de premier plan.
• Rétention de longs contextes — 98,5 sur MRCR à 256K–512K et 98,1 à 512K–1M, résultats déclarés par le fournisseur.
• Efficacité — Les ingénieurs de Meta signalent environ 20 % d'appels d'outils en moins et 25 % de jetons en moins que Muse Spark 1.2 sur les mêmes tâches, ce qui est l'affirmation qui alimente le plus directement une comparaison des coûts.
Les affirmations d'efficacité comptent, même si les scores aux benchmarks ne survivent pas au contact d'un banc d'essai indépendant, car elles se cumulent avec le tarif Contributor. Le seul point de référence indépendant disponible aujourd'hui est la génération précédente : sur Artificial Analysis, la plus récente entrée Muse Spark est toujours Muse Spark 1.2, avec un Intelligence Index de 57 et un score Terminal-Bench 2.1 mesuré autour de 80,1 — en dessous des 82,9 que Meta avance pour ce modèle. Aucun test indépendant de Muse Spark 1.3 n'a encore été publié à l'heure où nous écrivons, et Artificial Analysis n'a pas encore répertorié le checkpoint 1.3. Considérez les chiffres 88,8 et 75,4 comme des affirmations de Meta jusqu'à ce qu'une arène ou un banc d'essai tiers les confirme.

C'est dans les petites lignes de Contributor que l'affaire devient sérieuse.
L'écart entre 0,20 $ et 4,25 $ pour les jetons de sortie est bien réel, et les conditions qui y sont attachées le sont tout autant. Le programme Contributor de Meta, tel que publié avec la version 1.2 d'août, associe ce tarif réduit à des contraintes qui changent la manière dont une équipe sérieuse peut l'utiliser :
• Utilisation des données — les invites et les complétions envoyées via le Contributor SKU peuvent être utilisées pour entraîner les modèles de Meta. Cela inclut le code et, pour un codeur agentique, concrètement le contenu des dépôts vers lesquels on le pointe. C’est la raison même de la remise.
• Limites de débit — le niveau Contributor est nettement plus restrictif que l’offre standard : 60 requêtes par minute et 2,1 M de jetons par minute, contre 3 000 requêtes et 4 M de jetons par minute sur le SKU standard. L’écart de 50× sur le débit de requêtes exclut donc le niveau Contributor pour les CI à rafales ou les évaluations parallèles de grande envergure.
• Limites régionales — La disponibilité des contributeurs est limitée à un sous-ensemble de régions, et un mode de paiement est requis même si le coût marginal d'une session peut être de quelques centimes.
• Les modules complémentaires ne bénéficient pas de remise — l’ancrage par recherche web coûte 2,50 $ pour 1 000 requêtes sur les deux paliers ; un agent fortement axé sur la récupération d’informations bénéficie donc d’un pourcentage de remise inférieur à ce que laissent entendre les tarifs en tokens.
• Le raisonnement est facturé comme sortie — tout jeton de raisonnement est compté au tarif de sortie, si bien que la remise de 21× sur la sortie est le facteur dominant d’une charge de travail agentique.
Ce que des tokens de sortie à 0,20 $ font à la facture d'un agent
Prenons une tâche représentative de codage agentique : 200 000 jetons d’entrée pour le contexte et l’état du dépôt, et 40 000 jetons de sortie, y compris le raisonnement et les appels d’outils. Sur l’offre standard Muse Spark 1.3 SKU, cela donne 1,25 $ × 0,2 plus 4,25 $ × 0,04, soit environ 0,42 $ par tâche. Sur Muse Spark 1.3 Contributor, le même calcul donne 0,10 $ × 0,2 plus 0,20 $ × 0,04, soit environ 0,03 $ — environ un quinzième du prix avant même de compter le gain d’efficacité de 25 % de jetons en moins. À l’échelle d’une équipe qui exécute quelques milliers de tâches agentiques par mois, l’offre Contributor transforme une facture de jetons à cinq chiffres en une facture à trois chiffres. Voilà l’offre. Les mentions en petits caractères ci-dessus représentent le coût, et pour de nombreuses équipes, la question pertinente n’est pas de savoir si l’économie est réelle, mais si la clause relative aux données et le plafond de 60 requêtes par minute sont acceptables.
Comment vous le lanceriez réellement aujourd'hui
Muse Spark 1.3 Contributor n'est pas encore routé par toutes les plateformes qui assuraient Muse Spark 1.2, si bien que le tableau honnête de l'accès est partagé. Côté Meta, le SKU Contributor est disponible directement via l'API Meta Model — c'est le propre endpoint du fournisseur, et c'est là que s'appliquent les conditions pour le niveau de partage de données. De notre côté, le membre routable de la famille Muse Spark aujourd'hui est le Muse Spark 1.2 standard, servi sur OrcaRouter au prix catalogue de Meta, soit 1,25 $ en entrée et 4,25 $ en sortie, avec une marge de 0 % — une seule clé API, aucun second contrat, et un basculement automatique en cas de congestion chez le fournisseur en amont. Lorsqu'un fournisseur routé ajoute la famille Muse Spark 1.3, les deux SKU apparaissent au prix catalogue le jour même, car OrcaRouter transmet le tarif du fournisseur sans modification : une baisse de prix du vendeur, ou un niveau Contributor, se reflète immédiatement sur la facture, sans attendre une renégociation. Cette transmission directe est la raison pratique de surveiller où 1.3 atterrit plutôt que de supposer que la répartition actuelle est permanente.

Les deux prochaines semaines
Quatre éléments décideront si Muse Spark 1.3 Contributor est une véritable inflexion ou une simple cadence marketing. Premièrement, la confirmation par un banc d’essai indépendant des scores de 88,8 sur Terminal-Bench et de 75,4 sur DeepSWE, car tout le discours de « frontière à prix réduit » repose sur eux. Deuxièmement, la sortie de la variante « max reasoning » jusque-là retenue, et la question de savoir si elle sera aussi proposée sur le palier Contributor. Troisièmement, la réaction des rivaux de Meta sur le prix : un modèle de codage sérieux à 0,20 $ par jeton de sortie fait pression sur tous les modèles premium de codage au-dessus de ce prix, et la réponse se fera sentir sous quelques semaines. Quatrièmement, la question de savoir si le scepticisme initial de la communauté — certains testeurs ont qualifié la 1.3 d’itérative, « pressant le tube de dentifrice » après un mois d’intervalle — cédera la place à des résultats tiers mesurés. En attendant ces éléments, la position rationnelle est que Muse Spark 1.3 Contributor est un moyen inhabituellement économique d’exécuter un modèle de codage très performant, la totalité de la réduction étant intégrée dans une clause de données qui mérite le même examen que le graphique de référence.
Comparés dans cet article1
Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement
