Muse Spark Open : le meilleur modèle américain à poids ouverts est une affirmation assortie de conditions.

L'affirmation est arrivée sur X dans la soirée du 15 octobre 2026, et c'est le genre d'affirmation qui est vraie dans une phrase et négociable dans la suivante. Meta a publié les poids de Muse Spark Open — le checkpoint de 816 milliards de paramètres, dont 42 milliards actifs, qu'elle gardait depuis que le dépôt était apparu sur Hugging Face un mois plus tôt — et en quelques heures, la formule qui y était accolée était « meilleur modèle à poids ouverts américain ». Le chiffre qui l'étaye le plus directement n'est pas celui de Meta. C'est 39 : la note que la fiche hébergée d'Artificial Analysis elle-même attribue à Muse Spark Open à son réglage de raisonnement xhigh, le classant neuvième parmi les 118 modèles à poids ouverts de plus de 150 milliards de paramètres de ce tableau, contre une médiane de catégorie de 19. C'est une véritable mesure réalisée par un tiers sur un modèle réellement téléchargeable. Par ailleurs, Muse Spark 1.3 — le checkpoint actuel de la gamme fermée Muse Spark, en disponibilité générale depuis le 2 septembre 2026 — obtient 48 sur le même indice. Les deux chiffres appartiennent à Meta. Un seul d'entre eux appartient à quelque chose que vous pouvez télécharger, et un seul d'entre eux est mesuré par quelqu'un d'autre que Meta.

Les dates, parce que le cadrage repose sur elles.

Rien de tout cela n'est un lancement, et la confusion s'explique facilement. Meta Superintelligence Labs a présenté la famille Muse Spark le 8 avril 2026. Muse Spark 1.1 est arrivé le 16 juillet, Muse Spark 1.2 le 5 août, et Muse Spark 1.3 le 2 septembre — cette dernière version ayant acquis son niveau de raisonnement « max » le 4 septembre après des tests de sécurité supplémentaires. Cette gamme est propriétaire et servie. Muse Spark Open est un artefact distinct : un dépôt Hugging Face à accès restreint, meta-models/Muse-Spark-Open-816B-A42B, dont l'horodatage de création est le 2026-09-15, plus une version NVFP4 créée quelques secondes auparavant. Les poids sont restés là pendant quatre semaines dans un formulaire à accès contrôlé. Le 15 octobre 2026, Meta a publié le texte de la licence, un article de blog de recherche, un guide de compilation pour développeurs et une fiche de résultats de benchmarks, et le dépôt a cessé d'être un artefact que personne n'avait annoncé.

Donc, l’interprétation correcte n’est ni « sortie furtive » ni « lancement ». Le modèle a existé discrètement pendant un mois ; les formalités administratives ont rattrapé leur retard le 15 octobre. Ce qui a changé pour quiconque décide quoi exécuter est limité et précis : il y a désormais une licence que l’on peut lire, une recette matérielle annoncée, une prise en charge dès le premier jour dans les frameworks que les gens utilisent réellement, et une mesure indépendante. Ce qui n’a pas changé, c’est la ligne fermée, le prix de la ligne fermée, ni quoi que ce soit concernant les modèles API que la plupart des lecteurs de ce site appellent.

« Open » est la partie avec les conditions

La licence est l'endroit où l'allégation phare trouve ses petits caractères, et il vaut la peine de la lire avant de la répéter. Muse Spark Open est distribué sous la Muse Model License. Meta la décrit comme permettant à de nombreux développeurs d'utiliser le modèle gratuitement, et deux clauses définissent où s'arrête le « gratuit ».

• Modèle en tant que service — si vous ou vos sociétés affiliées donnez à des tiers l’accès au modèle en tant que produit ou service via une API, et que le chiffre d’affaires brut cumulé dépasse vingt millions de dollars américains sur toute période consécutive de douze mois, vous devez notifier Meta et signer un accord écrit distinct avant d’exercer cette activité. L’intégration du modèle dans votre propre produit est exclue ; la revente de l’accès à celui-ci ne l’est pas.

• Attribution — la licence exige que « Built with Muse Spark Open » soit affiché de manière bien visible dans l'interface de tout produit qui utilise le modèle ou un dérivé, ou dans la documentation, le site ou le menu des paramètres qui l'accompagnent.

• Ce que vous pouvez faire sans ambiguïté — affiner, distiller, fusionner, publier, sous-licencier et vendre des dérivés, Meta ne revendiquant la propriété d'aucun résultat.

• Comment l’obtenir — le dépôt est à accès restreint. Le formulaire de demande exige le nom légal complet, la date de naissance et l’organisation avec les identifiants d’entreprise, et ne peut pas être modifié après soumission.

Cette combinaison est ce qui fait de la formulation « best US open-weight model » une revendication de catégorie plutôt qu’une revendication absolue. Dans le même panel d’Artificial Analysis, la meilleure entrée américaine à poids ouverts sous licence permissive est NVIDIA Nemotron 3.5 Super VL avec 26,49, devant Inkling Small à 25,66. Muse Spark Open obtient un score supérieur aux deux et ne relève pas de la même catégorie d’adoption : une licence commerciale sur mesure derrière un formulaire de demande, ce n’est pas la même chose qu’un checkpoint que l’on peut cloner et déployer sous OpenMDW-1.1 cet après-midi. Le billet de blog de Meta lui-même utilise la formulation « most capable US open-weight model to date », ce qui est défendable sur l’indice et plus restrictif que ne le sous-entend « best » une fois la licence dans la phrase.

Ce que le checkpoint règle sans l’aide de Meta

Cette partie est vérifiable à partir du dépôt lui-même, avant même de croire le moindre benchmark.

• Échelle — environ 816 milliards de paramètres au total, avec environ 42 milliards actifs par token, un mélange d’experts clairsemé sur 62 couches et une dimension cachée de 8 192, avec 256 experts par couche MoE et 8 sélectionnés par token. Attention à requêtes groupées avec 128 têtes de requête et 16 têtes clé-valeur de 64 dimensions chacune.

• Contexte — 1,048,576 tokens, la fenêtre que Meta écrit sous la forme 1M, partagée entre les tokens de texte, d’image, de vidéo et d’audio dans un seul budget.

• Modalités — texte, images, vidéo et audio en entrée ; texte en sortie. Il lit des entrées multimodales et écrit du texte, ce qui n’est pas la même chose que de générer l’une de ces modalités.

• Checkpoints — une version BF16 d'environ 1,5 To de safetensors, et une version NVFP4 4 bits dont Meta affirme qu'elle tourne sur un seul nœud B200. Des tiers y ont depuis ajouté leurs propres quantifications, des versions GGUF aux conversions MLX 3 bits et 4 bits datées du jour de la sortie.

• Contrôle du raisonnement — un réglage de l’effort de raisonnement avec des niveaux faible, moyen, élevé et xhigh. L’outillage de Meta signale que désactiver le raisonnement n’est pas une option.

• Moteurs d’exécution — Transformers, llama.cpp, SGLang, vLLM, TensorRT-LLM, Apple MLX et Unsloth dès le premier jour, avec des noyaux Helion personnalisés à réglage automatique pour SGLang, que Meta annonce comme des accélérations au niveau des noyaux de 1,03x à 3,95x sur les puces NVIDIA et AMD.

• La démo sur ordinateur de bureau — deux machines Mac Studio équipées de puces M5 Ultra sous MLX, ce qui fonctionne parce que chacune expose jusqu’à 512 Go de mémoire unifiée à 1,2 To/s. Les démos de Meta consistaient à pousser de véritables modifications dans un client iOS open source et à faire tourner DaVinci Resolve de bout en bout.

Rien de tout cela n’est une allégation marketing ; c’est un fichier de configuration, une liste de fichiers et une recette publiée. C’est aussi là que se matérialise le coût pratique de l’« open » — l’arithmétique de la mémoire ne se soucie pas de la licence que vous avez acceptée. Avec un contexte complet de 1 M de tokens en BF16, le cache KV à lui seul atteint environ 266 Go, de sorte que la fenêtre annoncée par le modèle et la fenêtre que vous pouvez vous permettre sur votre matériel correspondent à deux budgets différents.

Le seul chiffre que Meta n'a pas écrit

Le classement d'Artificial Analysis est la seule mesure réalisée par un tiers de Muse Spark Open accessible publiquement à l'heure actuelle, et il en dit plus que le seul indice.

• Intelligence — un indice d'intelligence Artificial Analysis de 39 au réglage xhigh, classé 9e sur 118 modèles à poids ouverts de plus de 150 milliards de paramètres, au-dessus d'une médiane de catégorie de 19.

• Vitesse — 103,4 jetons de sortie par seconde, 18e rang sur 76 dans cette cohorte.

• Coût — 0,84 $ par tâche Intelligence Index terminée, sur une route hébergée au tarif de 1,25 $ par million de jetons d’entrée et de 4,25 $ par million de jetons de sortie.

• Efficacité — la fiche indique que le modèle est plutôt concis, générant environ 110 millions de tokens sur l’ensemble de l’exécution de l’index, contre une médiane de 130 millions.

Comparez-les à la propre fiche d’évaluation de Meta : l’écart ne réside pas dans la spécification, mais dans la couverture. La fiche de Meta indique Terminal-Bench 2.1 à 76,4 avec l’agent Terminus 2, MCP-Atlas à 89,2, GDPval-AA v2 à 1401, SciCode à 58,5, JobBench à 61,8, HLE-Diamond à 26,1 sans outils, et DeepSWE 1.1 à 60 sur ce que la fiche appelle le meilleur harnais disponible. Chacune de ces lignes a été produite dans le harnais d’agent propre au modèle plutôt que dans un harnais partagé, ce qui en fait une affirmation de capacité plutôt qu’un classement à périmètre comparable, et nous n’en avons reproduit aucun. L’accord entre les deux récits porte sur la fiche technique — 816B au total, 42B actifs, 1M de contexte, la même licence, les mêmes modalités d’entrée. Le désaccord, c’est qu’un côté dispose de huit benchmarks et l’autre d’un seul indice, d’un seul chiffre de vitesse et d’un seul prix. Il n’existe encore nulle part dans le domaine public de mesure audio ni de mesure vidéo, alors même que la ligne des modalités est ce qui distingue le plus le modèle.

Ensuite, il y a l’évaluation que Meta n’a pas publiée.

Le post de lancement indique que Muse Spark Open a été évalué dans le cadre du Meta Superintelligence Scaling Framework et « a atteint les seuils que notre cadre exige pour une publication », avec des résultats détaillés dans la fiche de modèle ; la fiche de modèle renvoie à un rapport d’évaluation complet annoncé comme bientôt disponible. Une affirmation de sécurité validée par un cadre interne est un objet distinct d’un rapport de sécurité qu’un lecteur peut consulter, et seul le premier existe au moment de la rédaction.

Ce que cela ne change pas pour quiconque a une échéance

Muse Spark Open n'est pas quelque chose vers quoi on pointe une clé API. C'est un téléchargement, une licence, un formulaire de demande contrôlé et une décision matérielle, et si la charge de travail a besoin d'une réponse cette semaine, la surface à couvrir avant le premier token est importante. La question pratique est de savoir à quel modèle Muse vous pouvez accéder dès maintenant, et la réponse se trouve dans la ligne fermée : Muse Spark 1.2 et Muse Spark 1.1 sont les deux checkpoints qu'OrcaRouter route, tous deux servis au prix catalogue de Meta de 1,25 $ par million de tokens d'entrée et de 4,25 $ par million de tokens de sortie avec 0 % de marge, car le prix catalogue du fournisseur est répercuté plutôt que majoré. Ils acceptent les entrées texte, image, vidéo, audio et PDF dans la même fenêtre de 1 048 576 tokens, de sorte que le comportement multimodal pour lequel le checkpoint ouvert est loué est disponible sur la ligne servie dès aujourd'hui, sans file d'attente de téléchargement.

Muse Spark Open ne figure pas dans notre catalogue, et nous n'allons pas laisser entendre le contraire — un modèle dont toute la proposition est que vous pouvez l'exécuter vous-même est un modèle que l'on exécute soi-même. Là où une configuration avec routage reste utile, c'est autour : une API unique pour plus de 200 modèlessignifie qu'un checkpoint non éprouvé n'a pas à être un pari de production, que le basculement automatique peut acheminer une requête vers un second fournisseur lorsque le premier se dégrade, et que le DSL de routage fait passer le trafic d'un modèle à l'autre par la configuration plutôt que par une modification du code. Pour un modèle publié il y a un jour, doté d'un seul benchmark indépendant et d'un rapport d'évaluation non publié, c'est la façon la moins coûteuse de découvrir ce qu'il donne sur votre trafic pendant que l'infrastructure d'un autre absorbe la variance.

Qu’est-ce qui déplacerait cette pièce ?

Trois choses restent en suspens plutôt qu'inconnues, et chacune changerait la lecture. La première est le rapport d'évaluation de Meta, qui fait la différence entre une affirmation de sécurité et un bilan de sécurité. La deuxième est une seconde mesure indépendante — un analyste avec un seul indice constitue un point de données, pas un consensus, et rien n'a encore soumis Muse Spark Open à une évaluation audio ou vidéo, alors même que ce sont ses différenciateurs annoncés. La troisième est le comportement de la licence en pratique : le seuil de vingt millions de dollars et la clause d'attribution sont les termes qui détermineront si le modèle américain à poids ouverts le plus performant au score devient le plus utilisé, ou reste celui que les équipes téléchargent pour le tester, puis exploitent depuis un autre endroit. Tant qu'au moins l'un de ces points n'est pas résolu, la version honnête du titre est que Meta a livré le modèle américain à poids ouverts le plus capable selon la seule mesure indépendante disponible, sous une licence qui maintient le mot « open » dans un sens précis plutôt qu'absolu.

Ce que les chiffres ne peuvent pas vous dire, c'est si quelque chose a mal tourné sur le terrain : les incidents d'IA documentés et les défaillances d'agents concernant les modèles de cette classe sont recensés dans l'OrcaRouter AI Incident Archive, où chaque entrée comporte ses propres sources, sa gravité, son niveau de confiance et son indicateur de contestation.