Muse Spark vs Muse Spark 1.3 : l'un de ces noms est une version, et c'est là toute la réponse

Saisir Muse Spark face à Muse Spark 1.3 dans un champ de recherche implique deux produits, et la première chose utile que l’on puisse vous dire est qu’il n’y en a qu’un. Meta Superintelligence Labs a lancé Muse Spark le 8 avril 2026, et Muse Spark 1.3 — sorti le 2 septembre 2026, avec son niveau de raisonnement maximal ouvert aux développeurs le 4 septembre — est désormais ce à quoi ce nom renvoie. La page de modèle de Meta elle-même tranche la question en trois phrases : Muse Spark 1.3 est « la dernière version » et est recommandé pour les nouveaux travaux, Muse Spark 1.2 est « la version précédente », et Muse Spark 1.1 est « la version d’origine ». Il ne s’agit donc pas d’une confrontation. C’est la question de la version que le nom Muse Spark dissimule depuis que la famille a commencé à pointer vers d’autres versions, et la réponse change selon lequel des points de contrôle antérieurs vous compariez réellement.

Ce que chaque nom désigne

Le nom sans version est une famille et une cible mouvante. Meta a livré le Muse Spark original en avril 2026 sous la forme d'un modèle de raisonnement nativement multimodal avec un aperçu privé de l'API, puis a commencé à publier des points de contrôle numérotés : Muse Spark 1.1, que notre propre catalogue répertorie avec une date de sortie du 16 juillet 2026 ; Muse Spark 1.2 le 5 août 2026 ; et Muse Spark 1.3 le 2 septembre 2026. Des fiches indépendantes concordent avec ces deux dernières dates. Il y a un détail qu'il vaut mieux signaler plutôt que de lisser : la documentation de Meta qualifie la 1.1 de « version originale », alors que l'introduction de la famille a eu lieu en avril, et l'écart entre ces deux affirmations n'est expliqué sur aucune page que nous avons pu lire. Considérez la date d'avril comme l'introduction de la famille et celle de juillet comme le premier point de contrôle qui porte un numéro, et ne considérez ni l'une ni l'autre comme un événement de lancement que cette page rapporte.

Les trois versions numérotées partagent la même ligne de modalités et la même fenêtre de contexte de 1 048 576 tokens, ce que Meta indique explicitement : elles « partagent les mêmes modalités et la même fenêtre de contexte, et ne diffèrent que par leurs capacités ». Cette phrase est l'élément le plus utile en pratique de toute la page. Elle signifie qu'un changement de version dans cette famille ne modifie pas la forme de votre requête. Mêmes entrées — texte, image, vidéo, audio et PDF — même sortie texte uniquement, même plafond. Ce qui change, c'est la qualité de la réponse, et le prix ne change pas du tout : 1,25 $ par million de tokens d'entrée, 0,15 $ par million de tokens d'entrée mis en cache et 4,25 $ par million de tokens de sortie, identiques pour les versions 1.1, 1.2 et 1.3 sur le niveau Standard de Meta.

L'arithmétique de la mise à niveau, d'après le propre tableau de Meta

Meta publie un seul tableau de benchmarks qui place Muse Spark 1.3 exécuté en raisonnement maximal à côté de Muse Spark 1.2 exécuté en xhigh sur une douzaine d’évaluations agentiques et à contexte long, et le lire ligne par ligne donne une image plus intéressante que ne le suggère le numéro de version. Chaque chiffre ci-dessous est déclaré par le fournisseur, produit dans le propre harnais de Meta, et non reproduit par nous.

• GDPval-AA v2 — Muse Spark 1.3 (max) 1 754 contre Muse Spark 1.2 (xhigh) 1 615

• Terminal-Bench 2.1 — 88,8 vs 82,9

• OSWorld 2.0 — 66,9 vs 47,6

• DeepSWE v1.1 — 75.4 vs 55.0

• SWEAtlas — 59,4 contre 46,2

• JobBench — 64,9 vs 61,6

• MRCR 256K–512K — 98,5 vs 66,3

• MRCR 512K–1M — 98,1 contre 55,5

Les deux dernières lignes sont l'essentiel, et ce ne sont pas celles que quiconque a citées au lancement. La récupération à long contexte dans la bande 256K–512K gagne 32 points ; dans la bande 512K–1M, elle en gagne plus de 42. Le travail sur les capacités générales progresse bien moins : GDPval-AA gagne 139 points sur une échelle qui affichait 1,2 à 1 615, et JobBench gagne 3. Le schéma correspond à ce qu'un laboratoire ajuste lorsqu'il vise le travail agentique à long horizon — le modèle n'est pas devenu uniformément plus intelligent, il est devenu spectaculairement meilleur pour retenir et récupérer de l'information dans un contexte pour lequel il disposait déjà de la fenêtre. Si votre charge de travail se situe dans les 100K premiers tokens, la mise à niveau est réelle mais modeste. Si elle se situe au-delà, c'est la différence entre un modèle capable d'utiliser un grand contexte et un modèle capable d'y trouver des choses.

Deux réserves doivent être apportées à ces chiffres. La comparaison est max contre xhigh, et non max contre max, car Meta a exécuté 1.2 en xhigh et 1.3 en max — les réglages diffèrent, donc une partie du gain relève du budget de raisonnement plutôt que de la qualité du checkpoint. Et la ligne de 1.2 dans ce tableau est désormais une configuration dépréciée : en dehors du tableau de Meta lui-même, des fiches indépendantes signalent Muse Spark 1.2 comme déprécié et renvoient à 1.3, ce qui constitue le signal le plus fort dont on dispose indiquant que l’ancien checkpoint est en voie d’abandon.

Le cinéma indépendant, et le métier dont personne ne parle

Artificial Analysis est le tiers qui dispose de classements publics pour les deux points de contrôle, et ses chiffres ne concordent pas avec ceux de Meta d'une manière instructive — non pas sur la direction, mais sur le coût.

• Muse Spark 1.3 (Max) — Intelligence Index 48, classé 24e sur 217 ; vitesse de sortie de 121,9 tokens/seconde ; 1,60 $ par tâche Index terminée ; 170 M de tokens de sortie générés pendant l’évaluation

• Muse Spark 1.2 (Xhigh) — Indice d'intelligence 40, rang 59 sur 217 ; débit de sortie 361,4 jetons/seconde, classé premier sur 186 modèles ; 0,97 $ par tâche de l'Indice terminée ; 130 M de jetons de sortie ; temps jusqu'au premier jeton 12,67 secondes

Si l’on compare les deux listes, la mise à niveau ne correspond pas à ce qu’on lit dans le tableau de Meta. Muse Spark 1.3 est plus fort de huit points d’indice et environ trois fois plus lent — 121,9 tokens par seconde contre 361,4, alors que l’ancien checkpoint était le modèle le plus rapide, toutes catégories confondues, de ce tableau. Le coût par tâche terminée est passé de 0,97 $ à 1,60 $, même si le prix par token est identique, parce que le nouveau modèle génère 40 millions de tokens de plus pour terminer la même évaluation. Rien n’a changé dans la grille tarifaire du fournisseur. Ce qui a changé, c’est la quantité de ce que le modèle dit.

C'est le compromis que le numéro de version dissimule, et il va dans une direction que la plupart des analyses ont ignorée. Si votre application est sensible à la latence ou limitée par le débit, la version précédente de Muse Spark peut réellement être le produit le plus rapide pour vous, et ce au même prix catalogue. Si elle est limitée par la précision sur des problèmes difficiles, la 1.3 avec le raisonnement maximal est tout l'intérêt de la mise à niveau. Ce sont des achats différents déguisés en simple incrément de version, et un seul d'entre eux correspond à ce que l'avis de dépréciation présume que vous voulez.

Ce que la 1.3 a ajouté qui n'est pas un score

Le niveau de raisonnement max est le changement le plus lourd de conséquences de la version 1.3, et il est arrivé avec deux jours de retard. Lors du lancement du 2 septembre, Meta a déployé tous les niveaux d’effort jusqu’à xhigh et a gardé max en réserve dans l’attente de ce qu’elle a qualifié de tests de sécurité supplémentaires, en le partageant avec un ensemble restreint de partenaires. Le 4 septembre, ces tests ont pris fin et max est devenu sélectionnable dans Muse Code et sur l’identifiant de modèle muse-spark-1.3 via l’API Meta Model. La conséquence est que le tableau de scores phare — le 1 754 sur GDPval-AA, le 98,5 sur MRCR — a été produit avec un réglage que les développeurs ne pouvaient pas appeler pendant les deux premiers jours, et toute intégration écrite le jour du lancement peut encore n’énumérer l’effort de raisonnement que jusqu’à xhigh. Vérifiez ce que votre route accepte avant de supposer que max sera honoré.

Meta vend également le checkpoint 1.3 deux fois, et la différence ne réside pas dans le modèle. muse-spark-1.3 est étiqueté « Non utilisé pour améliorer nos produits » à 1,25 $ / 0,15 $ en cache / 4,25 $. muse-spark-1.3-contributor est étiqueté « Utilisé pour améliorer nos produits » à 0,10 $ / 0,002 $ / 0,20 $ — environ un ordre de grandeur moins cher en entrée et plus de vingt fois moins cher en sortie, en échange de l'autorisation d'entraîner sur vos prompts et vos complétions. Les deux disposent de la même fenêtre de contexte de 1 M de tokens. Contributor décrit ce que vous apportez, non ce que vous recevez ; il s'agit d'un palier de tarification assorti d'une clause sur les données, et non d'une publication de poids ouverts.

Et il y a une régression, signalée par Meta elle-même plutôt que découverte par un utilisateur. La compréhension audio dans Muse Spark 1.3 n'est pas entièrement prise en charge, et Meta avertit que la qualité des réponses aux requêtes contenant du contenu audio peut être dégradée, en orientant les charges de travail audio vers Muse Spark 1.2. Ainsi, la version actuelle n'est pas la bonne réponse pour toutes les entrées dans la propre ligne de modalité de la famille — un cas où le checkpoint le plus récent est le mauvais choix pour une charge utile que l'ancien gère.

Quelle version pouvez-vous réellement appeler ?

Il vaut la peine de distinguer la question de la version de celle de la disponibilité, car leurs réponses diffèrent. Les trois versions numérotées de Muse Spark sont uniquement hébergées : Meta ne publie ni poids, ni licence, ni téléchargement pour aucune d'entre elles, et les variantes Contributor sont des niveaux hébergés à prix réduit plutôt que des versions publiées. Les poids ouverts de cette famille appartiennent à Muse Spark Open, le modèle à mélange d'experts clairsemé de 816 B publié par Meta le 15 octobre 2026, ainsi qu'à Muse Glimmer, le modèle de 30 B sous Apache 2.0 du 10 août 2026. Ni l'un ni l'autre n'est une version de Muse Spark, et ni l'un ni l'autre ne peut remplacer l'une de ces versions.

Notre propre catalogue reflète l'extrémité la plus ancienne de la gamme, et nous préférons le dire clairement plutôt que de laisser un numéro de version sous-entendre une couverture que nous n'avons pas. OrcaRouter route Muse Spark 1.1 et Muse Spark 1.2, tous deux au prix catalogue de Meta, avec 0 % de marge répercutée, tous deux sur la fenêtre de 1 048 576 tokens de la famille. Muse Spark 1.3 n'est pas sur notre catalogue aujourd'hui, et aucune des variantes Contributor non plus. Le chemin de mise à niveau pratique se fait donc en deux étapes : la 1.2 est ce vers quoi vous pouvez router dès maintenant, la 1.3 est ce que Meta recommande pour les nouveaux travaux, et le jour où elle arrive chez un fournisseur que nous routons, le changement se retrouve sur la même clé plutôt que dans votre code d'intégration.

La question de la version est aussi le terrain où un routeur justifie son utilité d'une manière propre à cette famille. Trois checkpoints, un seul fournisseur, un seul endpoint, aucun poids — toute la gamme passe par une seule API exploitée par une seule entreprise, ce qui constitue le risque de concentration inhérent au fait de développer contre elle. Router 1.1 et 1.2 derrière un seul endpoint compatible OpenAI signifie qu'un appel à long contexte qui échoue peut basculer vers l'autre checkpoint au lieu de faire échouer la requête, et le DSL de routage vous permet de répartir le trafic de production entre eux par simple configuration, ce qui vous permet de mesurer si la vitesse de 1.2 vaut plus pour vous que la précision de 1.3 sur vos propres prompts plutôt que sur l'index de quelqu'un d'autre. C'est la seule comparaison de versions qui tranche la question pour votre charge de travail.

La réponse, selon la question avec laquelle vous êtes arrivé

Si vous vouliez savoir si Muse Spark et Muse Spark 1.3 sont des modèles différents : ils ne le sont pas. 1.3 est ce que le nom désigne désormais, et Meta le présente comme le plus récent et le recommande pour les nouveaux travaux. Si vous vouliez savoir ce que vous obtenez en passant de la version précédente : environ 32 à 42 points de récupération en contexte long, un bond considérable dans l'usage agentique de l'ordinateur et le codage sur un horizon long, et une chute d'un facteur trois de la vitesse de sortie au même prix par token. Si vous vouliez savoir combien cela coûte : la grille tarifaire n'a pas bougé sur trois versions, ce qui vous indique que Meta rivalise sur la capacité par dollar plutôt que sur le dollar.

Ce qu'aucun de ces chiffres ne peut vous dire, c'est de quel côté de cet arbitrage se situe votre propre charge de travail, et la position honnête est que l'avis de dépréciation du fournisseur présuppose une réponse pour vous. La version trois fois plus rapide au même prix reste la seule des deux que vous puissiez atteindre via un routeur aujourd'hui, ce qui en fait une expérience inhabituellement peu coûteuse à mener avant l'arrivée de la 1.3.

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.