Meta a publié le 15 octobre les poids de Muse Spark Open, un modèle conçu pour le code et les tâches agentiques. L’annonce ajoute un acteur américain au segment des grands modèles à poids ouverts, avec un accès au téléchargement et chez plusieurs fournisseurs d’API. Les conditions de licence et la mémoire nécessaire pour l’exécuter limitent toutefois ce que signifie « ouvert » dans ce cas.
Un modèle de 816 milliards de paramètres, dont 42 milliards actifs par jeton
Selon l’annonce de Meta, Muse Spark Open compte 816 milliards de paramètres au total, dont 42 milliards sont activés pour chaque jeton. Il s’agit d’une architecture à mélange d’experts : une partie du réseau travaille à chaque étape, mais l’ensemble des poids doit être disponible pour l’inférence. La fenêtre de contexte annoncée atteint un million de jetons. Cette limite technique ne mesure pas, à elle seule, la qualité des réponses sur des documents de cette taille.
Le modèle accepte du texte, des images, de l’audio et de la vidéo en entrée, puis produit du texte. La présentation technique publiée par Hugging Face décrit les deux versions initiales des poids, BF16 et NVFP4, ainsi que les moteurs d’inférence pris en charge. La première représente environ 1,5 To de fichiers. Ce volume explique pourquoi « téléchargeable » ne signifie pas « exécutable sur un ordinateur ordinaire ».
Meta met en avant une exécution locale sur deux Mac Studio dotés de puces M5 Ultra et d’une mémoire unifiée suffisante. Hugging Face documente aussi une variante quantifiée testée sur un Mac Studio M3 Ultra avec 512 Go de mémoire. Ces démonstrations indiquent une possibilité de déploiement local sur des machines coûteuses ; elles ne démontrent pas que la configuration soit accessible à la majorité des postes de travail.
Les poids sont disponibles, mais la licence fixe des conditions
Les poids sont proposés sur Hugging Face et dans plusieurs catalogues cloud. Meta liste aussi des fournisseurs d’API, dont Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter et Together AI. Les poids ouverts permettent en principe d’héberger et d’adapter le modèle, tandis qu’un accès par API évite de gérer l’infrastructure nécessaire à un modèle de cette taille.
La Muse Model License autorise la modification et les usages commerciaux sous conditions. Elle exige notamment une mention « Built with Muse Spark Open » dans le produit ou sa documentation. Une entreprise qui propose le modèle comme service d’API et dépasse 20 millions de dollars de chiffre d’affaires brut cumulé sur douze mois doit conclure un accord séparé avec Meta avant cette offre. La clause précise qu’elle ne vise pas l’usage interne ni les fonctions d’un produit qui ne constitue pas lui-même une offre de modèle comme service. Il s’agit donc d’une diffusion de poids sous licence Meta, sans équivalence automatique avec une licence logicielle open source classique.
Meta vise les tâches longues de développement
Meta présente Muse Spark Open comme un modèle entraîné pour lire un dépôt, modifier plusieurs fichiers, déboguer et appeler des outils. L’entreprise rapporte des essais avec Muse Code sur un client Mastodon pour iOS et dans DaVinci Resolve, avec analyse d’images vidéo. Ces exemples décrivent les scénarios testés par Meta ; ils ne constituent pas une mesure indépendante de fiabilité pour tous les projets de développement.
L’annonce mentionne des évaluations et renvoie à une méthodologie ainsi qu’à la fiche du modèle. Meta dit avoir appliqué son cadre interne de préparation aux risques, tout en indiquant qu’un rapport complet d’évaluation sera publié plus tard. Cette documentation à venir compte pour apprécier les limites et les risques d’un modèle dont les poids peuvent être redistribués et adaptés.
La comparaison avec Muse Glimmer, autre modèle à poids ouverts de Meta déjà couvert sur ce site, clarifie la place de cette sortie : Glimmer visait l’exécution locale légère, tandis que Muse Spark Open cherche à ouvrir l’accès à un modèle beaucoup plus grand. L’annonce élargit l’offre de déploiement, mais le coût matériel et les conditions de licence restent des éléments centraux du choix d’infrastructure.
L’audit et cadrage IA de DjeremIA dispose d’une présentation distincte.