Meta Muse Spark Open publie 816B de poids ouverts

Meta a publié Muse Spark Open le 15 octobre 2026. C'est une version de son modèle Muse Spark dont tout le monde peut télécharger les poids. Le modèle compte 816 milliards de paramètres, en utilise 42 milliards pour chaque token et lit jusqu'à 1 million de tokens d'un coup. C'est important, car les derniers modèles Muse de Meta étaient fermés, dont Muse Wonder lundi. Les développeurs peuvent désormais en faire tourner un sur leur propre matériel.

Ce que Meta a publié

L'annonce de Meta présente le modèle comme « la version à poids ouverts de Muse Spark ». Des poids ouverts signifient que le fichier du modèle entraîné est lui-même publié. Une entreprise peut donc l'exécuter sur ses propres serveurs au lieu de seulement le louer via une API.

Muse Spark Open est un modèle à mélange d'experts. Cette conception découpe le modèle en de nombreux petits réseaux experts et n'en active que quelques-uns pour chaque token. Un token est le fragment de mot qu'un modèle lit ou écrit. Ainsi, même si le modèle complet compte 816 milliards de paramètres, seuls 42 milliards travaillent à chaque étape. Il coûte donc moins cher à faire tourner que sa taille ne le laisse penser.

Caractéristique	Muse Spark Open
Paramètres au total	816 milliards
Paramètres actifs par token	42 milliards
Fenêtre de contexte	1 million de tokens
Licence	Muse Model License
Modèle sur Hugging Face	meta-models/Muse-Spark-Open-816B-A42B

La fenêtre de contexte est la quantité de texte que le modèle peut lire d'un coup. Un million de tokens suffit pour une grande base de code ou plusieurs longs documents. RuntimeWire ajoute que le modèle est nativement multimodal. Il a donc été conçu pour traiter plus que du texte.

La page de Meta le présente comme « le modèle américain à poids ouverts le plus performant à ce jour ». RuntimeWire cite la même phrase d'Alexandr Wang, à la tête des travaux de Meta en IA. Le site note que ce classement est une affirmation de Meta, et non un résultat indépendant. Le billet de Meta renvoie vers un rapport d'évaluation, mais ne donne aucun score de benchmark dans le texte.

Où le trouver et sur quoi il tourne

Meta cite quatre endroits pour télécharger les poids : Amazon SageMaker AI, Google Cloud Model Garden, Hugging Face et Microsoft Foundry Models. Pour les équipes qui préfèrent appeler une API, Meta nomme sept partenaires d'hébergement : Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter et Together AI. Aucune source n'indique de prix.

Le faire tourner soi-même demande du matériel sérieux. Selon Meta, le modèle fonctionne sur deux Apple M5 Ultra Mac Studio dotés chacun de jusqu'à 512 Go de mémoire unifiée, avec le framework MLX d'Apple. RuntimeWire évoque comme alternative « une mémoire GPU conséquente ».

Meta a aussi écrit du code GPU sur mesure, appelé noyaux Helion, pour le moteur de service SGLang. L'entreprise annonce des accélérations des noyaux de 1,03 à 3,95 fois sur les cartes graphiques Nvidia et AMD. Sur la MI350 d'AMD, le gain de bout en bout est de 3 %.

La licence

Les poids sont distribués sous la Muse Model License, et non sous une licence open source classique. Meta indique que ses conditions commerciales sont limitées, mais qu'elles permettent à de nombreux développeurs d'utiliser le modèle gratuitement. Les sources ne publient pas les conditions complètes. Lisez-les donc avant de construire un produit sur ce modèle.

Une promesse tenue, en retard

Meta avait déjà annoncé qu'elle ouvrirait les poids de Muse Spark. Quand Meta a lancé le 13 octobre son modèle de pointe fermé Muse Wonder, nous avions noté que les poids ouverts de Muse Spark promis pour le 2 septembre n'étaient toujours pas sortis.

La gamme Muse Spark a évolué vite. En août, The Decoder rapportait que Meta qualifiait Muse Spark 1.2 de « surtout une mise à niveau pour le code ». Son prix standard était de 1,25 $ par million de tokens en entrée et de 4,25 $ par million de tokens en sortie.

Ce que cela signifie pour les développeurs

Vous pouvez désormais tester l'un des meilleurs modèles de Meta sans envoyer de données à Meta. C'est important pour les équipes qui manipulent du code privé ou des données réglementées, et qui ne peuvent souvent pas utiliser d'API hébergée.

Faites d'abord le calcul matériel. Un modèle de 816 milliards de paramètres demande des centaines de gigaoctets de mémoire, même avec seulement 42 milliards de paramètres actifs. La plupart des équipes commenceront donc avec l'un des sept partenaires d'hébergement. Comparez leurs prix avant de vous engager, puisque Meta n'en a publié aucun.

Lisez la Muse Model License avec votre service juridique. Des « conditions commerciales limitées » peuvent signifier un plafond de chiffre d'affaires ou une limite d'utilisateurs, et les sources ne disent pas ce qui s'applique.

Menez votre propre évaluation. Meta n'a publié aucun chiffre de benchmark dans son annonce. Testez donc le modèle sur vos vraies tâches de code et d'agents, face au modèle que vous utilisez aujourd'hui.