Muse Spark Open : le modèle à poids ouverts de Meta qui tourne sur Mac Studio

Le 15 octobre 2026, Meta a publié Muse Spark Open, présenté sur le blog officiel de l'entreprise comme « the most capable US open-weight model to date ». Il s'agit d'un modèle Mixture-of-Experts de 816 milliards de paramètres au total, dont 42 milliards actifs, avec 256 experts et un routage top-8. Le contexte va jusqu'à un million de tokens et la model card sur Hugging Face le décrit comme nativement multimodal. Meta le destine au code et aux tâches agentiques de longue durée, comme le génie logiciel et le raisonnement en plusieurs étapes.

La Muse Model License est propriétaire, pas open source : l'accès aux poids est soumis à autorisation sur Hugging Face et s'accompagne d'une Usage Policy (Exhibit A). Quiconque dépasse 20 millions de dollars de chiffre d'affaires brut sur 12 mois consécutifs en proposant le modèle par API à des tiers doit en informer Meta et signer un accord distinct ; l'usage interne, la recherche et l'intégration dans ses propres produits ne sont pas concernés. La licence précise aussi que le modèle n'est pas destiné aux moins de 18 ans et que Meta ne revendique pas la propriété des sorties.

Les poids sont téléchargeables sur des plateformes comme Hugging Face, Amazon SageMaker AI, Google Cloud Model Garden et Microsoft Foundry Models, tandis que les API sont hébergées par Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter et Together AI. Pour l'exécution locale, Meta a travaillé avec Apple pour optimiser le modèle sur le framework MLX, ce qui lui permet de tourner sur deux Mac Studio équipés de la puce M5 Ultra, chacun avec jusqu'à 512 Go de mémoire unifiée : selon Meta, c'est le premier modèle de sa catégorie à y parvenir. La model card exige au moins 700 Go de mémoire GPU en NVFP4 et 2 To en BF16 ; TechCrunch, citant Engadget, évoque plutôt « au moins 1 To de RAM » pour un usage local.

Dans les benchmarks publiés par Meta (raisonnement xhigh), il arrive en tête sur certains tests, comme MCP-Atlas (89,2) et HLE-Diamond sans outils (26,1). Sur d'autres, il reste derrière les modèles ouverts chinois : sur Terminal-Bench 2.1, il obtient 76,4 contre 85,0 pour Kimi K3 et 83,9 pour GLM 5.3, et sur l'AA Intelligence Index 39 contre 45 pour GLM 5.3. À souligner : tous les benchmarks viennent de Meta et n'ont pas été vérifiés de façon indépendante, comme l'a relevé TechCrunch. Côté sécurité, Meta a ajouté un post-entraînement spécifique, a évalué le modèle avec le Meta Superintelligence Scaling Framework et prévoit de publier prochainement un rapport complet. La model card recommande d'utiliser le modèle dans des systèmes dotés de garde-fous adaptés, avec une confirmation humaine pour les actions irréversibles.

— Pixie