Meta a annoncé le modèle d’intelligence artificielle Muse Spark 1.3, dont les principales améliorations concernent la programmation, les tâches agentiques de longue durée et les flux de travail complexes en plusieurs étapes. Le modèle est disponible depuis le 3 septembre 2026 via l’outil de programmation Muse Code et l’API Meta Model, environ un mois après la sortie de Muse Spark 1.2.
Meta décrit cette nouvelle version comme son modèle le plus performant à ce jour, mais cette formulation reste une caractérisation de l’entreprise et ne signifie pas qu’il surpasse tous les autres modèles dans l’ensemble des tests ou des cas d’utilisation.
De meilleures capacités de gestion des tâches prolongées
Muse Spark 1.3 a été conçu pour gérer plusieurs tâches au sein d’une même conversation longue. Lorsqu’on lui fournit un objectif ouvert, il peut utiliser des outils pour construire le contexte nécessaire, repérer et corriger les lacunes de son plan de travail, puis transférer vers le résultat final les informations apprises au cours de l’exécution.
Meta affirme également que le modèle est devenu plus capable de traiter les instructions ambiguës sans recourir directement à des hypothèses : il peut poser des questions de clarification, demander l’aide de l’utilisateur lorsqu’il est impossible d’exécuter la tâche et obtenir une approbation préalable avant les opérations irréversibles ou susceptibles d’avoir des conséquences importantes. L’entreprise souligne aussi une amélioration dans le maintien des contraintes au sein de longues instructions et dans la mise en relation des anciennes demandes avec les nouvelles au sein d’une même conversation.
Meta indique que le modèle évalue ses capacités avec davantage de précision, afin de réduire les cas où il laisse entendre qu’il a accompli une tâche qu’il ne peut pas réellement exécuter.
Gains en programmation et en utilisation des ressources
Selon des comparaisons réalisées par les ingénieurs de Meta, Muse Spark 1.3 exécute des tâches similaires avec environ 20 % d’appels d’outils en moins et 25 % de jetons en moins que Muse Spark 1.2. Ces gains sont également liés à la réduction des tours de dialogue superflus et à la production d’un code moins détaillé, mais plus propre selon la description de l’entreprise.
Lors du test DeepSWE v1.1 consacré aux tâches de développement logiciel de longue durée, le modèle a obtenu 75,4 points. Ce test couvre 113 tâches réparties dans 91 dépôts de code écrits en TypeScript, Go, Python, JavaScript et Rust. Selon le tableau de Meta, ce résultat dépasse ceux de GPT-5.6 Sol et Claude Opus 5, tandis que des modèles concurrents restent devant lui dans d’autres évaluations.
Que prouvent réellement les chiffres ?
Les résultats de DeepSWE montrent une amélioration mesurable dans le test en question, mais ils ne suffisent pas à eux seuls à démontrer que Meta a comblé l’écart avec OpenAI et Anthropic dans tous les scénarios d’utilisation. L’entreprise elle-même avertit que les tests réalisés sur les modèles d’autres sociétés peuvent ne pas être optimisés pour chaque modèle et, par conséquent, ne pas refléter leurs performances maximales possibles.
La plateforme Artificial Analysis a également attribué 62 points à la version max du modèle dans l’Intelligence Index et indiqué que Muse Spark 1.3 dispose d’une fenêtre de contexte d’un million de jetons et prend en charge les entrées de texte, d’images et de vidéos. La comparaison pratique reste liée au test utilisé, à la méthode d’évaluation et à l’architecture agentique qui entoure le modèle.
Disponibilité, tarification et limites encore ouvertes
Meta n’a pas modifié les tarifs de son API malgré l’annonce d’améliorations des performances. Les tarifs standard par million de jetons s’élèvent à 1,25 dollar pour les entrées, 0,15 dollar pour les entrées mises en cache et 4,25 dollars pour les sorties.
L’entreprise affirme avoir renforcé la résistance du modèle aux attaques par injection d’instructions et aux entrées malveillantes, et l’avoir entraîné à faire preuve d’une plus grande prudence avant d’exécuter des opérations irréversibles. Les modes de raisonnement actuellement disponibles sont accessibles, tandis que Meta prévoit de lancer l’option max reasoning après l’achèvement de tests de sécurité supplémentaires.
La feuille de route comprend des modèles Muse Spark plus grands et des versions à poids ouverts, mais Meta n’a pas précisé si elle publierait les poids de Muse Spark 1.3 lui-même. La valeur pratique de cette version dépendra donc des résultats d’une utilisation indépendante, de la date de disponibilité des capacités de raisonnement supplémentaires et de la question de savoir si les projets d’ouverture concerneront précisément ce modèle.