Meta a annoncé Muse Spark Open, un modèle d’intelligence artificielle à poids ouverts doté de 816 milliards de paramètres, qui peut être entièrement exécuté localement sur deux Mac Studio équipés de processeurs M5 Ultra. Le modèle se concentre sur le développement logiciel, les tâches agentiques de longue durée et le raisonnement en plusieurs étapes.
Le modèle repose sur une architecture de mélange d’experts, avec 42 milliards de paramètres activés pour chaque jeton et une fenêtre de contexte pouvant atteindre un million de jetons. Il prend également en charge les entrées textuelles, les images, la vidéo et l’audio, ce qui permet de l’utiliser dans des tâches dépassant la génération de texte et la programmation traditionnelles.
Une exécution locale nécessitant un matériel inhabituel
Meta a développé le modèle en collaboration avec Apple et l’a optimisé pour fonctionner avec le framework d’apprentissage automatique MLX sur des Mac Studio équipés de processeurs M5 Ultra. L’architecture de référence utilise deux appareils, chacun doté de 512 gigaoctets de mémoire unifiée, afin de fournir un total de 1 téraoctet capable d’accueillir le modèle dans son intégralité.
Cette architecture tire parti de l’accès du processeur graphique à la mémoire unifiée du système et de la bande passante mémoire de 1,2 téraoctet par seconde du processeur M5 Ultra. Meta décrit les deux appareils comme fonctionnant à la manière d’un seul superordinateur de bureau. Il ne s’agit toutefois pas d’une configuration courante pour les utilisateurs : la version du Mac Studio dotée de 512 gigaoctets de mémoire n’était pas disponible à la vente au moment de la publication de l’article, et son lancement était attendu vers la fin du mois d’octobre.
Ce que le modèle change pour les développeurs
Meta a testé Muse Spark Open avec Muse Code dans des scénarios reposant sur des agents logiciels. Dans l’une des démonstrations, le modèle a utilisé le projet Ice Cubes, un client open source pour la plateforme Mastodon, afin de corriger des erreurs et d’ajouter des fonctionnalités. Dans une autre démonstration, il a contrôlé DaVinci Resolve, analysé la vidéo image par image, puis identifié et découpé les séquences adaptées au format vertical.
Ces exemples indiquent que le modèle ne se limite pas à répondre aux questions, mais qu’il peut également exécuter des séries d’actions au moyen de plusieurs outils et logiciels. Le modèle a obtenu 89,2 points au test MCP-Atlas et 61,8 points au test JobBench, selon les évaluations publiées par Meta.
Une large prise en charge et une licence qui n’est pas entièrement open source
Muse Spark Open prend en charge les frameworks d’inférence SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, llama.cpp, Unsloth et MLX, et peut fonctionner sur du matériel AMD, Apple, Intel et NVIDIA. Ses poids sont également disponibles via Hugging Face, Amazon SageMaker AI, Google Cloud Model Garden et Microsoft Foundry Models. Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter et Together AI proposent quant à eux un accès au modèle par l’intermédiaire d’API.
Cependant, le fait de qualifier le modèle de modèle à poids ouverts ne signifie pas qu’il est entièrement open source. Meta l’a publié sous la licence Muse Model License, qui impose certaines restrictions commerciales, notamment aux entreprises réalisant des revenus élevés lorsqu’elles le proposent en tant que service. En revanche, la licence autorise son utilisation gratuite dans plusieurs scénarios commerciaux, comme l’usage interne et son intégration à d’autres produits.
Les limites de la revendication de supériorité
Meta présente le modèle comme le plus performant parmi les modèles à poids ouverts développés aux États-Unis, et non parmi tous les modèles ouverts dans le monde. Les comparaisons présentées dans l’article montrent que GLM 5.3, Kimi K3 et certains modèles Qwen le surpassent dans certains tests de programmation et de performances générales. Ainsi, la valeur pratique de Muse Spark Open tient à sa capacité à fonctionner localement, à son architecture multimodale et à sa prise en charge des tâches agentiques, plutôt qu’à une prétention de supériorité absolue sur tous ses concurrents.