Meta publie Muse Spark Open : 816B de paramètres et la tête du classement open-weight américain

Cette semaine a rapproché les modèles ouverts américains de la frontière. Meta a publié les poids de Muse Spark Open : 816B de paramètres au total, 42B actifs par token, avec un contexte de 1M de tokens. Selon Nathan Lambert, d'Interconnects, c'est de loin le meilleur modèle open-weight américain. Avec le premier modèle Beam de Reflection, il a réduit de moitié l'écart avec les laboratoires chinois. Sans ces deux sorties, plus de 20 modèles ouverts chinois seraient meilleurs que le meilleur modèle occidental.

Où se situe Muse Spark Open dans la hiérarchie

D'après l'Artificial Analysis Intelligence Index, le modèle se place au-dessus de GLM 5.2 et au niveau de DeepSeek V4.1 Flash. Il n'atteint pas GLM 5.3 (18 août) ni Kimi K3 (16 juillet). Pour le marché, cela suffit : les agents LLM ouverts sont devenus un outil de production à partir du niveau de GLM 5.2 environ, et la demande progresse. Les fournisseurs d'inférence montent rapidement en charge, une économie du post-training ouvert se met en place et les entreprises veulent posséder leur propre « intelligence ».

Le modèle est nativement multimodal et conçu pour le code et les scénarios agentiques. Cette version a reçu un réglage de sécurité supplémentaire, afin de rester robuste sans garde-fous au niveau du système. Une partie des observateurs a estimé que les poids avaient été « cassés » lors de l'alignement, puisqu'ils sortent après Muse Spark 1.3. Pour Lambert, il s'agit plus probablement d'une version sécurisée de Muse Spark 1.2, avec une perte d'environ un point dans l'indice. Cela concorde avec la déclaration d'Alexandr Wang lors de la sortie de Muse Glimmer, un modèle agentique de 30B : Meta préparait une version ouverte de la 1.2.

La licence, principal frein

Le principal risque pour l'adoption est une licence personnalisée qui rassemble presque toutes les restrictions reprochées à d'autres modèles ouverts :

• les produits doivent afficher « Built with Muse », comme auparavant avec Llama (presque personne ne le fait) ;
• les entreprises dont le chiffre d'affaires dépasse 20M $ par mois, tous métiers confondus, doivent conclure un accord distinct avec Meta ;
• une politique d'utilisation acceptable est obligatoire, si bien qu'au sens de l'open source, le modèle n'est pas ouvert ;
• les conditions s'appliquent aux sorties du modèle et aux œuvres dérivées, donc les données synthétiques restent juridiquement dans une zone grise ;
• la recherche interne et les applications internes sont autorisées.

En pratique, beaucoup ignoreront la licence, et Meta ne poursuivra probablement que les violations flagrantes. Mais, comme le note Lambert, pour un laboratoire qui cherche à reconquérir son audience, une licence complexe et non standard reste un risque stratégique inutile. À rapport qualité/taille égal, les modèles ouverts occidentaux totalisent nettement plus de téléchargements que les modèles chinois, et Meta a une carte à jouer ici.

Frontière fermée et rapport de forces

Quelques jours plus tôt, Meta a dévoilé les modèles fermés Muse Wonder et Muse Wonder Full. Sur les benchmarks classiques, ils ne sont devancés que par Opus 5.5 d'Anthropic et se rapprochent de GPT-6-Astra et de Gemini-4-Argon. Meta reste la seule entreprise américaine à présenter des modèles sur les deux frontières. Lambert attribue ce succès à une structure plate : Wang compte plus de 200 subordonnés directs, et les sorties se succèdent à un rythme régulier.

Son classement : Anthropic > OpenAI > Meta ≈ Gemini > xAI ≈ open-weight chinois > open-weight américains. Il considère Xiaomi V2.6 Pro comme le meilleur modèle ouvert dans l'ensemble. Le cercle des concurrents américains s'est réduit à cinq : Anthropic, OpenAI, Meta, Gemini et xAI. Microsoft peut les rejoindre s'il commence à publier des modèles. Pour les acteurs de troisième rang (Mistral, Nemotron, Reflection, Arcee), il devient de plus en plus difficile d'influer sur la frontière, car un modèle phare coûte des milliards.

Les faits clés

• Muse Spark Open : 816B au total / 42B actifs, contexte de 1M, multimodalité, code et agents, réglage de sécurité.
• Muse Wonder et Muse Wonder Full : modèles fermés de Meta. Les différences entre eux ne sont pas détaillées ; il pourrait s'agir de pré-entraînements distincts.
• Muse Glimmer : modèle agentique de 30B.
• Beam : premier modèle de Reflection.
• Mistral Large 4 : 38 points dans l'indice, poids non publiés.
• GLM 5.3 (18 août), Kimi K3 (16 juillet), DeepSeek V4.1 Flash, GLM 5.2 : références chinoises.
• Xiaomi V2.6 Pro : meilleur modèle open-weight dans l'ensemble.
• Opus 5.5, GPT-6-Astra, Gemini-4-Argon : concurrents fermés de Muse Wonder.

Ce que les équipes doivent prendre en compte avant de choisir un modèle

Avec une architecture MoE et 42B de paramètres actifs, le coût de calcul par token est proche de celui d'un modèle de 40B. Mais il faut stocker l'intégralité des 816B. D'après notre estimation, cela représente environ 816 Go rien que pour les poids en FP8, soit un nœud de huit H200 avec une marge pour le KV-cache en contexte long. En 4 bits, il faudra environ 410 Go. L'hébergement en propre se justifie en cas de forte charge ; sinon, il est moins cher de passer par un fournisseur d'inférence.

Les juristes devraient vérifier à l'avance le seuil de 20M $ par mois et la clause sur les œuvres dérivées, surtout si vous distillez le modèle ou générez des données synthétiques. Pour ceux qui exigent un véritable open source, les alternatives sous licences standard sont plus adaptées. Pour ceux qui tiennent à une pile américaine avec une qualité acceptable, Muse Spark Open est désormais une option concrète, et non un compromis.