Meta ouvre Muse Spark (816B), Reflection publie Beam sous Apache 2.0

Meta a ouvert les poids de Muse Spark Open : un MoE de 816B paramètres, dont 42B travaillent sur chaque token. Sur l'indice Artificial Analysis, le modèle obtient 39 points. C'est le meilleur résultat parmi les modèles américains à poids ouverts, soit 13 points de plus que NVIDIA Nemotron 3.5 Super VL (26). Presque en même temps, Reflection a lancé Beam 1.0, avec 501B paramètres (23B actifs), sous Apache 2.0. Son score de 30 points lui vaut la deuxième place parmi les modèles ouverts américains.

Poids ouverts américains : puissance contre capacités agentiques

Muse Spark Open repose sur 62 couches avec GQA (16 têtes KV). Sur chaque token, 8 experts sur 256 sont actifs, le contexte atteint 1M, et le modèle accepte en entrée du texte, des images, de la vidéo et de l'audio. Les poids en BF16 occupent environ 1,6 To.

Le checkpoint NVFP4 ne quantifie que les experts et réduit le poids à ~530 Go. D'après Meta, il tient sur 4 Blackwell Ultra, 8 H200 ou deux Mac Studio M5 Ultra de 512 Go chacun. Together, Fireworks et Baseten facturent $1,25/$4,25 par million de tokens en entrée/sortie.

Le coût d'une tâche de l'indice s'élève à $0,84, contre $2,01 pour GLM-5.3 et $0,27 pour DeepSeek V4.1 Flash.

Le modèle ne consomme en outre que 40k tokens de sortie par tâche, moins que tous les autres modèles du top 9 des modèles ouverts.

Son point faible : les tâches agentiques. Sur les quatre tests agentiques d'AA, il arrive dernier du top 9 des modèles ouverts, même s'il domine AA-Omniscience. Vals le classe 12e parmi les modèles ouverts et 38e au classement général. Dans Code Arena WebDev, il totalise 1511 points. La licence Muse Model License impose la mention « Built with Muse Spark Open ». Des critiques comme @teortaxesTex qualifient la sortie de « DOA », face à V4.1 Flash, plus petit et sous licence MIT.

Reflection Beam 1.0 sort avec des poids BF16, FP8 et NVFP4, un drafter DFlash2, un harnais ouvert Mirror CLI et un rapport de sécurité. Il atteint 48,5% sur AutomationBench-AA, mais seulement 3,0% sur Terminal-Bench 4.0. Sur AA-Omniscience, il répond correctement dans 33% des cas et hallucine dans 47%. Sur Code WebDev, c'est le seul modèle hors Chine du top 25 des modèles ouverts.

• Step 5 Preview de StepFun : poids ouverts, disponible via Together.
• Hy Memory 2.0 de Tencent : Hy-Memory-30B-A3B, qui, selon l'entreprise, devance Opus 5 sur les frameworks de mémoire.
• Indra de Datalab : modèle OCR de 1M de paramètres, 15 fois plus rapide que Tesseract sur CPU.

Frontière fermée et « modèles de décision »

• Gemini 4 Argon : la limite de sortie passe de 64K à 1M de tokens, et le tarif d'introduction de $2/$10 est valable jusqu'au 30 novembre. Dans Agent Arena, le modèle est cinquième (+13,2%) ; chez Perplexity, un nouveau SOTA est établi sur le benchmark WANDR.
• Anthropic Haiku 5.5 : $0,10/$0,50 pour les requêtes jusqu'à 100K tokens, soit environ 90% de moins que Haiku 4.5. Sur Terminal-Bench 4.0, il obtient 39,2% contre 16,4% pour GPT-6 Luna.
• Opus 5.5 fast mode : accélération de 2,5 fois (selon des données non officielles).
• GPT-6 Astra Pro lance dans ChatGPT plusieurs agents en parallèle sur différentes parties d'une même tâche.
• GPT Live 1.1 : voix multilingue améliorée, neuf nouveaux préréglages enregistrés avec des locuteurs natifs.
• Elorian Glimpse : VLM avec calcul récurrent sur des états visuels latents. Selon l'annonce, elle fait au moins aussi bien qu'Astra sur 5 benchmarks sur 12, avec un prix du token 17 fois inférieur.
• Liquid d1-ultra : 65 points dans le Decision Index d'AA, devant Jev 1.14 (57). La part de réponses sans hallucination passe de 2% à 85%, la précision tombe de 41% à 32%, le temps par tâche est de 92 ms et le prix de $0,042 par M de tokens en entrée.
• Perplexity pplx-decider v1.2 : poids ouverts, 27B à 2¢/M et 4B Flash à 1¢/M, avec ajout du reranking et de l'inférence de plusieurs questions en une seule passe (jusqu'à 5 fois plus rapide).

Matériel, agents et argent

• TPUv7 : d'après l'estimation de SemiAnalysis, le perf per dollar est 1,42 fois supérieur à celui du GB300 NVL72 FP4 et 2,5 fois supérieur à celui du MI355X. À interactivité moyenne et élevée, il fait jusqu'à 3,16 fois mieux que le GB200.
• Vera Rubin NVL72 : jusqu'à 5,7 fois plus de débit par mégawatt que le GB300 sur DeepSeek V4 Pro, et 2,8 fois sur Kimi K3. Record : 906 tokens/s par utilisateur sur V4.1 Flash. Les résultats ont été soumis par NVIDIA elle-même.
• AMD MI355X : huit cartes offrent 24,4% de throughput en plus que le HGX B300 sur Kimi K3, et 87,4% de tokens en plus par dollar.
• Modal ImageFS, Zephon sur TorchTitan et Cursor Environments API (jusqu'à 500 dépôts, lancement 5 fois plus rapide) couvrent la partie infrastructure.
• Claude Mythos 5 avec OpenEvolve a battu les meilleurs circuits quantiques connus sur 7 tâches sur 8. Quatre agents Gemini 4 Argon ont terminé Minecraft jusqu'à l'Ender Dragon en 27 h 14 min, en mourant 605 fois et en dépensant environ $520.

Côté industrie : selon Reuters, Anthropic discute d'une valorisation d'environ $1,5T, au lieu des $2T attendus. L'action CoreWeave a chuté de 20% en trois séances. La Chine envisage d'instaurer des licences pour les modèles ouverts dépassant 2T de paramètres ou 10^26 FLOPs.

À vérifier en pratique

Pour choisir un modèle ouvert destiné à des agents, se fier à l'indice global est risqué : Muse Spark domine sur les connaissances, mais décroche sur les tests agentiques. Beam, sous Apache 2.0, est plus simple à utiliser commercialement, mais reste faible sur les tâches de terminal. Avant de choisir, il vaut mieux faire tourner son propre jeu de tâches avec de vrais outils. Pour une interactivité élevée, Vera Rubin et MI355X conviennent ; pour l'inférence de masse, il faut comparer le TPUv7 sur le prix par token. Pour des classifieurs bon marché dans des chaînes d'agents, il est pertinent de tester Liquid d1-ultra et pplx-decider.