Meta ouvre les poids de Muse Spark Open : codage agentique et 1 M de tokens déjà sur Modal

Les poids ouverts pour le codage agentique forment une catégorie où les développeurs demandent d'abord non pas « à quel point le modèle est intelligent », mais « où le faire tourner et combien cela coûte ». C'est à cette seconde question que Modal a répondu rapidement : dès que Meta a publié les poids de Muse Spark Open, la plateforme a déployé le modèle sur ses Auto Endpoints.

Quel est ce modèle et à quoi sert-il

Muse Spark Open est conçu pour les scénarios agentiques. Il ne s'agit pas de « répondre à une question sur du code », mais de « prendre une tâche et la mener à terme ». D'après la description, le modèle sait écrire et déboguer du code, élaborer des plans en plusieurs étapes, appeler des outils de façon séquentielle et se remettre des échecs dans de longues chaînes d'actions.

Ce dernier point est le plus concret. Quiconque a lancé un agent sur un dépôt réel le sait : il casse rarement dès la première étape. Cela arrive plus souvent à la vingtième, quand une commande dans le terminal a échoué et que l'agent continue comme si tout allait bien. Savoir repérer l'erreur et revenir en arrière compte parfois plus qu'un beau code du premier coup.

Il y a deux autres paramètres. Le premier est la compréhension native des données multimodales : la capture d'écran d'une erreur ou la maquette d'une interface peuvent être transmises directement au modèle, sans description intermédiaire. Le second est le contexte de 1 million de tokens. Pour un agent, cela signifie qu'une part notable du dépôt, l'historique des étapes passées et les logs tiennent dans la fenêtre, sans qu'il faille d'emblée mettre en place un schéma complexe de compression de la mémoire. Mais « tenir » ne veut pas dire « bien exploiter », et cela doit être vérifié séparément.

Comment lire les benchmarks

Meta présente deux résultats :

• 76,4 points sur Terminal-Bench 2.1 avec l'agent Terminus 2 ;
• 60 points sur DeepSWE 1.1 avec le harness préféré de Meta elle-même.

Les deux mesures ont été réalisées au niveau de raisonnement xhigh, c'est-à-dire avec l'effort de « réflexion » le plus élevé. C'est une réserve importante : ce mode consomme généralement plus de tokens et de temps que le mode standard. Terminal-Bench porte sur le travail de l'agent dans le terminal, DeepSWE sur l'ingénierie logicielle. Ces deux tests sont proches de ce dont les agents ont réellement besoin.

Cela dit, les chiffres ont été obtenus par Meta elle-même avec les réglages qu'elle a choisis. Les conditions d'évaluation complètes figurent dans la fiche du modèle publiée. Le harness (la couche d'orchestration) fait souvent davantage bouger le résultat que l'écart entre deux modèles voisins. Comparer ces chiffres à ceux d'autres acteurs sans tenir compte du harness et du mode de raisonnement n'est donc pas rigoureux.

Comment l'essayer et que vérifier

Sur Modal, le modèle fonctionne en Shared Endpoint : un endpoint partagé facturé au token, sans location de GPU dédiés. Pour une équipe, c'est un moyen pratique de mener un court pilote. On branche le modèle dans sa propre boucle agentique et on observe ce que cela donne sur des tâches réelles.

Ce qu'il vaut la peine de mesurer :

• la part de tâches menées à terme sur votre dépôt, par rapport au modèle actuel ;
• le comportement après l'échec d'un outil : le modèle a-t-il remarqué l'erreur et s'est-il corrigé ;
• le coût de la tâche entière, et non d'un seul token : un agent à haut niveau de raisonnement peut en consommer énormément ;
• la qualité sur contexte long, et pas seulement sur des prompts courts.

Si les résultats vous conviennent et que le volume de requêtes augmente, on peut envisager un déploiement en propre. C'est tout l'intérêt des poids ouverts : contrôle des données, version du modèle figée sans mauvaises surprises de la part du fournisseur, et possibilité théorique de fine-tuning.

Ce que nous ne savons pas encore

L'annonce ne mentionne ni la taille du modèle, ni la configuration matérielle requise, ni le prix par million de tokens, ni les conditions de licence. Tout cela est à consulter dans la fiche du modèle et sur la page de Modal avant de l'intégrer à un produit. De plus, il s'agit d'une communication d'un fournisseur d'inférence, et non d'un test indépendant. Tant qu'il n'existe pas de mesures tierces sur différentes tâches, mieux vaut considérer les chiffres de Meta comme une déclaration, et non comme une preuve.

La position raisonnable est pour l'instant simple : Muse Spark Open est un bon candidat à évaluer pour ceux qui construisent des agents de code et souhaitent des poids ouverts. Testez-le sur votre propre dépôt, calculez le prix de la tâche entière — et ensuite seulement décidez de basculer ou non.