Muse Spark Open : le modèle ouvert de 816 Md de paramètres de Meta tient sur deux Mac Studio, sous conditions
Meta a publié Muse Spark Open, un modèle mixture-of-experts de 816 Md de paramètres avec un contexte d'un million de tokens, sous sa propre licence Muse Model License. La fiche de Meta le montre en tête de certains tests agentiques et derrière Kimi K3 et GLM 5.3 sur d'autres. Les chiffres et les conditions sont ceux de Meta.
Faits vérifiés le 16 octobre 2026
Le 15 octobre, Meta a publié les poids de Muse Spark Open : 816 Md de paramètres au total, 42 Md actifs par token, un contexte d'un million de tokens, entrée multimodale. Meta affirme qu'il tourne sur deux Apple M5 Ultra Mac Studio via MLX. La licence est la Muse Model License, permissive mais pas open source au sens de l'OSI. J'ai lu le blog de Meta, la fiche du modèle sur Hugging Face et le billet vLLM du jour de sortie. blog de sortie de Meta
Ce que Meta a publié
Muse Spark Open est un modèle mixture-of-experts épars : 816 Md de paramètres au total, 42 Md actifs par token, 62 couches, 256 experts par couche dont 8 routés par token, un contexte d'un million de tokens à l'inférence. L'entrée accepte texte, image, vidéo et audio ; la sortie est du texte. Les poids sont sur Hugging Face, Amazon SageMaker AI, Google Cloud Model Garden et Microsoft Foundry, en BF16 et NVFP4, avec des poids MXFP4 publiés par AMD. L'accès API passe par Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter et Together AI. fiche du modèle
La promesse des deux Mac
Le titre pour les amateurs, c'est l'inférence locale : Meta dit que Muse Spark Open est le premier modèle de sa catégorie à tourner sur un poste de travail, avec deux Apple M5 Ultra Mac Studio et le dernier MLX. Chaque M5 Ultra donne au GPU intégré jusqu'à 512 Go de mémoire unifiée, donc deux machines contiennent le modèle, et la bande passante de 1,2 To/s l'alimente. Les démos de Meta sur appareil ont utilisé Muse Code, propulsé par le modèle, pour livrer de vraies modifications iOS sur Ice Cubes, un client Mastodon open source, et pour piloter DaVinci Resolve de bout en bout, en choisissant les plans et en recadrant à la verticale.
Ce sont les démos de Meta elle-même. Dans ce que j'ai lu, Meta n'a publié aucun chiffre de tokens par seconde pour la paire de Mac, et personne hors de Meta ne l'a encore reproduite. Le prix de deux Mac Studio M5 Ultra est aussi laissé au lecteur.
Comment un million de tokens est devenu abordable
Le billet du jour de sortie de l'équipe vLLM, écrit avec Meta Superintelligence Labs, explique l'architecture. Chacune des 62 couches est une couche mixture-of-experts. Une matrice pooler apprise divise par deux la largeur de chaque token, de 8192 à 4096, avant les experts, et un unpooler la restaure, ce qui divise par deux les paramètres des projections des experts. L'attention alterne selon un cycle de quatre : trois couches regardent une fenêtre glissante de 2048 tokens, la quatrième voit tout le contexte, et le cycle est ancré pour que la dernière couche soit toujours pleine. Sur 62 couches, cela donne 46 couches étroites et 16 larges, et à un million de tokens le cache KV ne pèse qu'un peu plus d'un quart de ce que demanderait l'attention pleine partout. C'est ce qui rend cette longueur de contexte assez bon marché à servir.
vLLM a aussi entraîné un modèle brouillon de décodage spéculatif, DSpark, qui propose jusqu'à sept tokens par passe et fonctionne sur CUDA et ROCm. Le support dès le jour de sortie arrive sous forme d'images vLLM préconstruites pour NVIDIA et AMD ; la PR de code était encore en relecture, avec la roue PyPI nightly attendue environ une semaine plus tard. billet vLLM du jour de sortie
Le tableau des benchmarks, lu simplement
La fiche de Meta compare Muse Spark Open à l'effort de raisonnement xhigh avec Inkling, Nemotron 3 Ultra, Beam, Mistral Large 4, Qwen3.8-2.4T-A95B, GLM 5.3 et Kimi K3. Muse Spark Open affiche le meilleur score sur MCP-Atlas (89,2 contre 84,5 au suivant) et le score StrongREJECT v2 le plus bas, donc le meilleur (0,5 contre 62,9 à 86,4). Il est proche de la tête sur HLE avec outils (61,0 contre 62,5 pour GLM 5.3).
Sur d'autres lignes, le tableau de Meta elle-même le place derrière. Terminal-Bench 2.1 avec l'agent Terminus 2 : 76,4 contre 85,0 pour Kimi K3 et 83,9 pour GLM 5.3. DeepSWE 1.1 : 60 contre 68 et 67. GPQA Diamond : 89,0 contre 93,5. GDPVal-AA v2 : 1401 contre 1653. La formule « modèle ouvert américain le plus capable à ce jour » est celle de Meta, et les lignes de sa propre fiche montrent pourquoi le qualificatif géographique fait tout le travail : plusieurs modèles ouverts non américains dépassent Muse Spark Open sur les tests de code et d'agents. Tous les chiffres viennent de Meta, sur des harnais choisis par Meta.
La licence, lue simplement
Les poids sont publiés sous la Muse Model License, pas sous une licence open source approuvée par l'OSI. Le champ est large : utiliser, copier, modifier, affiner, distiller, fusionner, publier, distribuer, sous-licencier et vendre. Deux conditions ressortent. Les produits utilisant le modèle ou ses dérivés doivent afficher « Built with Muse Spark Open ». Et si vous proposez des modèles en tant que service et que le chiffre d'affaires de votre groupe dépasse 20 millions de dollars sur douze mois consécutifs, vous devez d'abord prévenir Meta et signer un accord séparé. Une politique d'usage restreint certains usages. « Poids ouverts » est la description exacte, et pour la plupart des développeurs individuels et des petites entreprises, les conditions sont de fait gratuites.
La sécurité, selon les évaluations de Meta
La fiche rapporte de forts taux de refus : 99,2 % des jailbreaks refusés sur le benchmark cyber interne de Meta, 94,8 % en agrégeant le sous-ensemble cyber de PolyGuard, RedCode et CyberBench 2024, Kimi K3 étant à 75,5 % et 70,2 % dans le même protocole selon Meta. Elle annonce plus de 98 % de refus sur BioTIER de SecureBio, 98,1 % d'honnêteté sur MASK et 0 % de mauvais comportement sur Agentic Misalignment. Meta dit que le modèle a reçu un post-entraînement de sécurité supplémentaire parce que les poids sont ouverts, et qu'il a franchi les seuils de son Superintelligence Scaling Framework. Le rapport d'évaluation complet n'était pas encore publié au moment de ma vérification, donc chaque chiffre ici vient de Meta et n'a pas été audité.
Analyse : ma lecture
Le seuil du poste de travail est la vraie nouvelle. Un modèle de cette classe qui tourne sur deux machines sous un bureau change le calcul de confidentialité et de coût du travail agentique : le code reste dans la pièce. La lecture honnête de la fiche est moins triomphale. Le modèle est compétitif, pas dominant, et ses avances les plus nettes sont sur les lignes de refus que Meta a à la fois conçues et mesurées. La licence garde un crochet dans exactement un groupe : les gros fournisseurs de modèles en tant que service. Tous les autres obtiennent des conditions proches de la liberté façon Apache, avec une ligne d'attribution.
Ce que je n'ai pas pu confirmer
Je n'ai pas téléchargé ni exécuté le modèle. Les démos sur Mac Studio sont les vidéos et affirmations de Meta, sans chiffre de débit publié dans les sources que j'ai lues. Les harnais de benchmark sont nommés ligne par ligne, mais le rapport complet de méthodologie n'était pas encore sorti. Je n'ai pas lu la liste complète des restrictions de la politique d'usage, seulement le texte de licence cité sur la fiche.
Un contrôle à faire vous-même
L'affirmation sur l'attention hybride est une arithmétique que vous pouvez refaire. Prenez 16 têtes KV de dimension 64 en BF16, 62 couches dont 16 en attention pleine et 46 en fenêtre glissante de 2048 tokens. Le code ci-dessous calcule le cache KV à un million de tokens des deux façons. Il tombe près d'un quart, comme le dit le billet vLLM. Si vous comptez servir le modèle, refaites le calcul avec votre propre longueur de contexte avant d'acheter quoi que ce soit.
Estimateur illustratif, pas le code de Meta
# Illustrative estimator, not Meta's code. Hybrid-attention KV cache at 1M tokens.
layers_total = 62
full_layers = 16 # vLLM day-0 post: 46 sliding-window + 16 full
window = 2048
tokens = 1_000_000
kv_per_token_layer = 16 * 64 * 2 * 2 # 16 KV heads, head dim 64, K+V, BF16
all_full = layers_total * tokens * kv_per_token_layer
hybrid = (full_layers * tokens + (layers_total - full_layers) * window) * kv_per_token_layer
print(f"all-full: {all_full/2**30:.0f} GiB hybrid: {hybrid/2**30:.0f} GiB ratio: {hybrid/all_full:.2f}")
# -> all-full: 236 GiB hybrid: 61 GiB ratio: 0.26 (vLLM says "just over a quarter")