Skip to content
FrontierDot

Meta Muse Spark Open : 816B de poids sur Hugging Face, et l’affirmation des deux Mac Studio

Mis à jour

Chronologie mise à jour en continu · dernière mise à jour · 2 entrées dans le journal des mises à jour

Meta dit que c’est le modèle américain à poids ouverts le plus capable à ce jour et que deux Mac Studio peuvent l’exécuter. Les pages permettent de vérifier la seconde affirmation en partie, la première pas du tout.

Le 15 octobre, Meta a publié les poids de Muse Spark Open, un modèle multimodal à 816B paramètres au total et 42B actifs, avec un contexte de 1M tokens sous une Muse Model License propriétaire ; le 22 octobre, Paradigm, Meta et Andromeda ont ouvert un défi kernels et serving sur H200 doté de 100,000 dollars autour de ces poids.

Lu le 2026-10-17 pour la sortie des poids, et de nouveau le 2026-10-24 (UTC+8) pour le défi kernels : l’annonce de Meta, la fiche modèle et le billet Hugging Face, la page Transformers, le billet Paradigm, openkernelchallenge.dev et le post X de Daniel Gross du 22 octobre. Les graphiques de benchmarks sur la page Meta sont des images illisibles en texte ; nous ne rapportons aucun score. Nous n’avons pas exécuté le modèle.

Chronologie

  1. Meta publie Muse Glimmer, un petit modèle dense de la même série Muse, d’après l’article de lancement de Hugging Face consacré au modèle suivant. L’article dit que Glimmer est idéal pour une exécution locale et partage son tokenizer et son vocabulaire avec Muse Spark Open. Nous n’avons trouvé aucune page officielle donnant un jour pour cette publication ; le nœud ne porte donc que le mois.

    Hugging Face: Welcome Muse Spark Open

  2. La prise en charge de Muse Spark Open est ajoutée à Hugging Face Transformers, d’après la page de documentation Transformers du modèle, un jour avant l’annonce des poids. La page décrit un socle de langage de 62 couches qui route chaque token vers 8 experts sur 256, avec des checkpoints BF16 et NVFP4.

    Transformers docs: Muse Spark Open

  3. Meta annonce la publication. Muse Spark Open compte 816B paramètres au total, 42B actifs et une fenêtre de contexte de 1M de tokens, conçu pour le code et le travail agentique. Les poids sont proposés sur Hugging Face, Amazon SageMaker AI, Google Cloud Model Garden et Microsoft Foundry Models, avec des API hébergées chez Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter et Together AI. La licence est la Muse Model License, que Meta décrit comme comportant des conditions commerciales limitées.

    Meta AI Research: Introducing Muse Spark Open

  4. Paradigm, avec Meta et Andromeda, lance le Muse Spark Open Kernel Challenge : une cagnotte de 100,000 dollars pour faire tourner Muse Spark Open plus vite sur des GPU NVIDIA H200. Le concours comporte deux tracks en série et se termine le 19 novembre — d’abord cinq problèmes de kernels face à une baseline SGLang, puis une track serving qui modifie SGLang sur un nœud 8×H200 complet. La première place reçoit 50,000 dollars plus une H200 signée par l’équipe Meta. Les soumissions sont sous licence Apache 2.0.

    Paradigm: Muse Spark Open Kernel Challenge

Ce qui a été publié, et quel jour

L’annonce de Meta est datée du 15 octobre 2026, et la fiche du modèle sur Hugging Face donne la même date de publication. La fiche énonce l’essentiel en quelques lignes : 816B paramètres au total, 42B actifs, une fenêtre de contexte de 1M de tokens, nativement multimodal, conçu pour le code et le travail agentique, licence nommée Muse Model License. Les auteurs sont indiqués comme Meta Superintelligence Labs.

Un détail de la fiche passe facilement inaperçu et mérite d’être repris dans son esprit. La version à poids ouverts a bénéficié d’un post-entraînement de sécurité supplémentaire destiné à la rendre plus robuste face aux usages malveillants en tant que modèle autonome sans garde-fous système, et Meta recommande de le déployer au sein d’un système plus large avec des garde-fous adaptés à l’usage. L’article du blog PyTorch ajoute que cette version ouverte partage le même modèle de base que Muse Spark 1.3. Cela relie la publication à une gamme de produits qui existait avant les poids.

La page de Meta dit aussi que le modèle a franchi les seuils que son Meta Superintelligence Scaling Framework exige pour une publication, que les résultats détaillés figurent dans la fiche du modèle et qu’un rapport d’évaluation complet serait disponible prochainement. Au moment de notre lecture, ce rapport était une promesse, pas un lien.

L’architecture, telle que documentée

L’article de lancement de Hugging Face donne le plus de détails. Le modèle de langage compte 62 couches et une dimension cachée de 8192, avec 128 têtes de requête et 16 têtes clé-valeur. Chaque bloc mixture-of-experts compte 256 experts et un routeur qui en sélectionne 8 par token. L’article dit que les experts détiennent environ 97 % des paramètres totaux, et que le modèle dispose aussi d’un encodeur de perception de 1,8B paramètres pour les images et les trames vidéo ainsi que d’un encodeur audio convolutif qui émet un token toutes les 80 millisecondes, soit 12,5 tokens par seconde. Il accepte texte, images, audio et vidéo et génère du texte.

L’article fait valoir le même point sur la mémoire que pour tout grand modèle mixture-of-experts : seuls 8 experts tournent par token, chaque token est donc calculé avec environ 42B paramètres, mais les 256 experts restent en mémoire. Le déploiement exige la mémoire d’un modèle de 816B et tourne à la vitesse d’un modèle de 42B. Il calcule aussi le cache : environ 250 Ko par token en BF16, soit environ 266 Go pour un contexte complet d’un million de tokens, en plus des poids.

Les formats de checkpoint sont BF16 et NVFP4. L’article dit que le checkpoint BF16 pèse environ 1,5 To, et que dans Transformers il tourne sur quatre nœuds de huit GPU H200, tandis que la version NVFP4 tourne sur un seul nœud B200. La fiche du modèle est plus directe sur le plancher : une configuration GPU avec au moins 700 Go de VRAM pour NVFP4 et 2 To pour BF16.

L’affirmation sur le poste de travail

Le titre de Meta pour la publication est qu’elle apporte pour la première fois des capacités agentiques de premier plan sur votre poste de travail, sur deux Mac Studio Apple M5 Ultra avec le dernier framework MLX. La page explique l’arithmétique sur laquelle elle s’appuie : la mémoire unifiée de chaque Mac Studio permet au GPU intégré d’en utiliser jusqu’à 512 Go, deux machines peuvent donc contenir tout le modèle, et les 1,2 To/s de bande passante mémoire de la puce sont, selon Meta, assez rapides pour lire la petite tranche dont chaque token a besoin.

Ce que l’on peut vérifier dans l’article de Hugging Face est une configuration différente, plus petite. Ses auteurs ont testé des versions quantifiées sur un Mac M3 Ultra de 512 Go. Une quantification 2 bits via llama.cpp utilisait 304 Go et tournait à 18 tokens par seconde. Une quantification MLX 3 bits prenait environ 344 Go et tournait à environ 225 tokens par seconde en prefill et 21 en génération pour un prompt de 1024 tokens et 128 tokens générés. Le même article note que même la quantification 3 bits exige plus de 256 Go de RAM.

Ce sont de vrais chiffres, obtenus sur une autre machine que celle du titre de Meta, et ils montrent à quoi ressemble le compromis : quantification agressive, un seul très gros Mac, et des vitesses utilisables mais modestes. Nous n’avons trouvé sur les pages aucune mesure pour la configuration à deux M5 Ultra elle-même. L’affirmation peut très bien se vérifier, mais les preuves vérifiables concernent le M3 Ultra.

Licence et disponibilité

Meta dit publier les poids sous la Muse Model License « avec des conditions commerciales limitées, qui permettent à de nombreux développeurs d’utiliser le modèle gratuitement ». Ce n’est ni Apache 2.0 ni MIT, et nous n’avons pas résumé le texte de la licence : lisez-le avant de construire un produit. La liste de distribution est inhabituellement large pour un lancement : Hugging Face, Amazon SageMaker AI, Google Cloud Model Garden et Microsoft Foundry Models pour les poids, et sept fournisseurs d’API pour l’accès hébergé.

La prise en charge de l’inférence est elle aussi large sur le papier. La fiche du modèle nomme SGLang, vLLM, Hugging Face, TensorRT-LLM, Unsloth et llama.cpp, et l’article de lancement présente des recettes de service pour llama.cpp, SGLang et vLLM. Une réserve tirée de ces recettes : l’intégration de référence de vLLM prend en charge les entrées texte et image avec le checkpoint NVFP4 et exige des GPU de série Blackwell ; la multimodalité complète n’est donc pas la même dans tous les moteurs.

Ce que nous n’avons pas pu vérifier

  • « Modèle américain à poids ouverts le plus capable à ce jour. » C’est l’étiquette de Meta elle-même, reprise par l’article de Hugging Face. Les graphiques de benchmark de Meta sont des images : nous n’avons lu ni reproduit aucun score.
  • La configuration à deux Mac Studio M5 Ultra. Nous n’avons trouvé de mesures que pour un M3 Ultra.
  • L’évaluation de sécurité. Meta dit qu’un rapport complet est à venir ; nous ne l’avons pas vu.

Notre avis

La sortie est substantielle et bien soutenue au lancement. Les superlatifs sont ceux de Meta, et la licence est propriétaire, donc les questions pratiques pour un développeur restent les deux habituelles : puis-je payer la mémoire, et puis-je livrer avec cette licence. Pour la plupart, la réponse à la première est une API hébergée, que Meta liste, plutôt qu’un bureau. Le défi kernels du 22 octobre est un pari distinct : les poids ouverts deviennent plus utiles quand la communauté peut pousser le serving Hopper au-delà de la baseline SGLang. Cette page est une chronologie vivante. Quand le rapport d’évaluation, les résultats du défi, de nouvelles quantifications ou des clarifications de licence apparaissent, ils reçoivent un nœud daté et une entrée de journal, et la conclusion en une ligne en haut change avec eux.

Pour l’autre grande publication à poids ouverts de la même semaine, avec une licence permissive et une autre histoire de matériel, voyez la chronologie de Reflection Beam.

Pour continuer la lecture

Tous les articles, du plus récent au plus ancien, sont sur l’index du blog Front.

Questions fréquentes

Quand Meta a-t-il publié Muse Spark Open ?

Le 15 octobre 2026, d’après l’annonce de Meta et la fiche du modèle sur Hugging Face.

Quelle licence utilise Muse Spark Open ?

La Muse Model License, que Meta décrit comme comportant des conditions commerciales limitées. C’est une licence personnalisée : lisez le texte avant tout usage commercial.

Muse Spark Open peut-il tourner sur un Mac ?

Meta dit qu’il tourne sur deux Mac Studio Apple M5 Ultra avec MLX. Les tests de Hugging Face ont utilisé un M3 Ultra de 512 Go avec des versions quantifiées en 2 bits et en 3 bits.

Journal des mises à jour

  • — Ajout du nœud du 22 octobre 2026 sur le Muse Spark Open Kernel Challenge (Paradigm, Meta et Andromeda).
  • — Première publication.

Sources