Muse Spark Open : peut-on faire tourner en local le modèle à poids ouverts de Meta, et Muse Code avec ?
Meta a publié Muse Spark Open le 15 octobre : 816B paramètres, une licence maison et une facture matérielle hors de portée de la plupart des développeurs. Voici ce que permet la licence, ce qu'il faut pour le faire tourner, et ce que Meta a dit — ou pas — sur Muse Code en local.
Ce que Meta a publié
Le 15 octobre 2026, Meta a publié les poids de Muse Spark Open, un grand modèle à poids ouverts de la famille Muse Spark. Ses caractéristiques principales :
- Taille : 816 milliards de paramètres au total, dont 42 milliards actifs par token (architecture mixture-of-experts).
- Contexte : 1 million de tokens.
- Entrée : texte, images, vidéo et audio. Sortie : texte.
C’est une sortie d’un tout autre genre que Muse Glimmer, le modèle ouvert de 30B que Meta a publié le 10 août. Glimmer est fait pour tourner sur un seul GPU grand public. Spark Open, lui, est fait pour un data center ou un sérieux cluster de stations de travail.
La licence, en clair
Spark Open est distribué sous la Muse Model License, une licence maison rédigée par Meta. Ce n’est pas une licence open source approuvée par l’OSI : « à poids ouverts » est donc le terme exact. Concrètement :
- Tu peux exécuter, modifier, fine-tuner, distiller et redistribuer le modèle, à condition de respecter les conditions de la licence et la politique d’utilisation de Meta.
- Tu dois afficher « Built with Muse Spark Open » dans les produits qui l’utilisent.
- Si tu es un gros hébergeur de modèles — une entreprise qui réalise plus de 20 millions de dollars de chiffre d’affaires brut sur 12 mois en proposant le modèle dans le cadre d’une activité de model serving —, tu dois prévenir Meta et signer un accord séparé.
- Tes sorties t’appartiennent. Meta ne revendique aucune propriété sur ce que génère le modèle.
Pour la plupart des équipes, la clause de chiffre d’affaires ne s’appliquera pas. Les hébergeurs et revendeurs devraient la lire en entier. Glimmer, à l’inverse, est sous Apache 2.0, sans mention d’attribution obligatoire ni seuil de revenus.
Quel matériel faut-il vraiment ?
Beaucoup. Les recommandations de Meta tournent autour de 700 Go de mémoire d’accélérateur en précision NVFP4 et d’environ 2 To en BF16. Les 42B paramètres actifs rendent chaque token relativement peu coûteux à calculer, mais les 816B paramètres doivent quand même tenir en mémoire.
La démo de Meta utilisait deux Mac Studio M5 Ultra — jusqu’à 512 Go de mémoire chacun — faisant tourner le modèle avec MLX. C’est la configuration la plus accessible que Meta ait montrée, et elle mobilise malgré tout deux machines haut de gamme. Spark Open n’est pas un modèle pour portable, et un GPU gaming haut de gamme seul ne le fera pas tourner.
Où le trouver
- Poids : Hugging Face (accès restreint,
meta-models/Muse-Spark-Open-816B-A42B), Amazon SageMaker AI, Google Cloud Model Garden et Microsoft Foundry. - Moteurs d’inférence : SGLang, vLLM, TensorRT-LLM, Transformers, MLX, llama.cpp et Unsloth. Pour le fine-tuning, Meta renvoie vers TorchTitan.
- API hébergées : Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter et Together AI. Together l’affiche à 1,25 $ en entrée, 0,15 $ en entrée cachée et 4,25 $ en sortie par million de tokens. Groq limite le contexte à 131K tokens au lieu du million complet.
Le prix de Together est identique au tarif de Meta pour muse-spark-1.3 hébergé. Si tout ce que tu veux, c’est un accès au token, les poids ouverts ne coûtent pas moins cher. Ils deviennent rentables quand tu dois auto-héberger, fine-tuner ou garder tes données sur ton propre matériel.
Quels scores ?
Le tableau de lancement de Meta, avec la réserve habituelle : ce sont les chiffres de l’éditeur lui-même.
| Benchmark | Muse Spark Open | Remarque issue du tableau de Meta |
|---|---|---|
| Terminal-Bench 2.1 | 76.4 | Kimi K3 en tête à 85.0 |
| MCP-Atlas | 89.2 | En tête de la comparaison |
| JobBench | 61.8 | En tête de la comparaison |
| Artificial Analysis Intelligence Index | 39 | Derrière GLM-5.3 (45) et MiMo-V2.6-Pro (46) |
Spark Open semble le plus fort sur l’usage d’outils et les tâches de type agent, et plus faible que les meilleurs modèles ouverts concurrents sur les mesures d’intelligence globale. À titre de comparaison, VentureBeat plaçait Spark 1.3 hébergé à 61 sur le même indice, comme nous le notions dans notre article sur Spark 1.3. Le modèle ouvert n’est pas une copie gratuite du modèle phare.
Peut-on faire tourner Muse Code en local dessus ?
En partie — sur parole de Meta, mais pas encore avec ses instructions. Meta affirme que Muse Code tourne sur Spark Open pour des workflows agentiques en local sur du matériel Apple. Ses démos montraient l’agent en train de modifier l’app Mastodon Ice Cubes et de piloter DaVinci Resolve.
Ce que Meta n’a pas publié, c’est une procédure pas à pas : aucune configuration de provider local documentée n’explique comment faire pointer Muse Code vers un endpoint Spark Open auto-hébergé. Le CLI 1.4.2 a ajouté les flags --provider et --model à muse serve, mais Meta ne les documente pas comme un moyen de se brancher sur un serveur Spark Open local. Donc :
- Muse Code entièrement hors ligne, c’est quelque chose que Meta a démontré, pas documenté. Attends-toi à expérimenter, et ne planifie pas encore un déploiement d’équipe là-dessus.
- Le matériel est la vraie limite. La démo documentée nécessitait deux Mac Studio à grosse mémoire.
- Les modèles des abonnements ne sont pas inclus. Tourner en local ne te donne ni Muse Wonder ni Wonder Full ; ceux-là sont uniquement hébergés.
Si ça change, ce sera dans la documentation et dans notre changelog.
Spark Open vs. Muse Glimmer vs. Spark 1.3 hébergé
| Muse Spark Open | Muse Glimmer | Muse Spark 1.3 (hébergé) | |
|---|---|---|---|
| Sortie | 15 octobre 2026 | 10 août 2026 | 2 septembre 2026 |
| Taille | 816B au total, 42B actifs | 30B | — |
| Licence | Muse Model License (maison) | Apache 2.0 | Propriétaire, API et produits Meta uniquement |
| Matériel | ~700 Go (NVFP4) à ~2 To (BF16) | Un seul GPU grand public, ~20 Go quantifié | Aucun — Meta l’héberge |
| Contexte | 1M tokens | — | 1M tokens |
| Prix | Ton matériel, ou $1.25 / $4.25 par 1M chez Together AI | Ton matériel | $1.25 / $4.25 par 1M (standard) |
| Muse Code | Selon Meta, tourne sur matériel Apple ; pas de procédure documentée | Non documenté pour Muse Code | Le modèle par défaut |
Pour qui ?
- Les entreprises et les labos qui doivent garder leurs données sur leur propre infrastructure, ou qui veulent fine-tuner ou distiller un grand modèle agentique.
- Les fournisseurs d’inférence, ce qui explique la longue liste d’hébergeurs dès le jour du lancement — et la clause de chiffre d’affaires qui les vise.
- Les propriétaires de très grosses configurations Apple ou GPU qui veulent expérimenter un agent local avant la documentation officielle.
Pour tous les autres, les choix pratiques n’ont pas changé : Spark 1.3 hébergé via Muse Code ou la Meta Model API si tu veux l’agent, et Glimmer si tu veux quelque chose qui tourne sur un seul GPU. Notre page de comparaison montre comment tout cela se situe face aux agents concurrents.