Meta déploie Muse Spark Open, modèle à poids ouvert de 816 M paramètres sur Mac

Présentation du modèle

Meta a annoncé Muse Spark Open, un modèle à poids ouvert déclaré comme le plus performant disponible aux États‑Unis. Il comporte 816 milliards de paramètres et supporte une fenêtre contextuelle d’un million de tokens, ce qui le place bien au‑dessus des modèles concurrents en termes de capacité de traitement de séquences longues. Le modèle est décrit comme nativement multimodal, capable d’ingérer texte, code et données visuelles dans un même flux d’inférence.

Architecture et exigences matérielles

Pour exploiter l’ensemble des 816 M paramètres, le modèle nécessite une mémoire vive d’au moins 1 téraoctet (TB) de RAM. Meta recommande l’utilisation du Mac Studio équipé du processeur M5 Ultra, dont l’architecture Apple Silicon offre le débit mémoire et les unités de calcul nécessaires pour maintenir un taux d’inférence acceptable. La contrainte de 1 TB de RAM exclut la plupart des ordinateurs portables et même certains postes de travail, limitant l’usage à des stations de travail haut de gamme ou à des environnements cloud capables d’émuler cette capacité.

Cas d’usage et performances

Meta a couplé Muse Spark Open avec Muse Code, un terminal d’assistance au codage, et l’a déployé sur des scénarios d’« agentic labor ». Un exemple fourni montre le modèle corriger des bugs, ajouter des fonctionnalités et générer un build complet pour un client Mastodon. Un autre test porte sur DaVinci Resolve, où le modèle a été utilisé pour analyser et recadrer des séquences vidéo, démontrant une capacité à manipuler des flux multimédias lourds. Les évaluations internes publiées par Meta indiquent que, dans ces tâches, Muse Spark Open dépasse les performances des modèles ouverts classiques, bien que les métriques exactes ne soient pas détaillées dans le communiqué.

Enjeux de l’ouverture et limites

En tant que modèle à poids ouvert, Muse Spark Open peut être intégré via plusieurs plateformes d’API, offrant aux développeurs la possibilité de l’ajuster ou de le ré‑entraîner. Cette transparence se traduit par des économies potentielles de licence, mais elle impose également des exigences de sécurité et de gestion des ressources accrues, notamment la protection des données traitées sur des machines locales. L’obligation d’une RAM de 1 TB constitue une barrière d’entrée importante, limitant l’adoption aux organisations disposant d’infrastructures spécialisées. Enfin, l’absence de benchmarks publics empêche une comparaison objective avec d’autres modèles de taille similaire.