Présentation

Muse Spark Open est le dernier modèle ouvert de Meta, conçu pour les tâches agentiques et le codage. Il comporte 816 milliards de paramètres au total, dont 42 milliards sont actifs lors de l’inférence, et il accepte un contexte de 1 million de tokens, ce qui le rend adapté aux raisonnements à long terme et aux projets de génie logiciel complexes.

Architecture et performances

Le modèle est multimodal natif et exploite la puissance de deux Apple M5 Ultra Mac Studio. Chaque station offre 512 Go de mémoire unifiée, permettant aux deux machines de partager près d’un téraoctet de mémoire, suffisant pour charger l’ensemble du modèle en mémoire. Le GPU intégré dispose d’une bande passante de 1,2 To/s, capable de lire la petite tranche de données requise par chaque token, ce qui transforme les deux Mac Studio en une sorte de super‑ordinateur de bureau.

Les tests montrent que, grâce à l’optimisation du framework MLX, le modèle atteint des vitesses d’inférence compatibles avec des charges de travail agentiques complètes, comme la génération de code iOS ou le traitement vidéo dans DaVinci Resolve, entièrement sur l’appareil.

Déploiement et optimisation

Muse Spark Open s’intègre aux principaux moteurs d’inférence : SGLang, vLLM, TensorRT‑LLM, Hugging Face Transformers, Apple MLX, llama.cpp et Unsloth. Sur les GPU NVIDIA et AMD, les noyaux Helion auto‑ajustables fournis avec SGLang offrent des accélérations de 1,03 à 3,95 × au niveau du noyau, et une amélioration de 3 % du temps de bout en bout sur les GPU AMD MI350. Les poids sont disponibles via les plateformes API Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter et Together AI, ainsi que sur les services cloud Amazon SageMaker, Google Cloud Model Garden, Hugging Face et Microsoft Foundry Models.

Sécurité et licence

Conformément au Meta Superintelligence Scaling Framework, le modèle a été soumis à une série d’évaluations de risques et a satisfait les seuils requis pour la diffusion publique. Un post‑training safety layer a été ajouté pour atténuer les risques résiduels. Les poids sont publiés sous la Muse Model License, qui autorise une utilisation gratuite avec des restrictions commerciales limitées, offrant ainsi aux développeurs la possibilité de personnaliser le modèle via le framework PyTorch et son extension TorchTitan.