Meta AI lance Muse Spark 1.3, un modèle de code à base d'agents plus économe en appels d'outils et en tokens que 1.2
Meta Superintelligence Labs a publié cette semaine Muse Spark 1.3, quatrième version de sa famille Muse Spark en cinq mois, conçue pour les tâches agentiques et de codage sur de longs horizons plutôt que pour la génération en un seul échange. Le modèle est désormais disponible en production dans Muse Code et via la Meta Model API, avec une fenêtre de contexte d'un million de tokens, mais reste fermé au self-hosting puisque ses poids ne sont pas publiés, et son mode de raisonnement maximal ("max") demeure verrouillé en attendant des tests de sécurité supplémentaires. Sur le plan des performances, les ingénieurs de Meta rapportent environ 20% d'appels d'outils en moins et environ 25% de tokens en moins par rapport à Muse Spark 1.2. Sur les benchmarks internes de Meta, le modèle obtient 75,4 sur DeepSWE v1.1, devançant Claude Opus 5 (74,0) et GPT-5.6 Sol (72,7), 59,4 sur SWE-Atlas Codebase QnA, et 88,8 sur Terminal-Bench 2.1, à égalité avec GPT-5.6 Sol. L'écart le plus marqué apparaît sur la récupération en long contexte, avec des scores MRCR v2 de 98,5 et 98,1 contre 91,5 et 73,8 pour GPT-5.6 Sol. Artificial Analysis, de son côté, situe la variante xhigh à 61 points sur son Intelligence Index et la variante preview max à 62. Le prix reste inchangé à 1,25 dollar par million de tokens en entrée et 4,25 dollars en sortie, avec un palier contributeur à 0,10 et 0,20 dollar.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de MarkTechPost. Lire l'article original →
Ce qui distingue surtout cette version, c'est l'accent mis sur la collaboration et la fiabilité dans des sessions de travail prolongées plutôt que sur la seule puissance brute. Muse Spark 1.3 pose des questions de clarification face à des consignes ambiguës, sollicite l'utilisateur lorsqu'il est bloqué, demande confirmation avant des actions à conséquences importantes, et adapte son niveau de verbosité selon les préférences exprimées, entre mises à jour fréquentes et exécution silencieuse en arrière-plan. Meta indique aussi une meilleure calibration du modèle sur ses propres limites, ce qui doit réduire les cas où il invente un résultat plutôt que de signaler un blocage. Pour les développeurs qui construisent des agents de codage autonomes, la réduction du nombre d'appels d'outils et de tokens consommés se traduit directement par une baisse des coûts d'exploitation et des délais d'exécution, un enjeu central à mesure que ces agents sont déployés à grande échelle dans des environnements de production réels et sur des tâches multiples entremêlées dans un même fil de conversation.
Cette sortie s'inscrit dans une compétition serrée entre grands laboratoires d'IA sur les modèles agentiques capables de gérer des tâches longues et complexes, face à Anthropic avec Claude Opus 5 et Claude Fable 5.1, OpenAI avec GPT-5.6 Sol, et xAI avec Grok 4.6. Meta a entraîné Muse Spark 1.3 sur plusieurs environnements d'agents distincts afin que ses comportements se généralisent au-delà d'un seul contexte d'usage, une approche qui reflète une tendance plus large du secteur consistant à optimiser non seulement l'intelligence brute des modèles mais aussi leur efficacité économique en production. Meta a par ailleurs indiqué qu'une version à poids ouverts de Muse Spark figure sur sa feuille de route, sans donner de calendrier précis, ce qui laisserait entrevoir, à terme, une option de déploiement local pour les organisations qui ne peuvent pas s'appuyer uniquement sur l'API propriétaire.
Pas d'impact direct sur la France/UE