[AINews] Premier épisode des « High Taste Testers
Meta a publié Muse Spark Open, un modèle à mélange d'experts de 816 milliards de paramètres au total dont 42 milliards actifs, distribué avec ses poids ouverts. Selon Artificial Analysis, il obtient 39 à son Intelligence Index, le meilleur score pour un modèle américain à poids ouverts, soit 13 points de plus que le Nemotron 3.5 Super VL de NVIDIA (26). Le modèle compte 62 couches, 8 experts actifs sur 256 par jeton, un encodeur de perception de 1,8 milliard de paramètres et un contexte de 1 million de jetons. Il accepte texte, image, vidéo et audio, et produit du texte. Les poids en BF16 pèsent environ 1,6 To, et le point de contrôle NVFP4 de Meta, qui ne quantifie que les experts, les ramène à 530 Go. Ils tiennent alors sur 4 GPU Blackwell Ultra, 8 H200 ou deux Mac Studio M5 Ultra de 512 Go. Together, Fireworks et Baseten facturent 1,25 $ par million de jetons en entrée et 4,25 $ en sortie. Le même jour, Reflection a lancé Beam 1.0, un modèle de 501 milliards de paramètres dont 23 milliards actifs, sous licence Apache 2.0, avec des poids BF16, FP8 et NVFP4, un drafter DFlash2, le harnais open source Mirror et un rapport de sécurité.
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 Latent Space. Lire l'article original →
Ces sorties renforcent le camp américain des modèles ouverts, longtemps distancé par les laboratoires chinois. Muse Spark Open se montre économe : 0,84 $ par tâche de l'indice, contre 2,01 $ pour GLM-5.3 mais 0,27 $ pour DeepSeek V4.1 Flash, avec 40 000 jetons de sortie par tâche, le plus bas des neuf meilleurs modèles ouverts. Son point faible est l'usage agentique : il arrive dernier de ce groupe sur les quatre évaluations agentiques d'Artificial Analysis, alors qu'il domine les modèles ouverts sur AA-Omniscience. Vals le classe 12e parmi les modèles ouverts et 38e au total, tandis qu'Arena en fait le meilleur modèle ouvert américain sur Code Arena WebDev avec 1511 points. Beam obtient 30 chez Artificial Analysis, 2e modèle ouvert américain, avec environ 26 000 jetons par tâche. Il atteint 48,5 % sur AutomationBench-AA mais seulement 3,0 % sur Terminal-Bench 4.0, et hallucine dans 47 % des cas sur AA-Omniscience. C'est le seul modèle non chinois du top 25 des modèles ouverts sur Code WebDev.
Le contexte est celui d'une course où les licences comptent autant que les scores. La licence maison Muse Model impose la mention « Built with Muse Spark Open » et exige un accord séparé pour les services de modèle dépassant 20 millions de dollars de revenu annuel, ce qui contraste avec l'Apache 2.0 de Reflection et la licence MIT de DeepSeek V4.1 Flash. Certains observateurs jugent le modèle de Meta dépassé face à ce dernier, plus petit et plus permissif, tandis qu'Alexandr Wang décrit les Meta Superintelligence Labs comme une « machine qui construit de nouveaux modèles ». L'écosystème a suivi dès le lancement : mlx-lm, vLLM et SemiAnalysis ont ajouté leur prise en charge, et vLLM a mesuré 1 769 jetons par seconde pour Beam sur 4 B300 en NVFP4. Sur le plan technique, Beam combine attention à fenêtre glissante de 512 jetons selon un rythme 5:1, absence de RoPE, attention gated et normalisation QK, sans expert partagé.
Pas d'impact direct sur la France/UE