ActualitésActionsMuse Spark Open de Meta arrive sur Arena.ai pour des tests publics

Muse Spark Open de Meta arrive sur Arena.ai pour des tests publics

Auteur: CryptoBriefing·

Points clés

  • •Meta a annoncé Muse Spark Open le 15 octobre 2026, marquant la première publication à poids ouverts de sa série Muse Spark, auparavant propriétaire.
  • •Le modèle multimodal compte 816 milliards de paramètres au total, dont 42 milliards actifs, une fenêtre de contexte de 1M de tokens, et peut traiter des images, vidéos et audio.
  • •Les développeurs peuvent évaluer le modèle avec des scores de performance en direct dans l'Agent Arena et le Code Arena d'Arena.ai, offrant une vérification tierce des affirmations de Meta sur les benchmarks.
  • •Les options d'accès incluent des fournisseurs d'API tels que Baseten et Fireworks AI, tandis que les poids du modèle peuvent être téléchargés via Amazon SageMaker et Google Cloud Model Garden.
  • •Meta a optimisé le modèle pour les puces Apple via le framework MLX, citant une configuration de référence de deux M5 Ultra Mac Studios avec 1 To de mémoire unifiée et un post-entraînement de sécurité qui permettrait, selon l'entreprise, un fonctionnement sans-fous externes.
Muse Spark Open de Meta arrive sur Arena.ai pour des tests publics

Le dernier modèle d'intelligence artificielle de Meta est désormais testé par d'autres développeurs via Arena.ai.

Muse Spark Open, la première version à poids ouverts de la série Muse Spark de Meta, est disponible dans l'Agent Arena et le Code Arena d'Arena.ai. Les utilisateurs peuvent évaluer le modèle sur des tâches complexes et consulter des scores de performance en direct. Meta a annoncé le modèle le 15 octobre 2026, et Arena.ai a confirmé son intégration et les tests en direct le jour même. L'annonce a été rapportée par CryptoBriefing.

Capacités du modèle

Muse Spark Open est un modèle multimodal doté de 816 milliards de paramètres au total, dont 42 milliards de paramètres actifs. Il dispose d'une fenêtre de contexte de 1M de tokens et peut traiter des images, des vidéos et de l'audio.

Meta positionne le modèle pour les flux de travail agentiques à long terme, le codage complexe et le raisonnement en plusieurs étapes. Pour les tâches de codage, Meta indique que Muse Spark Open peut analyser des référentiels logiciels entiers et gérer des refactorisations complexes s'étendant sur plusieurs fichiers — des cas d'usage qui s'appuient sur le profil technique du modèle, associant la fenêtre de contexte de 1M de tokens au traitement natif des images, vidéos et audio.

Accès et infrastructure

Muse Spark Open est devenu disponible le 15 octobre 2026 via diverses plateformes d'API et places de marché cloud. L'accès par API inclut des fournisseurs tels que Baseten et Fireworks AI, entre autres. Les organisations souhaitant obtenir les poids du modèle peuvent les télécharger via Amazon SageMaker et Google Cloud Model Garden.

Meta indique que Muse Spark Open peut fonctionner sur l'infrastructure des utilisateurs et a été spécifiquement optimisé pour les puces Apple via le framework MLX. Sa configuration de référence se compose de deux M5 Ultra Mac Studios connectés en superordinateur avec 1 To de mémoire unifiée — une configuration de référence qui place l'auto-hébergement sur du matériel de classe station de travail plutôt que sur des clusters de centres de données.

Meta précise également que le modèle a suivi un post-entraînement de sécurité. Selon l'entreprise, cela permet à Muse Spark Open de fonctionner de manière autonome sans garde-fous externes supplémentaires — un détail directement pertinent pour les organisations envisageant un déploiement auto-hébergé.

Tests via Arena.ai

Muse Spark Open s'appuie sur les précédents modèles Muse Spark de Meta, qui étaient propriétaires. Cette publication constitue la première incursion de la série vers les poids ouverts.

Meta Superintelligence Labs affirme que Muse Spark Open égale les modèles fermés de pointe sur les benchmarks de codage agentique. L'Agent Arena et le Code Arena évaluent les modèles sur des tâches pratiques impliquant du codage, la recherche web et le traitement multimédia, tandis que la notation en direct montre leurs performances — offrant aux développeurs externes une vérification tierce continue de ces affirmations à mesure que les tests se poursuivent.