Quatre modèles en cinq mois. Le 2 septembre, Meta a dégainé Muse Spark 1.3 et s’est hissé à 62 points sur l’Artificial Analysis, à deux longueurs seulement du leader. Cette accélération place enfin le groupe californien parmi les modèles frontières.
À retenir
- Muse Spark 1.3 (max) atteint 62 points sur l’Artificial Analysis Intelligence Index, 3e mondial derrière Claude Fable 5.1 (66) et Claude Opus 5 (63).
- La version Muse Spark 1.3 (xhigh), disponible immédiatement, score 61 points et égale GPT-5.6 Sol (max) et Grok 4.6 (high).
- Record mondial à 52 % sur Tau3-Bench Banking et progression à 85 % sur Terminal-Bench 2.1 pour la version xhigh.
- Fenêtre de contexte de 1 048 576 jetons et coût moyen de 0,47 € par tâche, soit 42 % moins cher que la concurrence à performance égale.
- Modes standard et xhigh ouverts dans Muse Code et Meta Model API, mode max en prévisualisation restreinte chez les partenaires.
L’enjeu dépasse le score : automatiser durablement les flux de code et de données, sans dérive et à un coût compatible avec un usage quotidien. C’est ce qui rend cette sortie importante pour les développeurs et les entreprises européennes.
Meta s’installe dans le trio de tête
La cadence fait désormais partie de la stratégie. Elle permet à Meta de réduire rapidement l’écart avec les laboratoires qui dominaient jusqu’ici les classements.
Une cadence d’un modèle par mois
Meta AI Research a officialisé Muse Spark 1.3 le 2 septembre 2026. Il s’agit de la quatrième version majeure en cinq mois pour la lignée Muse Spark. Ce rythme mensuel tranche avec les cycles semestriels observés chez la plupart des laboratoires frontières. Meta vise explicitement la superintelligence personnelle et des agents autonomes capables d’enchaîner des tâches longues.
La série progresse dans les mesures d’Artificial Analysis. Muse Spark 1.1 pointait à 53 points en juillet, Muse Spark 1.2 à 57 points en août. La version 1.3 franchit un nouveau palier et réduit l’écart avec les leaders. Cette régularité fait de Meta un challenger crédible face à Anthropic et OpenAI.
62 points et une troisième place mondiale
La variante Muse Spark 1.3 (max) obtient 62 points sur l’Artificial Analysis Intelligence Index. Elle se classe troisième, derrière Claude Fable 5.1 à 66 points et Claude Opus 5 à 63 points. La déclinaison Muse Spark 1.3 (xhigh), déjà accessible, atteint 61 points. Elle fait jeu égal avec GPT-5.6 Sol (max) et Grok 4.6 (high), selon la même évaluation indépendante.
Ces indices agrègent le raisonnement, le codage, le suivi d’instructions et l’usage d’outils. Ils servent de référence pour comparer les modèles frontières. À 61 ou 62 points, un modèle devient envisageable pour des flux agentiques en production. Meta n’avait jamais atteint ce niveau aussi nettement.
La version accessible tient la comparaison
Le déploiement immédiat du mode xhigh compte. Les développeurs n’ont pas à attendre la certification du mode max pour profiter du gain de performance. Le mode max reste en prévisualisation limitée chez les partenaires, pendant les vérifications de sécurité. Meta diffuse ainsi rapidement une version solide tout en testant une déclinaison plus puissante.
Le modèle maintient la consigne initiale sur de longues séquences sans perdre le contexte
Note de Meta AI Research sur l’entraînement agentique de Muse Spark 1.3
Le saut se joue sur l’agentique et la science
Les gains se mesurent surtout dans le travail qui s’enchaîne : tâches longues, outils et contraintes à gérer sans perdre le fil.
Record sur la banque, progrès sur le terminal
Sur Tau3-Bench Banking, benchmark spécialisé dans les workflows bancaires, Muse Spark 1.3 (xhigh) passe de 35 % à 47 % de réussite par rapport à la version 1.2. La variante max atteint 52 %, meilleur score mondial enregistré à ce jour. Sur Terminal-Bench 2.1, qui teste l’administration système en invite de commande, la version xhigh grimpe de 80 % à 85 %.
L’évaluation qualitative GDPval-AA v2 va dans le même sens en Elo. La version xhigh atteint 1 709 points, la version max 1 754 points, contre 1 615 points pour la version 1.2. Ces hausses montrent une meilleure tenue sur les tâches multi-étapes, avec des contraintes et des outils à mobiliser. C’est précisément ce qui compte dans l’automatisation en entreprise, où la fiabilité sur la durée vaut davantage qu’une réponse isolée.
Plus de jetons pour mieux raisonner
Ces progrès ont une contrepartie : une dépense de calcul accrue. La variante max consomme 62 % de jetons supplémentaires sur GDPval-AA v2 par rapport à la version xhigh. L’écart est de 28 % sur Tau3-Bench Banking. Un jeton de raisonnement est un jeton interne généré par le modèle pour décomposer, vérifier et planifier avant de répondre.
Ce calcul supplémentaire consolide les résultats sur les problèmes complexes à plusieurs tours. Il augmente aussi le coût par tâche. Meta assume le compromis : davantage de réflexion interne, moins d’erreurs d’exécution. Pour les équipes qui font tourner des agents en boucle, cette stabilité justifie souvent le surcoût de calcul.
Un agent qui interroge avant d’agir
Muse Spark 1.3 échange de façon plus proactive avec l’utilisateur. Le modèle pose des questions de clarification face à une consigne ambiguë. Il suspend son exécution pour valider des choix sensibles avant d’écrire ou de déployer. Il gère aussi mieux les environnements de données hétérogènes et non structurées.
Cette capacité limite les dérives de contexte et les actions irréversibles non souhaitées. L’agent se comporte davantage comme un collaborateur qui vérifie les étapes critiques. Dans un flux de développement, cela réduit les reprises manuelles et améliore la traçabilité des décisions prises par l’agent.
Un million de jetons à coût réduit
La performance ne suffit pas : l’intégration et le prix doivent tenir dans la durée.
Un million de jetons et intégration dans Muse Code
Muse Spark 1.3 est déployé nativement dans l’agent de terminal Muse Code et via la Meta Model API. Il supporte une fenêtre de contexte de 1 048 576 jetons, soit environ un million de jetons. Le modèle peut ainsi ingérer de volumineux dépôts de code et de longs historiques d’échanges sans les tronquer. Les développeurs ajustent le suivi, du mode silencieux en arrière-plan aux journaux d’événements détaillés.
Les modes de raisonnement standard et xhigh sont disponibles dès le lancement. Le mode max reste réservé avant certification. Les équipes choisissent ainsi le niveau de verbosité et de contrôle selon le risque de la tâche, sans réécrire leurs outils existants.
42 % moins cher à performance égale
Sur le palier Contributor, Meta affiche 0,09 € par million de jetons en entrée et 0,17 € par million en sortie. Selon l’analyse comparative d’Implicator.ai, le coût moyen par tâche standardisée s’établit à 0,47 € pour Muse Spark 1.3. Il atteint 0,81 € pour GPT-5.6 Sol à niveau d’évaluation équivalent.
L’écart représente 42 % d’économie à performance égale sur des tâches agentiques comparables. Pour une PME européenne qui automatise des revues de code ou des réconciliations bancaires, la différence pèse vite à l’échelle de milliers d’exécutions mensuelles. Ces tarifs tirent les prix du marché vers le bas et rendent l’usage quotidien plus soutenable.
| Modèle | Score Artificial Analysis | Coût moyen par tâche |
|---|---|---|
| Muse Spark 1.3 (xhigh) | 61 | 0,47 € |
| Muse Spark 1.3 (max) | 62 | non communiqué (prévisualisation) |
| GPT-5.6 Sol (max) | 61 | 0,81 € |
| Claude Opus 5 | 63 | — |
| Claude Fable 5.1 | 66 | — |
Contrepoint : la facture grimpe et les retours terrain divisent
Le tableau a son revers. Le coût moyen par tâche est passé de 0,34 € sur Spark 1.2 à 0,47 € sur Spark 1.3, sous l’effet du volume de jetons de raisonnement. L’arrivée simultanée de modèles chez Qwen, Gemini et Claude Fable, ainsi que les sorties attendues de GPT-6 Astra et Grok, entretiennent une guerre des prix où le moins-disant d’aujourd’hui ne le reste pas longtemps. L’usage des données pour l’entraînement continu de Meta reste aussi un sujet de vigilance pour des clients professionnels.
Des évaluateurs indépendants relèvent des écarts entre les scores de laboratoire et l’usage réel. Sur des générations de code de jeux complexes et des flux multi-tours prolongés, les tests publiés par Matt Johnston AI Benchmarks ont observé des instabilités. Ces retours n’annulent pas les records sur Tau3-Bench Banking et Terminal-Bench 2.1. Ils rappellent que les harnais d’évaluation et l’appel d’outils comptent autant que le modèle lui-même dans le résultat final.
Laisser un commentaire
Vous devez vous connecter pour publier un commentaire.