Muse Spark 1.3 : le nouveau modèle de Meta arrive sur ChatPlus

Il y a un an et demi, Meta était « l’entreprise qui offre ses modèles ». Des millions de personnes téléchargeaient Llama, des startups bâtissaient des produits dessus, des équipes l’ajustaient pour leurs propres besoins. Mais dans la course au modèle le plus intelligent, Meta accusait clairement un retard sur OpenAI, Anthropic et Google.

Aujourd’hui, l’entreprise a changé de stratégie et de famille de modèles : Muse. Les modèles sont fermés, une division dédiée les développe, et de nouvelles versions sortent presque chaque mois. La dernière en date, Muse Spark 1.3, est sortie le 2 septembre et elle est disponible sur ChatPlus dès aujourd’hui. Au programme : d’où elle vient, ce qu’elle sait faire, ce qui se cache derrière ses chiffres et dans quels cas la choisir.

Comment Meta en est arrivé à Muse

En avril 2025, Meta a lancé Llama 4, avec un accueil plutôt tiède. Les modèles étaient corrects, mais en deçà des promesses, et la sortie de la plus grande version a été reportée. Pour une entreprise qui dépense des dizaines de milliards de dollars par an dans l’IA, c’était un signal peu rassurant.

Cet été-là, Zuckerberg a entièrement réorganisé l’effort. Meta a créé une nouvelle division, Meta Superintelligence Labs, recruté de solides chercheurs venus d’OpenAI, de Google et d’autres laboratoires, puis lancé la construction de nouveaux centres de données pour l’entraînement de grands modèles. L’objectif affiché était ambitieux : la « superintelligence personnelle », une IA capable d’aider chaque personne à atteindre ses propres objectifs.

Le premier résultat a été Muse Spark. Il a été lancé le 8 avril 2026 et intégré directement à l’assistant Meta AI, sur le web et dans l’application. C’était un modèle de raisonnement multimodal : il pouvait appeler des outils, raisonner sur des images et faire fonctionner plusieurs agents en parallèle. Au départ, les développeurs n’y ont eu qu’un accès très limité, uniquement via une préversion privée.

Ensuite, tout s’est accéléré :

• Juillet : Muse Spark 1.1 et une préversion publique de l’API pour les développeurs ;
• Août : Muse Spark 1.2 et Muse Code, l’agent de programmation maison de Meta, qui s’exécute directement dans le terminal ;
• 2 septembre : Muse Spark 1.3, le sujet de cet article.

Trois versions en trois mois : pour un grand laboratoire, le rythme est extrêmement rapide.

Ce que Muse Spark 1.3 sait faire

Meta décrit la nouvelle version ainsi : le modèle est entraîné pour les tâches longues, en plusieurs étapes. Derrière cette formule, on trouve trois compétences concrètes.

D’abord, il garde le fil du travail. Sur une tâche longue, le modèle se souvient de ce qu’il a déjà fait et de ce que cela a produit, au lieu de repartir de zéro à chaque étape. Si vous lui demandez de parcourir un projet, de corriger les tests et de mettre à jour la documentation, il n’oubliera pas à la troisième étape ce qu’il a modifié à la première.

Ensuite, il gère le désordre. Les vraies tâches arrivent rarement bien rangées : la spécification dit une chose, le fil d’e-mails une autre, le code une troisième. Muse Spark 1.3 a été entraîné à repérer ce type de contradictions et à les traiter, plutôt qu’à choisir une version au hasard.

Enfin, il pose des questions. Quand une information manque, le modèle vérifie avec vous au lieu de combler le vide par des suppositions. Cela peut sembler anodin, mais ce sont précisément ces suppositions qui font le plus souvent dérailler les agents.

Meta met aussi en avant le code. La version 1.3 a été affinée sur du vrai travail dans Muse Code et, selon l’entreprise, elle prend moins de détours inutiles et écrit un code plus compact. Si vous utilisez l’IA comme partenaire de programmation, cela se ressent : il y a moins de nettoyage à faire après le passage du modèle.

Le modèle comprend plus que du texte. Vous pouvez lui montrer une capture d’écran, une photo, un schéma ou un PDF. Meta mentionne un détail intéressant : le raisonnement visuel de Muse Spark passe par un véritable environnement d’exécution. Dit simplement, le modèle peut traiter une image avec du code, et pas seulement la « regarder » pour estimer à l’œil.

La fenêtre de contexte du modèle est de 1 048 576 tokens, soit plus d’un million. Cela représente des centaines de pages de texte ou un grand dépôt de code en une seule fois. Plus important encore, le modèle exploite réellement bien cette fenêtre, comme le montrent les chiffres ci-dessous.

Ce que disent les chiffres

Meta a mesuré elle-même tous les résultats ci-dessous, dans son mode de raisonnement maximal.

Le résultat en contexte long est le plus impressionnant. MRCR vérifie si un modèle peut retrouver le bon fragment parmi de nombreux passages similaires cachés dans un immense texte. Beaucoup de modèles acceptent formellement un million de tokens, mais commencent à « perdre » le milieu à cette échelle. Muse Spark 1.3 obtient 98.1% dans la plage allant d’un demi-million à un million de tokens, avec presque aucune perte.

Le gain par rapport à la version précédente est lui aussi notable. Sur JobBench, le modèle est passé de 61.6% à 64.9%, et sur le benchmark bureautique GDPval-AA de 1615 à 1754 points Elo.

Vient maintenant la comparaison avec la concurrence, avec une réserve importante. Sur GDPval-AA, Muse Spark 1.3 devance GPT-5.6 Sol (1710), mais reste derrière Claude Opus 5 (1824). Meta, toutefois, se compare à la génération précédente. Claude Opus 5.5 et GPT-6 Sol sont sortis depuis, et les tableaux de Meta ne les incluent pas. Le résumé le plus juste est donc celui-ci : Muse Spark 1.3 joue dans la même cour que les modèles phares, sans dépasser les plus récents.

Combien ça coûte

Le prix est attractif : $1.25 par million de tokens en entrée et $4.25 par million de tokens en sortie. À titre de comparaison, Claude Opus 5.5 coûte $4 et $20, GPT-6 Sol $2 et $10, Grok 4.7 $2 et $6. Pour des performances proches du niveau des modèles phares, c’est l’une des meilleures offres du marché.

Meta propose aussi une seconde option, presque gratuite : 10 cents pour l’entrée et 20 pour la sortie. À ce prix, toutefois, Meta obtient le droit d’entraîner ses modèles sur vos prompts et vos réponses. Sur ChatPlus, nous n’avons connecté que l’offre standard : vos conversations avec Muse Spark ne sont donc pas utilisées pour l’entraînement de Meta.

Là où Muse Spark excelle, et quand choisir autre chose

Muse Spark 1.3 est le plus à l’aise quand une tâche est longue et embrouillée. Parcourir un gros projet, trouver la cause d’un bug dans le code de quelqu’un d’autre, réconcilier plusieurs documents contradictoires pour en tirer une conclusion, extraire ce qu’il faut d’un rapport volumineux : c’est son terrain de jeu. Il fonctionne aussi très bien avec les captures d’écran ; lui montrer une interface avec une erreur et lui demander de comprendre ce qui se passe est un usage tout à fait naturel.

Il a aussi ses points faibles. C’est un modèle de raisonnement : il répond donc plus lentement aux questions simples que des modèles plus légers, car il réfléchit d’abord, puis rédige. Pour les traductions, les résumés et les recherches rapides, mieux vaut choisir quelque chose de plus léger, comme GPT-6 Luna. Meta dit très peu de choses sur l’écriture créative ; si le style compte pour vous, comparez-le à Claude sur votre propre tâche.

Comment l’essayer sur ChatPlus

Muse Spark 1.3 est disponible avec l’abonnement PRO et, comme les autres modèles puissants, il consomme votre quota — la limite de 5 heures sur laquelle sont décomptées les requêtes adressées aux modèles coûteux. Ouvrir une discussion avec Muse Spark 1.3.

Le plus utile est de le comparer aux autres modèles sur votre propre tâche. Sur ChatPlus, vous pouvez changer de modèle au milieu d’une conversation : interrogez Muse Spark, passez à Claude ou GPT, envoyez la même demande et voyez immédiatement quelle réponse est la meilleure. Les caractéristiques du modèle et les résultats de benchmark sont réunis sur une page dédiée à Muse Spark 1.3.

En bref

Muse Spark 1.3 est le tout dernier modèle de Meta Superintelligence Labs, sorti le 2 septembre 2026. Il est solide sur les longues tâches agentiques, le code et les très grands contextes : 88.8% sur Terminal-Bench 2.1 et presque aucune perte à un million de tokens. Il reste encore en retrait par rapport aux tout derniers modèles phares d’Anthropic et d’OpenAI, mais il coûte plusieurs fois moins cher. Sur ChatPlus, le modèle est déjà disponible avec l’abonnement PRO.