Muse Spark 1.2

Le 5 août 2026, Meta AI Research a franchi une nouvelle étape dans le domaine de l'intelligence artificielle appliquée au développement logiciel en annonçant la sortie de Muse Spark 1.2. Dévoilée simultanément avec la version bêta de Muse Code — un agent de programmation fonctionnant directement dans le terminal —, cette mise à jour majeure de la version 1.1 se positionne comme un outil de choix pour la génération de code, le débogage complexe et la compréhension de dépôts de grande envergure.

Une architecture orientée vers le code et le raisonnement

Pour concevoir Muse Spark 1.2, Meta a considérablement augmenté la puissance de calcul allouée à l'entraînement sur le code et a diversifié les environnements d'apprentissage. De plus, le modèle a bénéficié d'un co-entraînement direct avec Muse Code, ce qui le rend particulièrement performant lorsqu'il est déployé au sein d'environnements d'agents de développement.

Sur le plan technique, Muse Spark 1.2 se distingue par sa gestion du contexte. Il propose une fenêtre de contexte massive de 1 048 576 tokens (communément simplifiée à 1 million de tokens). Pour exploiter efficacement cette capacité sur des tâches de longue durée, Meta a intégré des mécanismes avancés de planification, de conditionnement par objectif et de compaction de contexte.

En matière d'interaction, le modèle se comporte comme un moteur de raisonnement multimodal complet en entrée. Il accepte une grande variété de formats : le texte, les images, la vidéo, l'audio et les fichiers (y compris les PDF). En revanche, il convient de noter que l'endpoint OpenRouter ne produit que du texte ; il ne s'agit pas d'un générateur d'images ou de fichiers audio. Le raisonnement y est obligatoire, avec cinq niveaux d'effort configurables (de minimal à xhigh, le niveau par défaut étant medium). L'API expose également des fonctionnalités avancées indispensables aux architectures d'agents modernes, telles que l'appel d'outils (function calling), le choix d'outil (tool choice), les sorties structurées et la personnalisation du format de réponse.

Performances et évaluations comparatives

Les performances publiées par Meta AI Research montrent que Muse Spark 1.2 rivalise avec les meilleurs modèles du marché, bien que ces résultats doivent être analysés avec rigueur.

Sur le benchmark Terminal-Bench 2.1, qui évalue les capacités d'exécution et de résolution de tâches dans un terminal, le couple Muse Spark 1.2 et Muse Code atteint un score de 82,9 %. À titre de comparaison : - Claude Opus 5 associé à Claude Code domine à 86,7 %. - GPT-5.6 Terra couplé à Codex se situe à 81,8 %. - Muse Spark 1.1 avec mini-swe-agent affichait 76,2 %.

Sur le benchmark DeepSWE 1.1, dédié à la résolution d'ingénierie logicielle en conditions réelles, Muse Spark 1.2 obtient un score de 59,3 %. Il se positionne ainsi derrière Claude Opus 5 (65,0 %) et GPT-5.6 Terra (64,8 %), mais devance nettement Grok 4.5 (56,6 %) et la version précédente Muse Spark 1.1 (53,0 %).

Enfin, sur le benchmark interne de Meta, Muse Spark 1.2 progresse à 70,6 % contre 68,3 % pour la version 1.1.

Il est toutefois crucial de souligner un biais méthodologique important précisé par Meta AI Research : les modèles ne sont pas évalués dans un environnement identique neutre. Chaque modèle est testé en synergie avec son propre agent dédié (Muse Code, Claude Code, Codex, etc.). Les résultats mesurent donc l'efficacité globale de couples modèle + agent plutôt qu'une comparaison brute et isolée des performances intrinsèques des modèles. De plus, les validations par des tiers indépendants restent encore à consolider.

Cas d'usage recommandés et limites

Grâce à ses spécificités techniques, Muse Spark 1.2 est particulièrement recommandé pour : - Le déploiement d'agents de code autonomes sur de grands dépôts de sources. - La correction et la validation de bugs complexes nécessitant l'analyse de multiples fichiers. - La gestion de projets de développement de longue durée exigeant une planification rigoureuse. - L'orchestration de sous-agents grâce à ses capacités de function calling et ses sorties structurées. - L'analyse de documents complexes (PDF volumineux) et la transformation de médias (vidéos, audios) en livrables textuels ou en structures web.

Le modèle présente toutefois certaines limites connues. Sa sortie est exclusivement textuelle, et la limite maximale de tokens en sortie n'est pas publiée dans les métadonnées d'OpenRouter (le champ correspondant étant nul). De plus, l'absence de détails de la part de Meta concernant le nombre de paramètres, l'architecture exacte, la date de coupure des connaissances ou les langues officiellement supportées invite à une certaine prudence. Enfin, ses performances optimales en programmation semblent fortement corrélées à son utilisation conjointe avec l'agent Muse Code.

Sur l'API d'OpenRouter, les tarifs applicables pour Muse Spark 1.2 sont de 1,25 $ par million de tokens en entrée et de 4,25 $ par million de tokens en sortie. Le service propose également une tarification de 0,15 $ par million de tokens pour la lecture de cache et de 0,0025 $ par recherche web.