Meta: Muse Spark 1.2
Meta: Muse Spark 1.2 est un LLM de Meta sorti le 5 août 2026. Il se caractérise par une fenêtre de contexte de 1 048 576 tokens, soit environ un million, et par un positionnement tarifaire très économique.
Meta: Muse Spark 1.2 est un LLM de Meta sorti le 5 août 2026. Il se caractérise par une fenêtre de contexte de 1 048 576 tokens, soit environ un million, et par un positionnement tarifaire très économique.
Son prix se situe 39% sous la moyenne des LLM similaires et environ 4,4 fois sous celui des modèles frontière. Cette combinaison entre contexte étendu, résultats élevés en code et coût contenu constitue son principal intérêt.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | Meta |
| Poids | ▫ n.d. |
| Date de sortie | 5 août 2026 |
| Multimodal | oui |
| Fenêtre de contexte | 1 048 576 tokens (≈ 1,0 M) |
| Modalités (entrée → sortie) | text,image,video,file,audio → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| Benchable : General Knowledge (Baseline) | 100,0 % | 1ᵉ / 252 | benchable | ✅ Mesuré |
| Benchable : Ethics (Baseline) | 99,0 % | 120ᵉ / 251 | benchable | ✅ Mesuré |
| Benchable : Email Classification (Baseline) | 98,0 % | 92ᵉ / 259 | benchable | ✅ Mesuré |
| Benchable : Coding (Baseline) | 97,0 % | 6ᵉ / 253 | benchable | ✅ Mesuré |
| Benchable : Reasoning (Baseline) | 94,0 % | 71ᵉ / 246 | benchable | ✅ Mesuré |
| Benchable : Mathematics (Baseline) | 93,0 % | 81ᵉ / 226 | benchable | ✅ Mesuré |
| Benchable : Instruction Following (Baseline) | 91,0 % | 13ᵉ / 256 | benchable | ✅ Mesuré |
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles sur chaque dimension évaluée, et à ses voisins de classement.
Benchable : General Knowledge (Baseline)
Benchable : Ethics (Baseline)
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| Meta | 1,25 $ | 4,25 $ | 0,15 $ |
Prix en dollars US par million de tokens.
Sa tarification se situe 39 % en dessous de la moyenne des LLM similaires, et 4,4 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.6 Sol, Gemini 3.5 Flash).
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût moyen par benchmark — Benchable | 0,27 $ |
| Latence moyenne par benchmark — Benchable | 5 min 29 s |
Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.
Notre analyse
Forces. Meta: Muse Spark 1.2 se classe dans le top 10 en Coding et partage la sixième place avec deux autres modèles. Il atteint aussi le plafond de General Knowledge, à égalité avec 74 autres modèles. Sa fenêtre de 1 048 576 tokens accepte de très longues entrées. Le tarif renforce son positionnement économique, avec un coût inférieur de 39% à la moyenne des LLM similaires et environ 4,4 fois plus bas que celui des modèles frontière.
Limites et points d'attention. Les scores bruts élevés doivent être relativisés, car tous les benchmarks indiqués sont plafonnés et peu discriminants. Ethics se situe autour du milieu du classement et partage sa place avec 44 autres modèles. Email Classification, Reasoning et Mathematics restent également hors des premières places malgré des scores supérieurs à 90%. Même en Coding, le partage de rang et le plafonnement limitent la portée de la comparaison. Le modèle convient surtout aux déploiements sensibles au coût, aux longues entrées et aux tâches orientées code.
Sources des données : OpenRouter (openrouter.ai) · Benchable.ai (benchable.ai).