ModèlesAgents 🇩🇪 06.08.2026 15:02

Meta troque la remise contre des données d'entraînement : Muse Spark 1.2 attire les développeurs avec un tarif avantageux

MetaMeta OpenAIOpenAI xAIxAI AnthropicAnthropic Google/DeepMindGoogle/DeepMind Moonshot AIMoonshot AI
Meta a publié Muse Spark 1.2, une mise à jour axée sur le codage, et a présenté son premier agent de codage, Muse Code. L'agent propose un tarif avantageux de 20 cents par million de jetons de sortie, mais les utilisateurs doivent partager leurs données pour l'entraînement du modèle. Les benchmarks montrent des améliorations par rapport au prédécesseur, mais des écarts subsistent par rapport aux modèles leaders.
Meta a publié Muse Spark 1.2, principalement une mise à jour de codage de Muse Spark 1.1. L'entreprise cite des améliorations dans la génération de code, le débogage et la compréhension de grandes bases de code, obtenues en investissant davantage de calcul dans les tâches de programmation et en augmentant les environnements d'entraînement. Une partie des données d'entraînement a été générée par le modèle précédent lui-même : Muse Spark 1.1 a créé des tâches et des modèles d'instructions, et a évalué dans quelle mesure les solutions répondaient à ces critères. Les benchmarks mentionnés incluent Terminal-Bench 2.1, DeepSWE v1.1 et 440 tâches internes, comparés à Grok 4.5, Claude Opus 5, GPT-5.6 Terra et Gemini 3.6 Flash, montrant une amélioration visible mais ne surpassant pas toujours les meilleurs. Meta note que la configuration du test n'est pas optimisée pour les autres modèles. La méthodologie mentionne Kimi K3, mais il est absent des benchmarks publiés ; sur Terminal-Bench 2.1, K3 obtient un score proche de celui d'Opus 5 et supérieur à celui de Spark 1.2. Les exécutions DeepSWE ne sont pas comparables car chaque modèle a fonctionné dans son propre agent. Meta a également introduit Muse Code, un agent en ligne de commande similaire à Claude Code et OpenAI Codex, avec un mode planification et une commande unique '/grill' pour critiquer les plans. Il maintient les sous-agents actifs pendant toute la session et peut reprendre le travail après des plantages avec une grande précision. Le tarif standard est inchangé à 1,25 $ par million de jetons d'entrée et 4,25 $ par million de jetons de sortie, mais un nouveau tarif de 20 cents par million de jetons de sortie exige que les utilisateurs partagent leurs données pour l'entraînement. Les concurrents occidentaux facturent entre 10 et 30 dollars pour la sortie, les fournisseurs chinois à partir de 18 cents.
Source: The Decoder (DE) — original
Nos articles précédents sur ce sujet ↓
Infos fraîches