Meta a lancé Muse Spark 1.1, un modèle agentique qui délègue à des sous-agents, fait du computer use et gère activement une fenêtre de 1M de tokens, servi par la nouvelle Meta Model API en public preview et compatible avec l'API d'OpenAI : la maison des poids ouverts propose désormais un modèle hébergé.
Le 9 juillet 2026, Meta Superintelligence Labs a présenté Muse Spark 1.1, un modèle multimodal de raisonnement orienté vers les tâches agentiques, et l'a mis à la disposition des développeurs via une nouveauté discrète mais significative : la Meta Model API, désormais en public preview. Meta, la maison qui a bâti sa réputation en offrant les poids de Llama pour que chacun les déploie où bon lui semble, commence aussi à proposer un modèle servi depuis sa propre infrastructure. Ce n'est pas un virage à 180 degrés — les poids ouverts font toujours partie de son ADN — mais bien un mouvement vers le terrain du service hébergé que dominent OpenAI et Anthropic.
Ce n'est pas un modèle qui répond puis se tait, c'en est un fait pour travailler
Muse Spark 1.1 est conçu pour agir, pas seulement pour converser. Il exécute des outils, fait du tool calling à travers plusieurs applications et opère dans des flux de computer use, c'est-à-dire en manipulant une interface comme le ferait une personne devant l'écran. Et il ne travaille pas seul : il orchestre des sous-agents qui se répartissent et exécutent des morceaux de la tâche, le modèle principal intégrant ensuite les résultats. C'est la différence entre un employé qui fait tout lui-même et un chef d'équipe qui délègue et recompose. Pour qui construit des agents, cette capacité d'orchestration multi-agents native compte davantage que n'importe quel benchmark de réponse unique.
La mémoire comme capacité de premier ordre
Le détail technique le plus intéressant n'est pas la taille de la fenêtre de contexte, mais la façon dont il la gère. Muse Spark 1.1 dispose d'une fenêtre de 1 million de tokens, mais au lieu de la traîner tout entière comme un boulet, il la gère activement. Selon Meta elle-même, il « se souvient des actions, récupère des informations de travail bien antérieures et compacte d'une manière qui préserve les étapes critiques nécessaires au travail ultérieur ». Compacter en préservant l'essentiel, plutôt que de tronquer à l'aveugle quand la fenêtre se remplit, c'est justement le goulot d'étranglement qui fait exploser les agents au long cours : celui qui oublie l'étape trois arrivé à l'étape trente échoue. Que le modèle traite la mémoire comme une capacité et non comme une limite passive est ce qui le rend apte à des tâches qui durent des heures, pas des secondes.
Le mouvement qui réordonne l'échiquier : parler la langue du rival
Voici le coup qui passe presque inaperçu face au modèle lui-même. La Meta Model API se présente comme compatible avec l'API d'OpenAI — selon les mots du CEO de Replit cités par Meta, « un package propre et compatible avec OpenAI ». En clair : une bonne partie du code déjà écrit pour OpenAI peut pointer vers l'endpoint de Meta avec des changements minimes, sans réécrire l'intégration depuis zéro. Meta admet, sans le dire avec ces mots, que la « manière de parler au modèle » cesse d'être un actif propriétaire pour devenir un standard de facto. Quand le fournisseur des poids ouverts adopte lui aussi l'interface de son concurrent, l'interopérabilité cesse d'être une promesse de la communauté pour devenir une décision commerciale.
La leçon pour qui construit avec l'IA
La morale tombe sous le sens, et elle survit même aux données que Meta n'a pas encore publiées — tarifs, crédits, disponibilité géographique : quand les API convergent vers un format commun, la fidélité à un modèle unique s'évapore et changer de moteur tend à ressembler davantage à un changement de configuration qu'à un projet d'ingénierie de trois mois. Qui enchaîne son produit à un seul fournisseur avec des intégrations sur mesure construit une cage qu'il paie lui-même. Chez NeuralOS, cette conviction est une doctrine de conception, pas une prédiction : la plateforme est model-agnostic et le modèle se choisit par configuration, sans réécrire la logique de vos apps, agents ou automatisations. Muse Spark 1.1 ne change pas ce pari ; il renforce la tendance qui le sous-tend. Quand même Meta parle la langue de ses rivaux, la question utile cesse d'être « quel modèle j'utilise » pour devenir « qu'est-ce que je construis par-dessus qui survivra au prochain changement de modèle ».
(Note de la rédaction : à l'heure où nous bouclons cet article, l'annonce officielle de Meta décrit le modèle, son caractère agentique, la fenêtre de 1M de tokens et la compatibilité avec OpenAI, mais ne publie ni prix, ni crédits d'essai, ni détails de disponibilité par région. Dès que des chiffres officiels paraîtront, nous mettrons à jour.)