Meta dévoile le nouveau modèle Muse Spark 1.1
Meta lance Muse Spark 1.1, un modèle d'IA performant rivalisant avec les leaders du marché grâce à une orientation multi-agents et un contexte étendu.
Nouveau modèle Muse Spark 1.1 lancé par Meta
Meta a annoncé la sortie de son nouveau modèle Muse Spark 1.1, qui affiche déjà des résultats impressionnants dans les benchmarks, atteignant des niveaux comparables à Opus 4.8 et GPT-5.5. Bien qu'il soit légèrement en retrait en matière de codage, il reste globalement très compétitif.
Caractéristiques clés :
- Orientation Agents : Le modèle est conçu pour travailler avec des systèmes multi-agents et exécuter des tâches de longue durée.
- Contexte : Muse Spark 1.1 prend en charge un contexte allant jusqu'à 1 million de tokens.
- Haute adaptabilité : Le modèle maîtrise bien les modalités et les interfaces, gérant efficacement les tâches complexes en plusieurs étapes.
Nouvelle API Meta Model
En parallèle du modèle, une nouvelle API Meta Model est lancée, actuellement disponible en version préliminaire (preview). Muse Spark 1.1 peut déjà être testé à des prix attractifs : 1,25 $ par million de tokens d'entrée et 4,25 $ par million de tokens de sortie.
Il semble que Mark Zuckerberg fasse son grand retour dans la course technologique !
Pourquoi c'est important
AnalyseCe modèle pourrait avoir un impact significatif sur le développement des systèmes multi-agents et des technologies d'IA, offrant de nouvelles opportunités aux développeurs.
Discuter dans la communauté
Partagez vos questions et vos idées avec les développeurs
Lié dans l'écosystème
Guides pratiques, terminologie clé et compétences d'agents
Famille Llama (Meta Llama)
Série de modèles de langage fondamentaux ouverts développés par Meta (Llama 3, 3.1, 3.3), devenus le standard industriel pour l'écosystème Open Weights, l'IA locale et le fine-tuning d'entreprise.
Meta Llama (Le standard ouvert de référence pour l'IA)
La série phare des modèles de langage ouverts de Meta (Llama 3, 3.3). Disponible en téléchargement libre, modifiable et exécutable localement sur vos propres serveurs sans restrictions ni censure.
Des chercheurs du MIT montrent que GPT-6 Astra peut améliorer d’autres modèles d’IA en modifiant leurs poids
Dans une expérience, Astra a porté la précision de Qwen3.5-0.8B sur MATH-500 de 7,9 % à 48,1 % en ne modifiant que 0,016 % des poids du modèle.
JSON — données structurées pour les applications, les API et les agents IA
Guide pratique complet du format JSON : règles de syntaxe, sérialisation via parse/stringify, intégration avec les API REST, schémas JSON et sortie structurée pour l'intelligence artificielle.