Meta lance Muse Glimmer et promet d'ouvrir les poids de Muse Spark 1.2
Meta dévoile son nouveau modèle multimodal Muse Glimmer, qui surpasse ses concurrents lors des tests de référence. L'entreprise annonce également l'ouverture des poids pour Muse Spark 1.2.
Meta lance Muse Glimmer et promet d'ouvrir les poids de Muse Spark 1.2
Muse Glimmer est un modèle multimodal de 30 milliards de paramètres qui dépasse Qwen 3.6 27B et Gemma 4 31B lors des benchmarks. Il s'agit de la première sortie notable d'un LLM ouvert par Meta depuis avril 2025, et aucun modèle de la société dans cette catégorie de poids n'avait été publié depuis Code Llama 34B en août 2023.
Sur le plan architectural, il s'agit d'un modèle dense doté d'un encodeur de perception relativement large. Le principal inconvénient évident réside dans une longueur de contexte limitée à 131k, inférieure à celle de ses concurrents.
En parallèle du modèle, des quantifications officielles ont été publiées, permettant au modèle de tenir dans 24 Go de VRAM. Un modèle de brouillon (draft model) officiel a également été lancé, permettant à Muse Glimmer de fonctionner sur une seule carte graphique RTX 5090 à une vitesse de 230 tokens par seconde.
Pourquoi c'est important
AnalyseC'est significatif car Muse Glimmer représente une avancée majeure dans le domaine des modèles multimodaux, avec un impact potentiel sur divers secteurs d'application de l'IA. L'ouverture des poids pour Muse Spark 1.2 profitera également grandement à la communauté des 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.