Tout savoir sur Muse Spark 1.3

Présentation

Meta a publié Muse Spark 1.3 le 2 septembre 2026. Il dispose d'un mode raisonnement : il peut « réfléchir » avant de répondre, ce qui aide sur les problèmes en plusieurs étapes mais consomme plus de tokens, donc plus d'argent. Ses poids ne sont pas publiés : il s'utilise uniquement à distance, par l'API de Meta ou d'hébergeurs partenaires (19 référencés sur models.dev). Il s'agit d'une sortie très récente.

Nous le rangeons parmi les modèles économiques (24 modèles dans cette catégorie sur le site).

Combien coûte Muse Spark 1.3 ?

Muse Spark 1.3 est facturé 0,10 $US par million de tokens en entrée et 0,20 $US en sortie (tarif du fabricant, relevé du 22 octobre 2026).

Concrètement, une tâche d'agent qui lit 20 000 tokens et en écrit 2 000 revient à environ 0,002 $US, soit 2,4 $US pour 1 000 tâches de ce type.

C'est 5,6 fois moins cher que le prix de sortie médian des modèles économiques (1,13 $US).

Les tokens relus depuis le cache sont facturés 0,002 $US par million : utile pour un agent qui renvoie souvent le même contexte.

Pour estimer votre propre budget, utilisez le calculateur de coût d'un agent.

Que disent les tests indépendants ?

Selon les résultats publiés par Epoch AI (relevé du 22 octobre 2026), Muse Spark 1.3 obtient un indice de capacité de 82,7 sur 100, calculé sur 3 tests de notre panier.

Avec 3 tests renseignés seulement, il n'entre pas dans le classement public, qui exige au moins 4 résultats : son indice est donc à lire comme partiel.

• OTIS Mock AIME (problèmes de mathématiques de compétition) : 99,2 % — le meilleur modèle suivi, GPT-5.5 Pro, atteint 100 %
• FrontierMath (mathématiques de recherche très difficiles) : 74,4 % — le meilleur modèle suivi, GPT-6 Astra, atteint 93,7 %
• APEX-Agents (tâches professionnelles réalisées par un agent) : 58,6 % — le meilleur modèle suivi, Gemini 4 Argon, atteint 82,4 %

Contexte et capacités

Sa fenêtre de contexte atteint 1 048 576 tokens, soit environ 1 573 pages de texte à 500 mots par page : de quoi charger un livre entier ou une base de code de taille moyenne. Une réponse peut compter jusqu'à 131 072 tokens.

Il accepte en entrée : texte, image, vidéo, PDF et audio.

Il sait appeler des outils (fonctions, API) et produire une sortie structurée en JSON, ce qui en fait une base possible pour un agent IA.

Pour quels usages ?

Par sa catégorie, Muse Spark 1.3 vise d'abord les gros volumes où chaque centime compte : tri, extraction d'informations, résumés, assistants simples.

Sa très grande fenêtre de contexte le rend intéressant pour analyser de gros volumes de documents en une seule requête.

Son coût très bas (moins d'un demi-centime pour notre tâche type) permet de l'appeler des milliers de fois par jour.

Avant de l'adopter, testez-le sur vos propres exemples : les benchmarks mesurent des tâches standard, pas votre métier.

Par quoi le remplacer ?

Dans la même catégorie, les modèles les plus proches de Muse Spark 1.3 sont :

• GPT-6 Luna (OpenAI, indice 80,3) — voir le comparatif
• GPT-5.6 Luna (OpenAI, indice 79,6) — voir le comparatif
• Qwen3.6 Flash (Alibaba Cloud (Qwen), indice 64,5) — voir le comparatif
• Gemini 3.1 Flash Lite (Google DeepMind, indice 64,3) — voir le comparatif