Muse Spark 1.3 : Meta mise sur des agents plus sobres pour les missions longues
— AGENTS
Meta réduit le nombre d'appels d'outils et de tokens de son agent de code sur les tâches longues, avec vingt pour cent d'allers-retours en moins mesurés en interne. La configuration la plus performante reste hors d'accès public, et les gains annoncés viennent des propres benchmarks de Meta.
Meta pousse son agent de programmation vers des missions qui s'étirent sur plusieurs heures sans perdre le fil des consignes initiales. Muse Spark 1.3 doit tenir une conversation longue, rattacher chaque nouvelle demande au bon projet, et poser une question plutôt que d'inventer une réponse quand une instruction reste floue.
Ce travail concerne d'abord les équipes qui construisent des agents de développement logiciel, celles qui font tourner un outil dans un dépôt de code pour lire des fichiers, lancer des tests et corriger des erreurs. Meta annonce vingt pour cent d'appels d'outils en moins et vingt-cinq pour cent de tokens économisés par rapport à la version précédente, ce qui se traduit concrètement par des exécutions plus courtes et des factures d'API plus légères pour ces équipes techniques.
Cette progression concerne aussi, de manière plus large, le rapport de force entre plateformes qui vendent des agents autonomes aux entreprises. Meta compare Muse Spark à Opus 5 et GPT-5.6 Sol sur plusieurs tests de programmation, avec des résultats parfois supérieurs, parfois équivalents. Les outils créatifs grand public finiront un jour par embarquer ce genre de moteur d'agent en coulisses, sans que l'utilisateur final le voie jamais.
La réserve la plus solide porte sur la configuration mise en avant dans les tableaux de résultats. Le mode le plus puissant, appelé max, n'est pas encore largement accessible, et les chiffres d'économie viennent de mesures internes à Meta, sans protocole reproductible en dehors de l'entreprise. Une évaluation indépendante d'Artificial Analysis situe même le coût par tâche de la version disponible au-dessus de celui de la précédente génération.
Meta continue par ailleurs de repousser la publication des poids du modèle, sans préciser de date ni de version concernée. Les organisations qui espéraient héberger ce système sur leur propre infrastructure devront attendre des informations plus précises avant de bâtir un quelconque projet de déploiement.
Ce genre d'agent finira par tourner derrière des outils que les studios créatifs utilisent déjà pour automatiser des tâches répétitives, et son coût réel se négocie dès maintenant entre les grands fournisseurs de modèles.