Muse Spark

Fiche modèle · Meta · muse-spark

Muse Spark is the first model in the Muse family developed by Meta Superintelligence Labs. It is a natively multimodal reasoning model with support for tool-use, visual chain of thought, and multi-agent orchestration. It features a Contemplating mode that orchestrates multiple agents reasoning in parallel. It demonstrates competitive performance in multimodal perception, reasoning, health, and agentic tasks, with Contemplating mode achieving 58% on Humanity's Last Exam and 38% on FrontierScience Research.

Fiches modèles

Identité

Organisation	Meta
Pays	—
Famille	—
Type	llm
Date de sortie	2026-04-08
Licence	proprietary
Licence commerciale	non
Licence open source	non
Poids ouverts	non
Auto-hébergement (DGX Spark)	non — poids fermés
Modalités	—
Fenêtre de contexte	1 048 576
KV cache / token (Q8)	—
Paramètres totaux	—
Paramètres actifs (session)	—
Source des paramètres actifs	—
Curation des paramètres actifs	—
Prix par session	—
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	—
Tokens d'entraînement	—
Coupure de connaissance	—
Créé le	2026-05-07T16:53:31.155602Z
Mis à jour le	2026-11-04T06:04:51.963286Z
Source	LLM Stats
URL	https://llm-stats.com/models/muse-spark

Tokens/tâche

Prix par fournisseur

Prix

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Aucune donnée.

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
image_to_text	0.70
math	0.60
multimodal	0.70
physics	0.90
reasoning	0.70
science	0.40
search	0.70
spatial_reasoning	0.60
frontend_development	0.80
general	0.70
grounding	0.80
healthcare	0.60
agents	0.60
biology	0.90
chemistry	0.90
code	0.70
communication	0.90
tool_calling	0.80
vision	0.70

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
arc-agi-v2	reasoning	0.42	1.00	0.42	non	oui	2026-11-04T06:04:52.016961Z
charxiv-r	reasoning	0.86	1.00	0.86	non	oui	2026-11-04T06:04:51.971188Z
deepsearchqa	search	0.75	1.00	0.75	non	oui	2026-11-04T06:04:52.053009Z
erqa	vision	0.65	1.00	0.65	non	oui	2026-11-04T06:04:51.977903Z
frontierscience-research	reasoning	0.38	1.00	0.38	non	oui	2026-11-04T06:04:52.092992Z
gpqa	reasoning	0.90	1.00	0.90	non	oui	2026-11-04T06:04:52.023325Z
healthbench-hard	healthcare	0.43	1.00	0.43	non	oui	2026-11-04T06:04:52.033320Z
humanity's-last-exam	reasoning	0.58	1.00	0.58	non	oui	2026-11-04T06:04:52.077939Z
ipho-2025	reasoning	0.83	1.00	0.83	non	oui	2026-11-04T06:04:52.083184Z
livecodebench-pro	reasoning	0.80	3 000.00	0.80	non	oui	2026-11-04T06:04:52.028663Z
medxpertqa	healthcare	0.78	1.00	0.78	non	oui	2026-11-04T06:04:52.044394Z
mmmu-pro	vision	0.80	1.00	0.80	non	oui	2026-11-04T06:04:51.974522Z
screenspot-pro	vision	0.84	1.00	0.84	non	oui	2026-11-04T06:04:51.985265Z
simplevqa	vision	0.71	100.00	0.71	non	oui	2026-11-04T06:04:51.981332Z
swe-bench-pro	reasoning	0.52	1.00	0.52	non	oui	2026-11-04T06:04:52.059833Z
swe-bench-verified	reasoning	0.77	1.00	0.77	non	oui	2026-11-04T06:04:52.056558Z
tau2-telecom	communication	0.92	1.00	0.92	non	oui	2026-11-04T06:04:52.067090Z
terminal-bench-2	reasoning	0.59	1.00	0.59	non	oui	2026-11-04T06:04:52.062988Z
zerobench	vision	0.33	100.00	0.33	non	oui	2026-11-04T06:04:51.992975Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
math	14	0.60	40.23	1	trueskill	2026-11-04T08:08:42.442591Z	rankings
multimodal	30	0.70	31.75	6	trueskill	2026-11-04T08:08:46.488887Z	rankings
agents	105	—	14.09	3	trueskill	2026-10-19	model_history
code	90	—	22.75	4	trueskill	2026-10-19	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04