Guide tarifaire de l'API Muse Spark 1.1 : accès et nouveautés

Muse Spark 1.1 a été lancé le 9 juillet 2026 comme le modèle le plus puissant à ce jour de Meta Superintelligence Labs pour le travail agentique et le codage. Il fonctionne sur la nouvelle Meta Model API de Meta à 1,25 $ par million de jetons d’entrée et 4,25 $ par million de jetons de sortie, avec 20 $ de crédits gratuits pour chaque nouveau compte. Le point clé : l’aperçu public est réservé aux États-Unis, les nouveaux utilisateurs rejoignent une liste d’attente, et Meta le maintient volontairement hors des plateformes tierces comme OpenRouter pour le moment.

Contrairement au Muse Spark original d’avril, qui n’a jamais quitté une préversion privée réservée à certains partenaires, 1.1 est la première version sur laquelle les développeurs peuvent réellement bâtir. C’est un modèle de raisonnement optimisé pour les agents de bout en bout, le codage à l’échelle du dépôt et la perception multimodale native, avec un mode computer-use qui pilote un véritable bureau à partir d’un objectif en langage naturel. Pour les développeurs hors des États-Unis, ou pour quiconque a besoin d’un accès en production dès aujourd’hui, les modèles Claude et GPT auxquels il est comparé sont déjà disponibles dans le monde entier, souvent à un prix inférieur à celui de Muse Spark lui-même.

Quoi de neuf dans Muse Spark 1.1

Le Muse Spark original a été lancé en avril 2026 par Meta Superintelligence Labs (MSL), l’unité que Meta a constituée l’année dernière sous la direction de Alexandr Wang, directeur de l’IA, afin de combler l’écart avec OpenAI, Google et Anthropic. Il s’agissait du premier modèle de MSL depuis la famille Llama 4 et du premier produit issu d’une refonte complète des efforts de Meta en matière d’IA.

Muse Spark 1.1, lancé le 9 juillet, transforme ce modèle de recherche en produit pour développeurs. Wang le qualifie de « changement d’échelle » par rapport à l’original, et des comptes de suivi surveillant les annonces de l’API de Meta ont signalé un gain d’environ 43 points sur l’ensemble de la suite d’évaluation. En interne, la gamme Muse Spark portait le nom de code Avocado ; Meta indique qu’un modèle plus grand, nommé de code Watermelon, est déjà en entraînement, sans date de lancement. Le lancement est également intervenu la même semaine que Muse Image (nom de code Mango), le premier modèle de génération d’images de Meta issu de MSL.

La mise à niveau se concentre sur les trois domaines que Meta dit que les développeurs ont le plus demandés :

• Flux de travail agentiques de bout en bout, avec une meilleure mémoire multi-tours et une cohérence sur de longs contextes, afin qu’un agent garde le fil tout au long de longues sessions.

• Codage avancé, avec une génération et un débogage plus performants, des modifications à l’échelle du dépôt à travers plusieurs langues, et des appels d’outils plus fiables.

• Perception multimodale native, afin que le modèle raisonne sur des entrées d’image, de vidéo et de document en un seul appel.

Meta indique également une fenêtre de contexte d’un million de jetons sur sa page API, ce qui rend possibles ces longues sessions agentiques et ces modifications de grands dépôts de code.

Les capacités qui comptent : agents, code et utilisation de l’ordinateur

Trois schémas tirés du Model Cookbook de Meta montrent à quoi Muse Spark 1.1 est destiné.

Utilisation de l’ordinateur. À partir d’un objectif formulé en langage courant, comme « trouver le jeu Démineur, l’ouvrir et jouer », le modèle pilote un véritable bureau Linux exécuté dans un bac à sable jetable. Il trouve l’application sur un écran vide, la lance, puis joue en observant : il prend une capture d’écran, réfléchit au plateau, clique, puis reprend une capture d’écran. Il ne touche pas à votre machine ; il ne voit que des pixels et renvoie uniquement des actions de souris et de clavier. Remplacez l’objectif, et la même boucle pilote n’importe quelle application GUI.

Orchestration multi-agent. Une recette met en place un studio produit à quatre profils (chef de produit, backend, frontend et rédacteur technique, tous exécutant muse-spark) qui transforme une idée en une seule ligne en une application fonctionnelle plus un texte de lancement. La coordination est la partie intéressante : les spécialistes ne négocient qu’au moyen de commentaires en fil de discussion sur un tableau Kanban partagé, le travail est séquencé par de véritables dépendances entre tâches plutôt que par interrogation, et le chef de produit est l’unique arbitre mais n’a pas de terminal, donc il ne peut rien implémenter lui-même. Chaque décision est un commentaire vérifiable.

Recherche web intégrée. Ajoutez {"type": "web_search"} comme outil à tout appel à l'API Responses et le modèle récupère des informations en direct, synthétise une réponse et renvoie des citations intégrées, sans pile de récupération à construire.

Une note technique qui a une incidence sur le coût : Muse Spark est un modèle de raisonnement. Il réfléchit avant de répondre, ces jetons de réflexion apparaissent sous usage.completion_tokens_details.reasoning_tokens, et ils sont facturés comme sortie. Vous contrôlez la profondeur avec reasoning_effort (de minimal à xhigh), donc adapter l’effort à la tâche est le principal levier sur votre facture.

Tarification de l’API Muse Spark 1.1, expliquée

Le prix principal de Muse Spark, confirmé par Meta et rapporté par CNBC et Reuters :

Une fois les crédits de 20 $ épuisés, la facturation se fait à l’usage. Comme il s’agit d’un modèle de raisonnement, la réflexion interne du modèle est facturée au tarif de sortie, donc une charge de raisonnement importante coûte plus cher que ce qu’indique le prix par jeton. Une requête avec 100 000 jetons d’entrée et 30 000 jetons de sortie (raisonnement inclus) revient à environ 0,25 $ au prix catalogue. Réduisez reasoning_effort pour les tâches simples.

Où se situe-t-il sur le marché ? Selon Reuters, Muse Spark 1.1 est proposé à un prix supérieur au GPT-5 mini d'entrée de gamme d'OpenAI et au Claude Haiku 4.5 à bas coût d'Anthropic, mais inférieur au Claude Sonnet 4.6 plus haut de gamme d'Anthropic. Wang a qualifié cette tarification de « très agressive et attractive », conçue pour évoluer avec une utilisation intensive. Pour contexte, voici comment il se compare au modèle Claude de classe Sonnet que Meta casse en prix :

Claude de classe Sonnet, qui domine l’index d’intelligence indépendant de Artificial Analysis, est le modèle que Muse Spark cherche à rattraper. Via un relais compatible Anthropic comme AIReiter, il revient à environ 0,60 $ en entrée et 3,00 $ en sortie, en dessous du propre tarif de Muse Spark, sans liste d’attente ni restriction réservée aux États-Unis. Si l’objectif est le coût brut par token d’un modèle frontier, les modèles auxquels Muse Spark est comparé sont déjà moins chers à atteindre.

Comment obtenir l’accès à l’API, et les pièges

Muse Spark 1.1 est disponible via le Meta Model API, désormais en aperçu public. La configuration est simple si vous pouvez y accéder :

• Inscrivez-vous sur le portail développeur de l’API Meta Model ; chaque compte commence avec 20 $ de crédits gratuits.

• Pour l’instant, c’est réservé aux États-Unis. Certains partenaires précoces y ont déjà accès ; les nouveaux utilisateurs s’ajoutent à une liste d’attente et y sont admis progressivement.

• Ce n’est pas sur les plateformes tierces. CNBC rapporte que Meta limite délibérément l’accès à l’API à ses propres propriétés plutôt que de la référencer sur des places de marché comme OpenRouter, vous ne pouvez donc pas y accéder aujourd’hui via les agrégateurs que beaucoup de développeurs utilisent déjà.

L'API est compatible en remplacement direct avec deux familles de SDK : le OpenAI SDK (formats Chat Completions et Responses) et le Anthropic SDK (format Messages). Faites pointer un client existant vers https://api.meta.ai/v1, définissez le modèle sur muse-spark-1.1, et conservez votre code. Un appel minimal ressemble à ceci, selon le Cookbook de Meta :

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.meta.ai/v1",
    api_key=os.environ["MODEL_API_KEY"],
)

resp = client.responses.create(
    model="muse-spark-1.1",
    input="Expliquez une boucle d’appel d’outil en une phrase.",
)
print(resp.output_text)

Au-delà de l'API, Muse Spark 1.1 est désormais disponible en mode Thinking dans l'application Meta AI et sur le site web Meta AI. Reuters rapporte que Meta s'attend à ce qu'il remplace les modèles Llama alimentant les chatbots sur WhatsApp, Instagram, Facebook et les lunettes connectées de Meta.

Muse Spark 1.1 vs Claude et GPT : où il se situe

Selon les propres benchmarks rapportés par Meta (voir la source), Muse Spark 1.1 se situe au sommet, ou presque, du domaine agentique : un score OSWorld computer-use de 80.8, MCP Atlas scaled tool use à 88.1, ainsi que JobBench à 54.7, Humanity's Last Exam avec outils à 62.1, et Finance Agent v2 à 57.2. Meta affirme que ces chiffres le placent au même niveau que GPT-5.5 et Opus 4.8 d'Anthropic pour les tâches agentiques. Il s'agit de chiffres communiqués par le fournisseur ; considérez-les donc comme l'affirmation de Meta plutôt que comme un fait établi.

Le tableau indépendant est encore en train de se dessiner. Artificial Analysis a attribué au modèle original Muse Spark d’avril un Intelligence Index de 52, derrière Gemini 3.1 Pro, GPT-5.4 et Claude Opus 4.6, et la version 1.1 n’a pas encore été évaluée indépendamment. Les discussions de la communauté sur X et Reddit reflètent ce constat nuancé : très performant sur les agents et l’utilisation d’outils, certains notant que sur des benchmarks de codage purs comme SWE-Bench, les modèles de codage établis gardent encore un avantage. En toute honnêteté, Muse Spark 1.1 est un véritable concurrent, en particulier pour les tâches agentiques et l’utilisation de l’ordinateur, le codage restant un écart qui se réduit rapidement plutôt qu’un leadership confirmé.

Devez-vous construire sur Muse Spark 1.1 ?

Muse Spark 1.1 n’est pas un « passez dès maintenant » évident pour la plupart des équipes. C’est un solide « gardez-le de près à l’œil, prototypez-le dès que vous pourrez vous y mettre », et un rappel que Meta est de retour dans la course aux modèles de pointe avec une tarification qui met le reste du secteur sous pression.

FAQ

À quoi sert Muse Spark 1.1 ?

Les workflows agentiques, l’utilisation d’outils et les tâches de computer-use : piloter un bureau, coordonner des équipes multi-agents et exécuter de longues tâches en plusieurs étapes avec des outils. Il prend également en charge nativement les entrées image, vidéo et document, et il est compétent en codage et en débogage. Meta le positionne comme le plus performant dans le travail agentique ; son leadership pur en codage est moins certain.

Combien coûte l'API Muse Spark 1.1 ?

1,25 $ par million de jetons d'entrée et 4,25 $ par million de jetons de sortie, avec 20 $ de crédits gratuits pour les nouveaux comptes, puis une tarification à l'utilisation ensuite. Ses jetons de réflexion internes sont facturés au tarif de sortie, donc le coût effectif augmente avec des paramètres reasoning_effort plus élevés (voir la section tarification).

Comment puis-je accéder à l’API Muse Spark ?

Via l’aperçu public de l’API Meta Model, actuellement réservé aux États-Unis. Inscrivez-vous sur le portail développeur de Meta pour obtenir 20 $ de crédits gratuits ; les nouveaux utilisateurs sont ajoutés progressivement depuis une liste d’attente. Meta ne le répertorie pas sur des plateformes tierces comme OpenRouter, donc l’accès direct via Meta est, pour l’instant, la seule voie officielle (voir la section accès).

Muse Spark est-il open source ?

Non. Contrairement aux précédents modèles Llama de Meta, Muse Spark est propriétaire et l'accès est payant. Wang indique que MSL développe une variante open-source de Muse Spark, mais n'a pas encore donné de date de sortie.

Puis-je utiliser Muse Spark 1.1 en dehors des États-Unis ?

Pas encore via l’API officielle Meta Model. L’aperçu public est réservé aux États-Unis et sur liste d’attente, donc les développeurs hors des États-Unis qui ont besoin dès aujourd’hui d’un modèle agentique ou de codage de pointe utilisent généralement les modèles concurrents Claude, GPT ou Gemini.

En résumé

Muse Spark 1.1 est un modèle agentique et de codage performant, avec un mode d’utilisation de l’ordinateur utile, une compatibilité directe avec les SDK OpenAI et Anthropic, et une tarification agressive de 1,25 $/4,25 $ soutenue par 20 $ de crédits gratuits. Le hic, c’est l’accès, car l’aperçu est réservé aux États-Unis, soumis à une liste d’attente, et absent d’OpenRouter. Cela fait des modèles Claude et GPT les options de pointe pratiques et immédiatement disponibles pour la plupart des développeurs, que Muse Spark cherche à surpasser.

Lecture connexe : Guide des tarifs de l’API Claude 2026 et Guide des tarifs de GPT-5.6 couvrent les modèles que Muse Spark 1.1 sous-cote et poursuit.