Muse Spark 1.1 de Meta dépasse GLM-5.2 en codage
Le modèle Muse Spark 1.1 de Meta vient de dépasser GLM-5.2 en maîtrise du codage, tout en affichant un prix légèrement inférieur, offrant ainsi une alternative plus performante et économique pour les développeurs. Sur l’Indice d’Intelligence d’Artificial Analysis, Muse Spark 1.1 atteint désormais 51, soit une progression de 8 points en trois mois. Dans les benchmarks de codage, il surpasse GLM-5.2 avec un score de 71,3, le tout pour 0,26 $ par tâche — soit environ un dixième de centime de moins que son concurrent.
Une amélioration mesurable des performances
Cette mise à jour marque une nette progression des capacités de Muse Spark 1.1. Le taux d’hallucinations du modèle a également chuté, passant de 73 % à 38 %, réduisant ainsi le besoin de vérifications coûteuses après génération. Ces chiffres suggèrent que Meta réduit progressivement l’écart avec les modèles open-weight leaders en termes de précision et d’efficacité.
L’importance du coût et de la fiabilité
Pour les équipes alliant budgets serrés et qualité, les coûts réduits et le taux d’hallucinations diminué de Muse Spark 1.1 se traduisent par des cycles d’itération plus rapides et moins de corrections manuelles. L’amélioration du score du modèle indique aussi des progrès globaux en raisonnement et en intelligence générale, ce qui pourrait influencer des applications allant des chatbots d’entreprise aux assistants de codage autonomes.
Pourquoi c’est important
Muse Spark 1.1 n’est pas qu’une simple mise à jour incrémentale : c’est une étape concrète vers des outils IA plus performants et abordables pour les développeurs. En combinant des scores de codage supérieurs, des coûts réduits et des taux d’hallucinations moindres, Meta propose un modèle à la fois techniquement plus solide et économiquement viable. Cet équilibre pourrait inciter davantage d’équipes à adopter des solutions open-weight plutôt que des options propriétaires plus coûteuses.
Source : The Decoder. Synthèse éditoriale assistée par IA — TechnoExpress.