POCHE DIGEST

在被 Anthropic 收购半年后，Bun 创始人 Jarred Sumner 宣布启动重用 Rust 对整个运行时进行重构的工作，并分享了这一重大技术转型的初衷。

尽管 Bun 最初在没有大语言模型辅助的时代由其单枪匹马用 Zig 语言在一块开发出来，并极大受益于 Zig 的底层控制力和极致性能，但随着 Bun 的生态规模激增（月下载量超 2200 万次），其庞大的功能版图带来了严峻的稳定性和内存管理挑战。在与 JavaScriptCore 等垃圾回收（GC）引擎以及多线程混合使用时，手动内存管理极易产生难以察觉的漏洞。

Sumner 列举了 v1.3.14 版本中修复的一系列触目惊心的 Bug，包括 zlib、http2 和 UDP 传输中由于 JavaScript 回调触发重入、ArrayBuffer 释放或哈希表重建导致的 use-after-free 崩溃，以及大量的双重释放和内存泄漏问题。尽管团队采取了为 Zig 编译器编写 ASAN 补丁、在 Windows 上交付安全检查版本、引入 Fuzzilli 进行 24 小时模糊测试等极为严苛的质量保障手段，依然无法根治这些顽疾，每天都要为随时可能出现的崩溃提心吊胆。

在这种背景下，Rust 独特的所有权与生命周期机制机制能够系统性地消除此类安全隐患。本次重写大部分代码得到了未发布的 Claude Fable 5 模型的辅助，标志着 Bun 将从追求极致开发速度的“野蛮生长”阶段，彻底转向追求工业级高稳定性的新航道。

Zig 语言创作者 Andrew Kelley 针对 Bun 宣布使用 Rust 重写的消息发表了深入的个人看法，揭示了 Bun 早期高速成长背后的工程隐患以及与 Zig 官方的技术路线冲突。

Kelley 称 Bun 创始人 Jarred Sumner 早期拥有极其宝贵的“初学者能量”，敢于挑战超出自身能力的技术难题。虽然对 Zig 项目曾表现出诚挚的谢意并每年赞助 ZSF 6 万美元，但在获得风险投资建 Oven 公司后，其推崇过度加班的初创管理模式，导致高素质的 Zig 开发者社区人才对 Oven 避之不及。

最让 Zig 团队感到震惊的是 Bun 内部糟糕至极的代码库质量，其充斥着“为了快速上线功能而在堆屎之上继续堆屎”的恶劣实践，滥用断言，甚至在 AI 辅助工具流行前就开始生产低质量代码。Zig 官方多次试图引导其纠正开发习惯均告失败，内部早已将 Bun 视为 Zig 生态的一大负资产，担心其不负责任的工程模式会反噬 Zig 语言的内存安全声誉。因此，当 Anthropic 收购 Bun、后续赞助默默停止时，Zig 官方感到了极大的解脱，并对此番 Bun 转向 Rust 重写表示由衷的欣慰与支持。

在马克·扎克伯格痛下决心重建 Meta AI 团队一周年之际，SemiAnalysis 发布了深度跟踪报告，分析 Meta Superintelligence (MSL) 在算力、人才和数据上的激进动作。

过去一年里，Meta 展开了行业史上最激进的算力扩张，包括部署极速交付的“Tent”帐篷数据中心、突破 2000 公里大跨度的超远距离分布式算力集群，其算力总规模已隐隐展现出与 OpenAI、Anthropic 呈双雄并立的趋势，而谷歌则在这一轮对抗中渐露疲态。人才方面，Meta 先是霸气砸下 143 亿美元巨资投资 Scale AI，强行将 Alexandr Wang 及 SEAL 安全评估团队的精华收入麾下，更开出了数亿甚至十亿美元级别的天价薪酬包吸引顶尖科学家。

在数据领域，Meta 极富前瞻性地押注在由 Mercor、Surge、Handshake（ARR 均超 10 亿美元）及 Fleet 等新秀构筑的全新人类数据与强化学习（RL）环境供应链上。尽管今年 4 月推出的 Muse Spark 第一代产品在绝对指标上略逊于 DeepSeek 和 Kimi 发布的同期开源模型，但 MSL 正以惊人的迭代斜率抹平差距。随着 2026 年其算力规模进一步释放，Meta 或将成为极少数在算力、人才和高质量 RL 数据均达到世界级的阵营成员，对谷歌 DeepMind 造成了严重的压迫感。

Meta 首席执行官马克·扎克伯格通过 X 平台正式发布了 Muse Spark 1.1 大模型。该模型主打极低的价格定位和极强的 Agent、代码开发及计算机控制能力，以此来推动新一波大模型落地潮。

Muse Spark 1.1 的核心升级在于支持 100 万超长上下文（1M Context Window），这使它在面对需要长时间持续运行的复杂任务时表现出极强的耐力。此外，该模型支持强大的并行子 Agent 委派执行和深度的计算机界面使用（Computer Use）训练，能够流畅地在桌面端、移动端和网页端执行多步骤的复杂操作。

同时，Meta Model API 也正式对开发者开放，使外部开发者能够首次将 Muse Spark 系列的 agent 能力和多模态能力直接引入自己的产品中。极低的价格策略将是 Meta 今后在 LLM API 竞争中的核心拳头，后续预计还将推出更多高性价比模型。