AREX Feed Article
Alexandr Wang 发帖悬赏 10 万美元，征求把 Muse Spark Open 做到最快的开发者
北京时间 10 月 23 日上午 9 时 22 分（UTC 时间 01:22），Meta 首席 AI 官（Chief AI Officer）Alexandr Wang 在 X 上发帖，宣布向能把“muse spark open”做到最快的开发者提供 10 万美元奖金。据，正文只有这一句话，外加一条指向帖内视频的短链；截至发稿（发帖约 5 小时后），这条帖子已有约 12.4 万次浏览、113 条回复和 2,000 多个赞，而正文没有一个字解释「最快」按什么衡量。
Wang 于 2025 年 6 月加入 Meta，出任公司首位首席 AI 官，领导 Meta Superintelligence Labs，此前在 2016 年创立了 Scale AI（见 ）。帖文以小写连写的“muse spark open”指称对象，未作定义；目前公开可查的同名对象，是 Meta 于 10 月 15 日、也就是这条悬赏发出前八天发布的开放权重模型 ，其的署名作者就是这个实验室。
一句正文、一条短链、一段视频
帖文里指称对象写作小写连写的 “muse spark open”，没有大写，也没有链接到任何模型页。正文末尾的对应帖内附带的一段视频；这是帖内唯一的附加材料，正文没有以文字描述视频内容。帖文中没有出现 Meta 的名字，悬赏目前只是发帖人单方面的说法。
同名对象：Meta 的 816B 开放权重模型
在宣布 Muse Spark Open 权重发布时称，这是「迄今最强的美国开放权重模型」，为编程与智能体（agent）工作构建，擅长长程任务、复杂软件工程和多步推理。按的规格，它是原生多模态的混合专家（Mixture-of-Experts）模型：总参数 816B、每个 token 激活 42B，62 层 Transformer 中有 256 个专家、每 token 激活 8 个；上下文窗口 1M token，输入支持文本、图像、视频和音频，输出为文本。
「最强」是 Meta 自己的口径。模型卡自带的对比表显示，在 Artificial Analysis Intelligence Index 综合分上，Muse Spark Open 得 39 分，低于 GLM 5.3 的 45 分、Kimi K3 的 44 分和 Qwen3.8 的 40 分。权重以 Muse Model License 发布：据 ，多数开发者可免费商用，但使用或衍生自该模型的产品需在界面标注 “Built with Muse Spark Open”；以 API 形式转售模型访问、且 12 个月内集团收入超过 2,000 万美元的公司，须先通知 Meta 并另行签约。
图： 发布的 Muse Spark Open 解读文章标题卡。该模型是这条悬赏中的同名对象。
要让 816B 变快，着力点在内核、引擎和内存
混合专家架构把算力与内存的需求分开： 的解读称，每个 token 只激活 42B 参数，推理速度与一个 42B 模型相当，内存却要按 816B 的权重准备。要求 NVFP4 量化版至少 700GB 显存、BF16 全精度版 2TB；eigent.ai 估计 BF16 检查点约 1.6TB、NVFP4 约 530GB，量化版可用 4 张 Blackwell Ultra 或 8 张 H200 GPU 部署。
Meta 给出的桌面参考方案是两台 M5 Ultra Mac Studio 加 MLX 框架：介绍，每台 Mac Studio 的统一内存可达 512GB，两台合起来装下整个模型，并称这是同级别模型中首个能跑在用户桌面上的方案。Meta 已随模型发布自定义的 Helion GPU 内核，官方数据显示在 NVIDIA 与 AMD GPU 上取得 1.03～3.95 倍的内核级加速，在 AMD MI350 上端到端提速 3%；还提到完全用 Helion 写成的 megakernels，把多个算子融合进单个持久内核以降低推理延迟。
用户侧的优化空间也是现成的：PyTorch 博客明确写道，Helion 内核可由用户继续自动调优，适配不同硬件、量化格式、张量形状和并行策略，不必为每种配置维护手写实现。模型支持的推理引擎包括 SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、Apple MLX、llama.cpp 和 Unsloth。这些都是“把 muse spark open 做到最快”可以下手的位置。
回复区比规则来得快
在回复里说：「内核极客们今晚别想睡了哈哈」。 在回复里 @ 了一个名为 bot 的账号，问「我们怎么才能赢下这个挑战？」——帖文没有给出提交渠道。
做端侧 AI 的 Alexey Moiseenkov（，trymirai 团队）则宣称「我们在 Apple 芯片上用 Glimmer 已经做到最快」；他说的 Glimmer 对应 Meta 此前发布的小型稠密开放权重模型 Muse Glimmer（见 的说明）。这是他的个人说法，尚无独立验证。
中文用户 把「最快」理解为启动速度：「十万美刀，就为了比谁把 Muse Spark 启动得快一秒？」并打赌最后会被「某个散装 Linux 极客用三行魔改干翻全场」。帖文本身没有确认其中任何一种。
尚未公布的基准、期限和评委
截至发稿，帖文没有公布衡量口径（推理吞吐、首字延迟、启动时间还是别的指标）、运行环境与硬件基线、参与方式与提交渠道、评选标准、截止日期或奖金支付方式，也没有说明悬赏是否隶属某项活动、由谁组织与评判——它发布自 Wang 的个人账号。
悬赏帖正文里没有出现任何其他数字；这 10 万美元按什么口径评判、有没有截止日期，目前都没有答案。