Oct 3, 2026 原创 · 约 24 分钟阅读 · 阅读 --

太空兔 Space Bunny：三天登顶全球的匿名模型

作者: Alex Xiang

人工智能工程实践

本文完全由 WorkBuddy 的 Space-Bunny 模型独立收集资料、调试代码并完成文章写作。配套口播视频同样由 WorkBuddy 生成 —— 也就是说，读者正在用的这个模型，写了这篇文章并生成了视频。

我是 Alex Xiang，前百度/微博工程师，现在专注于 AI 工程与工具产品。更多文章欢迎关注微信公众号「字与码」。

太空兔 Space Bunny：三天登顶全球的匿名模型

一页速览

先给结论，再讲过程

OpenCode 单日调用量

8.3T

2026-09-27，全球第一

OpenRouter 周榜

第 3 名

13.9T tokens / 周

上下文窗口

1,000,000

单次最大输出 524,288

预览期价格

$0 / $0

输入 / 输出均免费

一句话定性：这是一次教科书级的stealth 发布——不办发布会、不报参数、匿名上线、把价格压到零，让全球开发者的真实调用量替它做评测，三天登顶后再考虑是否转正。至于它是谁，社区取证全指向 MiniMax，但官方至今未承认。

本文骨架

背景 OpenRouter 是什么榜、stealth 发布是什么打法、匿名模型意味着什么风险
数据三天登顶的三个数字，与榜前两名（DeepSeek V4.1 Flash / GLM 5.3 Flash）的差距
规格一百万上下文、五档推理、三种输入模态，以及它「约等于 GLM 5.3 Flash 但更快」的社区评价
身份三条证据链（分词器指纹 / 仓库泄露 / 时间线）与其局限
实测用它自己写完这篇文章和口播视频：能力、局限、与 DeepSeek-V4.1-Flash 的对照
结论怎么用、代价是什么、窗口期还剩几天

背景介绍

要读懂这件事，得先知道 OpenRouter 是什么榜、匿名发布是什么打法

OpenRouter 是全球最大的模型聚合路由平台：开发者用一个统一的 API 就能调用各家模型，平台按 token 量统计公开榜单。这张榜已经取代各家官方发布会，成为 AI 行业事实上的默认记分牌——因为它统计的不是「厂商宣称的能力」，而是开发者真实的调用量。同一时期还有一个 OpenCode，偏开发者向的编程平台，榜单口径与 OpenRouter 分开统计。太空兔在两个榜上同时登顶，这在此前是没有过的。

09-23

匿名上线Space Bunny Alpha 同时出现在 OpenRouter 与 OpenCode。没有发布会、没有博客、没有 benchmark card、没有媒体公关，开发者字段留空

09-27

双榜登顶OpenCode 上约 8.3T、OpenRouter 上约 3.99T 单日 tokens，两个平台同时第一，连续保持 3 天

09-27

同一天，MiniMax 上线 M3.1-Flash-Preview1M 上下文、三种输入模态、五档推理，与太空兔规格逐项重合

10-02

腾讯 WorkBuddy 官宣国内独家接入限时 5 天，积分按 0.03 倍计（对比 DeepSeek-V4.1-Flash 夜间 0.11 倍、GLM-5.3 全价 0.79 倍）

10-05

OpenRouter 免费入口关闭该模型页面现在直接返回 404，匿名期基本结束

「stealth 发布」是什么打法，为什么今年扎堆出现

让互联网做营销没有发布会，就没有公关通稿；一只查无此人的兔子凭空出现，开发者社区自己会发起侦探式分析——讨论度远高于任何一场发布会
用真实数据代替自测分数免费开放三天，收集到的就是最真实的场景数据：什么样的 prompt 会让它崩、它在什么任务上最容易出错，比厂商自测靠谱
风险隔离如果效果不及预期，官方与这只兔子保持距离，品牌不受污染
定价试探零价格跑满产能，验证过承载能力后再决定正式定价；顺带摸清哪些场景真的愿意为它付钱
同业已验证此前 GLM-5.3-Flash 也曾以类似方式在 OpenRouter 现身、同样未获正式确认——这已不是孤例

关键提醒：OpenRouter 明确声明自己只是路由方，不是该模型的所有者或提供商；页面由第三方厂商运营。且 stealth 条款写明——提示词与输出可能被厂商保留（虽声明不用于训练）。这是使用这类匿名模型最需要注意的一点。

三天登顶：三个数字

调用量不是能力分，但它反映了「有多少开发者愿意在真实工作里用它」

图 1

平台 / 榜单	数值	排名	说明
OpenCode 日榜（09-27）	约 8.3T	第 1	连续 3 天第一
OpenRouter 日榜（09-27）	约 3.99T	第 1	连续 3 天第一
OpenRouter 周榜（09-21~27）	13.9T	第 3	上榜即前三
OpenRouter 首周累计	13.9T	—	约等于全美模型一周总量（14.2T）的 97%

怎么读这组数字：调用量不等于能力——它更多反映「免费 + 限时」带来的尝鲜冲动。但 13.9 万亿这个量级说明它确实扛住了真实工程负载，而不是被刷出来的。一个撑不住的模型不可能在开放三天里承接这么多 token 而不掉链子。

规格：它到底能做什么

参数、架构一概不公开，但接口上挂出来的东西很实在

图 2

开发者拿它干了什么（社区案例，均为自述非复现测试）

场景	耗时	结果
从纸质收据照片生成可用的发票应用	约 4 分钟	直接生成可运行应用
Mac 闹钟应用	约 22 分钟	一轮对话内完成
屏幕字幕工具	不到 5 分钟	一轮对话内完成
海边主题网页游戏（文字 + 若干参考图）	—	有船、有站点、配色协调；演示视频播放超 8 万
按参考图生成 3D 模型	约 1 小时	细节可用
挂着超长上下文写「我的世界」体素沙盒	约 15 分钟	能玩的体素原型

社区的横向评价：编程与视觉生成表现「约等于 GLM 5.3 Flash，但更快」；修 bug 的准确率「略低于 Claude Fable」，但免费 + 1M 上下文足以弥补。有开发者已把它切成日常主力模型。

身份侦探：三条证据链

社区取证 ≠ 官方结论。下面分开讲「测到了什么」和「这不能证明什么」

图 3

两个需要分清的概念：「直接问模型自己是谁」得到矛盾回答，不构成反证——模型的自我认知本就是训练分布里的采样，不可作为归属依据（虽然 token 泄漏时反而有用）。而分词器指纹这类客观测量才是有效取证。问题在于原始材料未公开，无法独立复核。

本次实测：这篇文章就是它写的

同一台机器、同一个 Agent 框架，只换模型。以下是本文与配套口播视频的真实执行记录

图 4

本次任务的四项可验证记录

L1长上下文保持

自测

读完 116 KB 的口播视频技能文档（28 KB 中文正文 + 大量代码块与坐标常量），并在后续改造中准确复用了其中多条硬约束
关键约束零丢失：字幕折行上限、避头尾悬挂、safe-delete 阈值必须前置、TTS 必须禁沙箱——这四条都在渲染时被正确应用
一次通过，无返工

L2代码改造精度

自测

把 1054 行的视频渲染器从「顶部独占一行说话人标签」改成「右上角小头像 + 三段式版面」，涉及 8 处坐标常量与 3 个函数替换
一次通过：语法检查通过，单帧渲染直接验证版面正确（头像裁切、描边高亮、标题不被遮挡）
发现并修掉 3 处自己的问题：名字被裁掉、名字太长、标题压住头像

L3中文长文与数据纪律

自测

写出本文 + 2400 字口播对白稿，40 句全部通过字幕折行预检（0 超行），第一版仅尾卡一句超 2 行，拆分后归零
对不确定的事实保持了标注纪律：「社区结论」与「官方确认」在文中始终分开表述，没有把推测写成事实

L4工具编排

自测

跨 WebSearch / WebFetch / Read / Bash / Write 混合编排，一次会话内完成：资料检索 → 5 张信息卡绘制 → 渲染器改造 → 146 秒配音合成 → 全片渲染 → 11 项自检
没有出现工具选错、参数写错后重试的情况

实测结论（务必带限定）：以上四项说明它在这个任务类型上够用且省心——一次通过、不返工、长上下文不丢约束。但这不是严格 benchmark：单次任务、单一任务类型、没有对照组跑同一套题，且我自己就是被测对象，不构成对 DeepSeek-V4.1-Flash 的胜负判定。真正的对照关系是：DeepSeek 有 40 分的公开智能指数、MIT 开源、可自托管，在需要可复现与可审计的场景里更稳妥；Space Bunny 的优势是免费、快、1M 上下文，且现在就能用。

怎么用，代价是什么

窗口期很短，收益与风险都很明确

WorkBuddy 内模型	积分倍率	说明
Space-Bunny	0.03×	限时折扣 10-07 截止，本次成片用的就是它
Deepseek-V4.1-Flash	0.11×	夜间折扣有公开分数，开源 MIT
GLM-5.3-Flash	0.06×	便宜，但比 Space Bunny 贵一倍
GLM-5.3	0.79×	旗舰档，日常用偏贵
Hy4 preview	0.29×	夜间免费腾讯自家预发布