沒有名字的模型衝上調用量第一：Space-Bunny 的 0.03 倍率，是一道選型算術題

9 月 23 日，OpenRouter 上悄悄掛出一個叫 Space-Bunny 的模型，標註匿名，價格為零。三天後它登上調用量榜首。到 9 月 27 日單日，它在 OpenRouter 上被呼叫約 3.99 萬億 token，在 OpenCode 上約 8.3 萬億，兩個平臺同時第一。10 月 2 日的 OpenRouter 週榜，它以 33.5 萬億的成績排第一，壓過 DeepSeek V4.1 Flash、騰訊 Hy4 preview 與 GPT-5.6 Luna。

沒有發表會，沒有技術報告，沒有跑分海報，至今沒有任何廠商認領。一個查不到來歷的模型，用十天時間拿下全球調用量第一，這件事本身就值得拆開來讀。

先看那個決定一切的數字：倍率

據掘金一篇基於 WorkBuddy 模型面板的觀察文章，Space-Bunny 的計費倍率是 0.03x，目前掛著限時折扣。0.03 是什麼概念？對照作者列出的倍率表：混元 3 是 0 倍率，DeepSeek V4.1 Flash 是 0.03，GLM 5.3 Flash 是 0.06，Kimi K3 是 1.62。最貴與最便宜之間差了 54 倍。

這個差距直接決定每天跟 AI 協作要花多少錢。同一份文件丟給 0.03 倍率的模型和 1.62 倍率的模型，帳單可能差一個數量級以上。所以選模型從來不是單純問哪個更強，而是先問要讓它做什麼：查資料、讀文件、跑草稿，便宜檔就夠了；要交付完整功能，才需要動用高倍率。

值得注意的是，0.03 這一檔過去由 DeepSeek V4.1 Flash 獨佔，現在開始出現並列。低價位競爭升溫，對每天大量消耗 token 的使用者是實際利多。

它到底是誰家的

身份目前沒有定論，來源列出了四種說法。

線索最多的是分詞器比對。有人用 50 組字串檢驗切分結果，發現與 MiniMax 家族完全吻合，其他廠商都對不上；直接用中文問它自己是誰，它自稱 MiniMax；還有人在 MiniMax 開源倉庫裡提前五天找到 M3.1 的配置，1M 上下文、三檔推理強度全部吻合，而 9 月 28 日官方上線的 M3.1-Flash-Preview 規格也能對上。

第二種說法指向月之暗面，理由是名字裡有「太空」和「兔子」，時間又接近中秋。第三種猜是騰訊混元的 Hy4 正式版，但也有人反駁，騰訊過往都是直接公開，沒有匿名測試的習慣。第四種屬於玩笑，把太空和兔子湊成 SpaceX。

這些說法都未經證實，但匿名模型的劇本有前例可循。8 月有一個名為 Ox Alpha 的模型免費開放六天，8 月 26 日揭曉是智證的 GLM-5.3-Flash，隨即轉為收費。先匿名免費累積真實使用數據，量跑夠了再公布身分並開始收費，已經是一條被驗證過的路徑。Space-Bunny 的 0.03 倍率掛著「限時折扣」的標籤，時間點耐人尋味。

好評與差評都必須聽

實測口碑方面，來源整理了兩面的說法。

正面評價包括：有測評者出九道題對比同檔速度型模型，結論是速度快、交付可用、長程任務調度不錯；有人同時布置四個任務，第一輪全數跑通。速度數據也亮眼，同一道遊戲題它 1 分 51 秒跑完，同檔另一個模型要 4 分鐘。

差評同樣具體。有測評者在 OpenCode 上測六道題，涵蓋指令遵循、SVG 動畫、瀏覽器內作業系統、3D 賽車、Trello 看板，全數獲得負評；最刺眼的一條是用中文提出需求，交付出來的卻是英文介面。也有使用者反映近期升級後表現變差。工具呼叫錯誤率為 3.45%。

速度快但頁面完整性輸給對手，這些證據指向同一個結論：它是一個合格的「底座」，還不是合格的「交付器」。對一個上線僅十天的模型來說，這個評價並不算低，但使用者的期待要放對位置。

規格與使用上的坑

規格部分：上下文 1M，足以一次塞進整個程式碼倉庫外加文件；支援讀取文字、圖片、影片，但只輸出文字，不做圖像生成；思考強度有五檔，預設開啟。

把這幾項規格連起來讀，它的定位就清楚了：讀得多、跑得快、只出文字。適合做理解和分析類的工作，不適合期待它端出完整成品。

實際使用還有一個容易卡關的地方。WorkBuddy 的模型清單裡預設看不到它，官方文件的說明是：任務的第一句話送出之後，模型選項才會顯現。在空白的輸入框裡翻下拉選單是找不到的，正確流程是更新到最新版，新建任務隨便發一句話，再點輸入框裡的模型名稱。這類介面細節與WorkBuddy 這類桌面 Agent 的運作機制有關，理解工具的上下文邏輯，比記操作步驟更有用。

選型本來就是算術題

回到最初的問題：一個匿名模型衝上調用量第一，一般使用者該怎麼看？

先算帳。如果你的日常是讀文件、整理資料、跑反覆修改的草稿，0.03 倍率加上 1M 上下文等於用最低成本換最大閱讀量，這正是它的強項。如果你的工作需要一次到位的完整交付，目前的實測口碑顯示它還差一截，高倍率模型的成本反而劃算，因為返工的時間也是成本。

再算時間。限時折扣不會永遠限時，Ox Alpha 的前例說明免費或低價階段往往就是收集數據的窗口，窗口關閉後價格結構可能重排。想試的人，折扣期就是最低風險的實驗期。

最後留一個未知：它到底是誰，截至今日均無任何一方認領，所有歸屬說法都只是線索與猜測。等身分揭曉那天，值得回頭看的反而是這十天累積的調用數據，它已經證明了一件事，當價格夠低、上下文夠長，使用者並不太在乎模型叫什麼名字。