刚刷第三方模型聚合平台的调用量榜单时我注意到一个叫 Space Bunny 的匿名模型直接冲到了全球调用量第一的位置前排不少讨论都在说它“接近 Opus 5”。作为常年在模型评估和工具链接入里折腾的人我对这个现象的第一反应不是“又出新神了”而是三个问题Space Bunny 到底是谁、匿名模型为什么能上调用量榜、以及普通用户怎么把它接进 Claude Code、Codex、Dify 这些常用环境。这篇就把这三件事拆开讲清楚顺便把我踩过的接入坑一起说了打算抄作业的直接往下拉。先说结论Space Bunny 并不是某个大厂正式官宣的模型名而是一个以匿名身份参加评测、在榜单上表现很好的模型。它的接入方式其实不复杂核心就是把你正在用的编程工具或 RAG 平台的 API 地址指到一个支持该模型的第三方接口上。理解了这一点你离“自己复现这套评测成绩”就不远了。1. 匿名模型登顶先理清发生了什么1.1 Space Bunny 是谁Space Bunny 是最近在 LMArena很多人叫它竞技场这类匿名盲评平台上出现的模型代号。所谓匿名模型就是模型不公布真实身份只给一个代号让用户去对话、评分系统通过 Elo 积分体系动态排名。Space Bunny 能在大量匿名模型里脱颖而出说明它的真实水平在一众新模型里确实属于第一梯队而不是单纯靠营销堆出来的热度。很多关注这件事的人都在猜它的真身。有的说它接近 Opus 5是因为它在某些长文本理解、代码生成和复杂指令跟随的任务上和当前标杆模型的表现非常接近。也有人说它可能是某个大厂内部新版本的化名先通过匿名方式收集真实用户反馈顺便避免过早暴露产品路线。这些猜测在没有官方确认前都只能算推测但有一点是确定的它已经在“真实调用量”这个维度上证明了自己而不是只活在跑分榜单里。1.2 为什么说它接近 Opus 5这里要先解释一下“接近 Opus 5”这个梗的由来。Claude 系列的 Opus 模型在行业里一直被当作推理能力的标杆很多评估团队拿它做基准线。Space Bunny 在匿名盲评中的得分曲线和 Opus 系列的表现高度重合所以评论区里的人就习惯于把“接近 Opus 5”作为一个水平参照坐标不是说真的有个叫 Opus 5 的模型已经上市了。从我自己的实测经验来看匿名模型的输出风格和官方模型直接调用时是有差异的这种差异往往来自服务端的基础配置比如上下文长度、温度参数、是否开启思维链等。所以“接近 Opus 5”可以理解为“在相似测试条件下它的对话质量达到了同类头部模型的水平”但如果你硬要拿它替换掉现有生产环境的模型还是得先在自己的任务集上跑一遍验证不能只看评分。1.3 “调用量第一”的分量调用量第一和胜率第一是两码事。胜率第一可能在 LMArena 上刷分但调用量第一说明真实开发者愿意在每天的生产请求里用它。拿我自己的经历举例我平时会在聚合 API 平台上同时挂七八个模型的 key哪个好用、哪个便宜调用量数据一眼就能看出来。Space Bunny 能登顶说明它不只是“强”而是“强到用户愿意真金白银地把它用在日常开发、客服、内容生成这类场景里”。对开发者来说这个信号比单纯的跑分有意义得多。跑分是模型在固定数据集上的闭卷考试调用量是真实用户在开放场景里的投票。两者结合来看基本可以断定 Space Bunny 不是那种只能拿来发新闻稿的模型而是值得花半小时接进自己工作流里实际测一测的东西。2. 匿名模型背后的技术逻辑与使用价值2.1 匿名评测机制如何运作LMArena 这类盲评平台的流程很直接用户进入一个聊天界面系统随机分配两个匿名模型用户和它们对话并投票选出更好的一方。每个模型初始分相同赢一局加分输一局减分加多少取决于对手的当前分数这就是 Elo 体系的逻辑。因为用户不知道对面是谁评分结果会比直接挂名测出的分数更接近真实体验。匿名模型接入这类平台的路径通常是模型方提供标准 API评测平台在后端做一层路由把流量分发到对应的真实模型服务上。平台拿到的只是“匿名 ID 响应内容”不关心模型具体部署在哪。所以 Space Bunny 的“匿名”身份本质上是评测平台对模型来源做了一个信息隔离。2.2 匿名参赛的常见原因站在模型方角度匿名参赛有几个很现实的好处。一是做灰度验证在不让公众知道“这是我们的新模型”的情况下收集真实反馈避免早期口碑翻车。二是防止竞对针对性分析公开名字后很容易被人抓取输出做数据蒸馏匿名能争取一段保护期。三是为了榜单策略通过不同参数的匿名版本同时参赛观察哪些版本评分更高再决定正式发布时的配置。对我们普通用户来说这些原因不重要重要的是匿名状态下的模型往往都是“完全体”也就是生产级配置而不是某些跑分特调版本。所以接入这类模型时不用太担心自己拿到的是阉割版它的服务端能力就是榜单上那个能力。2.3 如何判断这个匿名模型是否适合你判断一个匿名模型能不能用看两个维度一是它在哪些具体任务上有优势二是它的接口稳定性怎么样。以 Space Bunny 为例我听同行反馈它在中长文本的代码补全和重构指令上表现比较稳输出格式跟随性也比一些年轻模型好。这意味着如果它生成了代码格式规整程度较高适合直接进 CI 流程。接口稳定性则是另一层判断。跑分再高的模型如果 API 限流严重或者上下文经常丢失生产环境根本用不起来。Space Bunny 的调用量能到第一从侧面说明它在聚合平台上的稳定性是够用的。一个连稳定调用都做不到的模型不可能有这么大的真实流量。3. 实操Space Bunny 怎么接入常见工具链3.1 接入前的准备工作接入任何匿名模型本质上都是做一件事把你的工具客户端请求指向一个能够路由到这个模型的 API 服务。准备工作有三项搞到一个支持 Space Bunny 的 API 入口第三方聚合平台、转发服务或者官方临时接口。拿到对应的 API Key 和路由标识。路由标识通常是类似space-bunny或anon/space-bunny这样的模型 ID具体以平台文档为准。确认工具支持的环境变量或配置文件类型这决定了你要用命令行、配置文件还是图形界面工具去接入。我自己习惯先准备好一个通用 curl 测试命令确认 API 入口通不通再去配置工具这样问题定位会快很多。测试命令可以这样写curl -s https://你的api域名/v1/chat/completions \ -H Authorization: Bearer 你的KEY \ -H Content-Type: application/json \ -d { model: space-bunny, messages: [{role: user, content: 你好简单介绍一下你自己}], max_tokens: 200 }如果返回一段正常文本而不是报错说明 API 入口没问题接下来只需要把这段话的主体换成对应的工具客户端就完成了接入的 70%。3.2 接入 Claude Code 和 Codex CLIClaude Code 是目前开发者用得很密集的终端编程助手接口上兼容 Anthropic 的消息格式所以接入 Space Bunny 的关键就是设置正确的环境变量。常用的环境变量有这三个ANTHROPIC_BASE_URL指定 API 的基地址改成支持 Space Bunny 的服务地址。ANTHROPIC_AUTH_TOKEN放你的 API Key。ANTHROPIC_MODEL指定模型 ID写成space-bunny。在终端里这样做export ANTHROPIC_BASE_URLhttps://你的api域名 export ANTHROPIC_AUTH_TOKEN你的KEY export ANTHROPIC_MODELspace-bunny claude这样启动 Claude Code 之后它发出的所有请求都会直接路由到 Space Bunny。如果你用的是 Codex CLIOpenAI 出的终端编程工具思路也是一样的只不过 Codex 的环境变量体系不一样通常需要在一个config.toml文件里配置model_providers把wire_api设置成对应的协议类型再把 base URL 指向聚合入口。Codex 的配置示例大概长这样[model_providers.space] name Space Bunny Provider base_url https://你的api域名/v1 wire_api chat env_key SPACE_API_KEY [profiles.space] provider space model space-bunny启动时用codex --profile space就能切到 Space Bunny。需要注意不同版本 Codex CLI 的配置字段会有差异老版本可能用model_providers但字段名不同建议配置之前先跑一下codex --help看当前版本支持的字段。3.3 用 CC Switch 这类工具一键切换如果你和我一样经常在多套 API 配置之间切换一条条敲环境变量就太累了推荐直接用 CC Switch 这类图形化配置工具。它的核心作用就是维护一套“模型配置档案”每个档案里保存名称、API Key、Base URL、模型 ID切换时一键注入环境变量不用再动命令行。实际操作中我维护了三个常用档案一个指向 Space Bunny一个指向日常使用的稳定模型一个指向“备用低配模型”。开新 terminal 会话后在 CC Switch 里点一下要用的档案它自动帮你把环境变量注入当前 shell然后打开claude或codex就能直接工作。这类工具对新人非常友好因为它把最容易出错的“环境变量名写错”“Base URL 带不带/v1”这类问题封装掉了。工具界面上一般会让你填几个字段对应的关系是名称自己起个标识比如space-bunny-prod。API Key填聚合平台的 key。Base URL填 API 服务入口注意看平台要求的是完整域名还是域名加/v1。模型 ID填平台路由标识比如space-bunny。填错最多的是 Base URL 末尾的路径。有的平台要求填https://api.xxx.com有的要求https://api.xxx.com/v1填错了直接 404。我的避坑原则是先去平台文档确认再不行就按上一个能用的请求格式倒推。3.4 在 Dify / 本地工作流里接入如果你不是用终端编程工具而是用 Dify 这类可视化 AI 工作流平台接入步骤也很直接。在 Dify 的“设置—模型供应商”里添加一个自定义模型渠道选择兼容的协议类型一般是 OpenAI-API-compatible 或 Anthropic-compatible然后填入API Key。API Base URL。Model Name填space-bunny。Model Type按你实际用途选 LLM 还是 Text EmbeddingSpace Bunny 是对话模型选 LLM。填完之后新建一个应用在模型选项里选择你添加的 Space Bunny 渠道就可以在对话、Flow、Agent 节点里正常调用了。我在这里踩过的一个坑是Dify 的模型类型选错会导致接口参数格式不匹配比如把 LLM 类型选成了 Reasoning部分版本会额外要求传thinking相关参数结果请求直接 400。解决办法就是在添加渠道时严格按模型能力选择类型不确定就选通用 LLM参数越少越好。VS Code 那边再来一个补充如果你用 CONTINUE 或 Cline 这类插件它们的配置本质也是“改 provider 和 model 字段”在插件的配置界面里把 provider 指向你的聚合 APImodel 填space-bunny就行。这类插件底层都会把对话请求包装成标准格式所以不用额外写代码。4. 接入过程常见问题与排查实录4.1 401 / 403认证错误这类报错通常是 Key 没传对或者 Key 权限不足。先检查环境变量名是否和工具预期一致尤其注意是ANTHROPIC_AUTH_TOKEN还是ANTHROPIC_API_KEY不同版本客户端认得字段不一样。再检查 Key 本身是否有效有的聚合平台 key 需要先在后台绑定模型权限不是拿个 key 就能访问所有模型。提示排查认证问题最快的办法是先回到 curl 测试。curl 能通说明 key 没问题问题一定出在工具配置curl 都不通就先去研究和 key 有关的问题。4.2 429限流太狠Space Bunny 的调用量第一说明它热度高热度高就意味着限流压力大。如果你用的平台资源池不够宽高峰期很容易 429。解决方案是错峰调用、缩短单次请求的 max_tokens、或者准备一个备用模型做降级。对于 Claude Code 这类交互式工具回复积压的感受很直接所以我一般会给它专门配一个“备用通道”遇到限流立刻用 CC Switch 切过去。4.3 400模型名或参数格式不对聚合平台的路由标识经常不叫space-bunny可能是anon/space-bunny、space-bunny-alpha之类的变体。你先去平台的模型列表页复制准确 ID。另外要确认你的请求参数是否包含工具要求不能存在的字段比如有的聚合层不支持stream参数传了反而报错。4.4 上下文长度会“跳楼”有几个朋友问我为什么同一个 Space Bunny 会话前几次回复都正常聊十几轮之后突然报 context length exceeded。这个大概率不是模型的问题而是匿名模型在服务端的上下文窗口配置和官方文档不一致。解决方案是不要靠记忆去估直接在测试接口里打一个高 tokens 请求看服务端实际报出的最大上下文值然后按这个值去设定客户端的截断策略。4.5 排查问题的通用方法接完模型之后先别急着干活我通常跑一条标准测试链先 curl 验证连通性再用客户端跑一个简单对话最后用一个有代表性的真实任务做质量对比。每一步单独验证哪一步失败就锁定在哪一层。很多看起来像“模型能力不行”的问题最后定位下来其实是客户端上下文截断配置、或者自己的 system prompt 写法不稳定这个排查习惯能省掉大量互相甩锅的时间。5. 一点实操心得5.1 不要神化匿名分数匿名评测最大的价值是排除品牌偏好但它测的还是“平均用户的主观感受”不是“你业务的客观指标”。Space Bunny 分数再高也要自己拿一二十条真实生产问题去跑一遍再决定要不要把它设成主力模型。我在接入类似模型时吃过亏看榜单很惊艳实际用在法律文本的固定格式抽取上反而不如老牌模型稳定。5.2 维护一个“快速切换”的方案匿名模型的身份和可用性随时可能变。今天它叫space-bunny明天可能改名今天这个聚合平台有货明天可能下架。所以不要把所有工具都写死某一个接口。我现在的做法是把 API 配置都收口到 CC Switch 和 Dify 的模型渠道里不散落在各个项目的环境变量文件里这样任何模型有变动我只要改一个地方。5.3 看调用量选模型比看跑分实在我现在的选型逻辑是先看调用量榜单里的常客再从中挑一个在自己业务场景里跑得最顺的。调用量高意味着经受住了大量真实场景的考验限流、接口稳定性这类工程指标已经被别人提前踩过一遍。Space Bunny 能登顶调用量第一本身就说明了这一点但你要记住它只是当前阶段的优胜者AI 模型迭代太快每季度都要重新看一遍榜单做一次选型。Space Bunny 的接入说到底不是什么神秘技术就是把 API 路由和工具环境变量对齐。只要你理解了“匿名模型 一个可用但没公开身份的 API 服务”这个概念剩下的就是复制粘贴的问题。希望这篇能帮你少走点弯路把自己手头的工具链早点跑起来。