又快又能打！匿名模型玉兔模型杀上双榜第一，Coding实测全记录

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 又快又能打！匿名模型玉兔模型杀上双榜第一，Coding实测全记录 衡宇 2026-09-27 21:40:02 来源： 量子位 中秋假期文具OpenRouter调用日榜榜首 衡宇 发自 凹非寺 量子位 | 公众号QbitAI 服都服了，又是哪家模型搞匿名啊，大过节的搁这儿杀出来冲榜？！ 说的就是你， Space Bunny 。 一个没留神，它在短短几天里经历了突然出现->突然热度飙升->突然干到OpenRouter、OpenCode双榜调用日榜第一->突然讨论热度也飙升。 扫了一眼，推特和Reddit上目前的整体风向是这样的： 有说 unbelievable 的（be like@CoderGeeta）。 不少用户反馈 输出效果不错 （be like@Fei2411）。 还有夸 速度快 ，“打败了Astra”的（be like@marcthecreatorr）。 真的吗？ 我不信。 所以在迷人又珍贵的中秋假期最后一天，我做了一个违背祖宗的决定——管他是谁家的匿名模型， 先测了再说吧 。 猜它是谁干嘛，快开蹬啊 先跟大家说一声，我是从OpenRouter上拿的API，接到了DeepSeek Harness（为公平起见我用了之前我没用过的DSH，惭愧）里面，给Space Bunny随便取了个名字叫“tuerye”。 昨晚上和今天上午都在使劲蹬，然后 随机抽取，最后放了** 4个case**在这篇稿子里。 可能附带一些我自己的个人主观弹幕，但主要还是为了呈现。 欢迎大家给自己的判断。 我这个人吧有点执念，这个世界上的匿名模型，管他大王小王， 通通都要给我拉来测coding能力 。 最近最火的除了Astra操控Blender，还有的就是 3D玩法 了。 那就上强度吧，我让它“用Three.js构建一个详细的立方体风格天坛，包含交互式细节”。 任务一开始跑我就搁旁边看《花少2》8小时版本去了……大概一个多小时不到两个小时吧，想起来看了一眼居然就跑完了，比我预想中快很多。 效果见视频： 我给编辑部几位同事看了下，满足“交互”这个条件就不说了，它 自己加了些我压根儿没提的细节 ，比如底部控制条里还有夜、黎明、正午三个时刻和雨、烟的天气开关；昼夜还会自行循环，一天约3.5分钟，时辰文字也随时间从子时走到亥时。 反正总体而言大家都觉得Space Bunny的初战效果比较令人满意。 而且说出来都丢脸，做完了我才想起来DSH它，没！长！眼！睛！ 所以评分方面再给这兔子加一颗星，表达我的歉意。。。 OK，展示第二个任务， 给咱** 做一个苹果系统的、更适合中国宝宝体质的闹钟**。 这个功能其实iOS 27说是有了，但身在中秋假期在这儿为爱测评的我，脑子里啪一下就冒出了这个需求。 Space Bunny 耗时共22分钟46秒 。 做出来的闹钟，响铃时的界面是这样的，霸占整个Mac的屏幕。 很霸道但也很简洁： 一轮跑出来界面是这样的： 按理说一轮就够用，但我还是又让它加个每个月到底闹铃响不响的功能，起床时间也调到7:23。 我们早八人是这样的，能多睡一分钟就尽量多睡一分钟。。。 这任务吧实用性比较强，咱们主要来看看readme里面它记录的思考。 iOS的硬性限制它也考虑到了 ： 但你们要不要看下我在这里看到了什么。。。 这是什么。。。 晕倒了我已经。 怕自己贴截图的时候再次晕倒，所以赶紧来看 第三个Coding任务 吧，让Space Bunny做个App。 “做一个mac app，把dsh当前的思考像字幕一样打在屏幕上。” 好消息是这玩意儿 做起来就很快， 可能不到5分钟？ 我在飞书页面写这篇稿子呢，非常短的时间里屏幕上就冒出来了个这个，给我吓一跳。 坏消息是 这次它自己脑补的细节就没有天坛那个丰富 ，初次交差的版本确实一直在显示DSH的脑回路，但窗口不能拖动挪动，也没有关掉和最小化。 这个位置一度挡住了我和DSH的对话框，我沉默许久，终于想起来可以给窗口缩小咯（可能是还沉浸在中秋尾声，今天测试的诸多环节我好像都失了智，好在Space Bunny智商还挺在线的）。 但我还是无能地勃然小怒了一下： 不到15分钟，且是在我开了多个任务同时跑的前提下** ，它给改好了。** 现在就是随便挪，任意挪，想咋挪就咋挪。 而且没有思考的时候它会变得小小只。 我觉得海星？还不错！ 不过也有两个问题。 一个是它自己说的，“合成鼠标事件在这个环境里会被系统丢掉一部分，所以「拖动是否与指针1：1同步」我没法在无头环境里断言——我改成了直接跟指针的屏幕位移（两端都是AppKit坐标，不存在符号翻转），你手动拖一下最准。” 另外就是拖动的时候会像小星星一样一闪一闪的？ 这个 不是啥大问题 ，应该就是因为实时显示脑回路所以窗口忽大忽小的，我又在拿鼠标拖拽，两套操作有点打架。 回头再交互一轮简单打磨下就好了。 讲真最近测的好几个模型都这样，首轮出来总会有些小细节有bug，肯定是没有Astra这种惊艳你一跳又一跳的feel，但拿来干活跑跑代码肯定是没问题的。 也就是首轮结果出来过后自己要再手动提点小建议， 一般一轮就能解决 。 如果要增加新功能就再交互再跑。 Reddit上有老哥跟我体感是一样的： 我测试过程中几乎没有出现一轮解决不了的问题。 只有一次，跑了个“给GitHub某仓库的文章列表增加cursor分页和标签组合筛选，补全测试且保持旧接口可用”的任务，看到它声称“全部检查通过”，随后又说明lint仍有33个错误， 有点bug 。 但这个问题一说也马上就改了，我还让codex帮我审了一遍，人家也说没问题。 前前后后测了十几个coding任务都给我测累了，于是我的魔爪又伸向了多模态。 丢给它一个特斯拉擎天柱吧台优雅营业的视频，就是这个： △ 视频来源𝕏@cb_doge 问Space Bunny（写到这里我脑子里有一瞬间无理由飘过“这兔子不会是Grok吧”）： 这个机器人干嘛呢？ 中间流程太复杂了，直接上最终结果： 讲道理这个任务不知道为什么缓存命中有点低？ 我看了下， 除了这个任务其余的缓存命率中都在95%以上 ⬇️ 太空玉兔，你是O/A/G/Z/M/K…家的吗？ 讲真，我是测完过后才开始认真去看开发者们分享的一手体感的。 好的坏的评价都有， 初步目测是好评偏多 。 什么说Space Bunny是个工具狂人啊： 速度快啊： （好，原来大家都用GPT-6审代码，本菜狗放心了） 别慌， 当然不可能全网好评 ！ 也有说它思考得太多 ——这和第一个测试中它给的天坛的结果比prompt丰富得多对应上了。 但也要和大家李涛一下，速度快、最终结果ok，还能给出更多的信息量…… 那么思考太多到底算好算坏呢？ Anyway。 如果你有自己的体会也欢迎分享在评论区，我们会在第一时间把留言放出来。 好，最后还是俗气地来到传统习俗——猜厂商——环节。 虽然说，现在每个月都有新匿名模型，已经快成模型发布固定伴侣了…… 但因为使用体感没有拉胯，猜