Space Bunny这个名字这两天在大模型社区里刷屏了。它不是一只兔子而是出现在 LMArena 盲测榜单上的匿名模型登顶了全球调用量第一评分一路逼近 Claude Opus 5把不少已经正式发布的大模型踩在脚下。这篇文章就从榜单机制、匿名模型的门道和实际接入三个角度聊聊这件事最后给你一套能直接用的接入配置。无论你是想围观这场 AI 圈的神秘大战还是想把自己的工具链切到这个黑马模型上读完这篇都能搞清楚它到底是什么、以及怎么把它接进你的工作流。先说结论Space Bunny 大概率不是一家小公司的作品而是某个头部大模型厂在正式发布前先放到公测擂台上跑分试验。它顶着匿名模型的马甲上场靠真实答题水平吸走了大量调用这说明一件事——模型好不好用用户投票比厂商自吹靠谱得多。下面我按榜单机制、匿名模型内幕、实际接入三步讲。1. Space Bunny 登顶的背后榜单机制与匿名评测逻辑1.1 你在 LMArena 上看到的anonymous其实是一套盲测机制LMArena也叫 Chatbot Arena是目前国内外开发者公认的第三方形体评测场。它不是跑固定题库而是采用盲测对战 用户投票的方式两个模型随机配对回答同一个问题用户不知道谁是谁只能根据回答质量选择左边更好、右边更好还是平局。每投一次票系统就根据 Elo 评分公式更新双方分数。Space Bunny 登顶靠的就是在这种双盲机制下攒够了用户真金白银的调用量和获胜率。匿名模型在这里不是违规操作而是官方支持的功能。模型团队提交一个模型到 Arena 时可选择暂不公开真实名称用类似 anonymous-chaos、anonymous-bunny 这样的小号参战。等测试期结束、团队自己觉得成绩稳了再公开身份。Space Bunny 就是以这种身份出现的它出现在榜单前列时所有人看到的只是一串代号和一组评分曲线。这套机制解决了评测行业最大的痛点品牌偏好。如果用户看到Claude或GPT的 logo 挂在页面上哪怕回答质量差不多也会不自觉偏向名声大的模型。盲测把名字抹掉逼着模型靠输出硬实力吃饭。Space Bunny 能在这种环境下登顶说明它在真实对话中的表现确实扛住了考验——不是靠营销是靠每一轮回答赢下来的。1.2 调用量第一的含金量Elo 分数和人类偏好之间的关系调用量第一不等于分数第一这两个指标在 Arena 里是互相影响的。一个模型被分配给对战后用户可以主动选择是否和它单独对话——调用量其实反映了用户的主动使用意愿。Space Bunny 能登顶调用量第一说明用户在双盲对战后愿意继续找它聊这是比单次投票更强烈的认可信号。类比一下Elo 分数相当于胜率积分调用量相当于口碑复购率。一个模型分数高但调用量低可能是评判样本少调用量高但分数低可能是营销流量灌水。两个指标同时冲顶才能说明模型既有硬实力又有用户黏性。Space Bunny 两者兼得也就难怪社区把它捧成影子冠军。从社区反推的投票数据来看Space Bunny 在中文、英文、代码、数学几大类问题上的胜率都维持在较高水平尤其擅长需要多步推理和上下文理解的长任务。这其实是一个很强的信号它能赢不是靠某一类题目的取巧而是综合能力均衡。这就是为什么大家把它和 Claude Opus 5 放在一起比——Opus 5 在 Arena 上的长文本和推理表现是标杆级Space Bunny 能逼近它说明两者差距已经非常小。1.3 接近 Opus 5这句话该怎么理解接近 Opus 5不是指分数完全持平而是指在 Arena 的 Elo 分带上Space Bunny 和 Opus 5 落进了同一个区间。Elo 分的特性是头部区间越往上每差 10 分代表的真实水平差距越大。Space Bunny 能摸到 Opus 5 同档位意味着在普通用户大多数实际场景里两者的体验差异已经很难被感知。但要注意盲测榜单有它的统计波动。匿名模型的测试样本数不同会导致置信区间不同Space Bunny 的调用量大置信级别相对高这是它的优势。不过 Arena 分数终究是人类偏好的度量和跑固定 benchmark、刷代码单测是两码事。它衡量的是人觉得谁答得更好而不是谁在标准测试里得分更高。理解这一点对接下来的接入选型很重要。2. 匿名模型的运作逻辑为什么厂家要藏身份以及怎么猜它的真身2.1 匿名参赛的四个动机防偏见、试水、防狙击、造悬念很多人疑惑既然模型强为什么不直接亮明身份匿名上场对厂家有四个实际好处。第一是防偏见这也是 Arena 匿名机制的本意。模型顶着 Qwen、DeepSeek、GLM 这些名字上场时用户心里已经有一把尺子了。匿名上场能拿到相对干净的裸实力数据方便团队做产品定位。第二是试水。大模型发布成本极高贸然官宣结果翻车公关损失很大。先匿名上场跑几天收集真实用户反馈数据不行就悄悄撤下重练行再官宣。Space Bunny 做到了高分高调用才被社区盯着猜身份这是试水成功的典型案例。第三是防狙击。正式发布前如果对手知道你的真实身份和强项可能会针对性地设计测试题、抓弱点造舆论。匿名状态相当于战术隐蔽让对手没法提前布局。第四是悬念营销。社区里猜 Space Bunny 是谁的讨论本身就是免费的传播流量。等正式揭晓身份时关注度和期待值已经拉满厂家的发布效果会放大好几倍。2.2 社区怎么推测匿名模型的真实身份特征指纹比对大模型社区的大神们猜身份靠的不是玄学而是特征指纹。每个模型的输出风格、思考模式、错误类型、甚至 token 消耗习惯都有自己的痕迹。把 Space Bunny 的回答样本和各家候选模型的已知输出做对比就能锁定嫌疑人。最常见的指纹有几类语言风格偏好。比如中文回答里的字密度、英文用词偏好、对多语言混用的处理方式。代码痕迹。会用什么命名风格、注释习惯、错误处理方式不同团队训练的模型差异很大。拒绝方式。模型在遇到敏感问题或超纲问题时的拒绝措辞风格是最难伪造的指纹之一。思考链长度。推理模型在回答数学题时隐藏的思考 token 数量、分步习惯能看出训练策略。目前社区里比较主流的猜测是 Space Bunny 与国内头部厂商的新一代基座模型有关可能是 Qwen 系列或同梯队的其他新版本。但这只是基于指纹的合理推测官方没有承认之前一切都只能算猜想。我个人的建议是吃瓜可以别把猜想当结论重点放在它到底好不好用这个可验证的问题上。2.3 匿名模型对普通开发者的实际影响选择权变多了不管 Space Bunny 的真实身份是谁它走红这件事反映出整个大模型生态的一个趋势评测头部位置不再是少数几家闭源巨头的专属主场。匿名机制让新模型、甚至是未经正式发布的测试版有了和顶级模型同台竞技并获胜的机会。对普通开发者的实际影响是模型选择权从看发布会选型变成了看实测效果选型。你不需要等官方定位也不要看宣传话术直接把 API key 接入工具链跑几个真实业务场景效果说话。Space Bunny 这类匿名黑马的走红正好提供了一次低门槛的实测机会——反正身份未知价格未知唯一确定的是它在盲测里够强那不妨先接入试试。3. 把 Space Bunny接进来四套可落地的接入方案3.1 接入前需要想清楚的三件事协议、端点、模型名不管用什么工具接入 Space Bunny核心都是三步找到 API 端点、确认协议格式、填对模型名。绝大多数接入失败问题都出在模型名和端点不匹配上。在动手之前先确认你拿到的 Space Bunny 到底是通过哪种方式对外服务的接入方式主要协议需要准备的东西适合场景官方/第三方托管 APIOpenAI 兼容或 Anthropic 兼容Base URL、API Key、模型名想快速尝试不想折腾环境Claude Code 接入Anthropic Messages APIANTHROPIC_BASE_URL、AUTH_TOKEN程序员写代码、命令行场景Codex 接入OpenAI 兼容接口OPENAI_BASE_URL、API_KEY复用 OpenAI 生态的工程链路Dify/本地应用平台平台自定义供应商接口自定义模型供应商配置搭建客服 Agent、工作流CC Switch 切换多协议路由一个工具统一管理多模型经常在不同模型间切来切去这里要多说一句模型名的坑。很多第三方 API 会把 Space Bunny 映射成一个自定义的模型 ID比如space-bunny-1204或sb-alpha和你从榜单上看到的代号不一定一样。接入前一定要在 API 文档或服务商的模型列表页面确认准确的模型名字符串否则请求发出去直接报 404。3.2 方案一Claude Code 接入适合写代码和终端派Claude Code 是目前程序员用得最多的 AI 编程终端工具接入第三方模型的方法已经相当成熟。核心原理是修改两个环境变量把原来指向 Anthropic 官方服务的流量转发到你的模型服务商。打开你的 shell 配置文件Bash 是~/.bashrcZsh 是~/.zshrc追加export ANTHROPIC_BASE_URLhttps://你的服务商端点/v1 export ANTHROPIC_AUTH_TOKEN你的API_KEY export ANTHROPIC_MODELspace-bunny-alpha设置完成后重载配置启动claude正常情况下它会直接通过自定义端点调用模型。注意三个细节第一ANTHROPIC_BASE_URL后面要带/v1很多服务商对路径敏感不带就 404。第二鉴权用的是ANTHROPIC_AUTH_TOKEN不是ANTHROPIC_API_KEY写错了会一直报 401。第三如果服务商还提供settings.json级别的配置方式优先用文件配置因为它比环境变量更直观且可以针对不同项目单独切换模型。我实测下来Claude Code 接入自定义端点后最常用的几个功能——多文件编辑、终端命令执行、代码审查——都能正常工作。唯一需要注意的是部分高级特性比如某些工具调用语法依赖 Anthropic 官方 API 的特殊字段第三方兼容层不一定完整支持。遇到功能缺失第一时间看服务商的兼容性说明别在排查上死磕。3.3 方案二Codex 接入适合 OpenAI 生态的老玩家如果你更习惯 OpenAI 体系或者已经在用 Codex CLI那接入思路类似只是协议换成 OpenAI 兼容接口。Codex 读取OPENAI_BASE_URL和OPENAI_API_KEY格式如下export OPENAI_BASE_URLhttps://你的服务商端点/v1 export OPENAI_API_KEY你的API_KEY启动codex后在会话里直接指定模型codex --model space-bunny-alpha这套接法最大的价值是复用生态。Codex 对工具调用的支持比较完善第三方模型只要实现了 OpenAI 兼容的chat/completions接口往往不需要额外适配就能跑。但要注意Codex 部分较新的命令行特性依赖响应体里的特定字段比如 logprobs 或 reasoning_content。如果你的服务商不支持这些字段可能会出现回答正常但工具调用异常的诡异现象排查方向就是抓接口返回的 response body 对比官方字段。3.4 方案三Dify 接入适合做应用和客服 AgentDify 这类 LLM 应用平台更适合不写代码的场景在可视化画布里拖拽节点搭一个带知识库的问答机器人或客服工作流。接入 Space Bunny 的路径是自定义模型供应商。具体步骤进入 Dify 后台的设置 - 模型供应商 - 添加自定义模型。协议选择 OpenAI-API-compatible 或 Anthropic-compatible。填三个关键字段API Base URL 填服务商提供的端点API Key 填鉴权密钥Model ID 填服务商文档里给的模型名。保存后在应用的模型选择下拉框里选中 Space Bunny即可发布上线。这里比较关键的细节是模型上下文长度的配置。Dify 在编排知识库引用时会把召回片段和对话历史拼在一起发给模型。如果平台默认上下文长度小于模型的可用长度它会在拼接前截断历史如果设置得比模型实际能力还大超出后模型会报错。所以填配置时一定按服务商文档里给出的真实上下文窗口填写比如 128k 就填 128k不要手滑写大。Dify 接入的最大优势是可观测性强每一次请求的 token 消耗、延迟、错误信息都会记录在日志面板里非常适合用来评估这个匿名模型到底适不适合我的业务场景。我习惯的做法是先在 Dify 里搭一个最小可用的客服 Agent扔 50 个真实用户问题进去跑一轮看它的回答风格和错误率再决定要不要上生产。3.5 方案四CC Switch 和统一网关适合多模型频繁切换如果你不只是想体验 Space Bunny还想在同一套工具链里随时切回 DeepSeek、Qwen、GLM 等其他模型建议上 CC Switch 这类开源工具。它的核心作用是一个路由开关把各家模型的 Base URL、API Key、模型名集中管理切换时改一个全局配置不用每次去改环境变量。CC Switch 的使用逻辑很清晰安装 CLI 工具后执行初始化命令创建一个配置文件目录。在配置里添加 Provider服务商每个 Provider 包含名称、Base URL、API Key。指定默认模型和备选模型保存后通过命令一键切换。重启 Claude Code 或 Codex它会读取新的 provider 配置将请求发到目标模型。我个人的经验是切换工具最大的坑不是配置而是上下文不连续。用 CC Switch 在空间兔子和另一个模型之间切换后新模型接手的会话上下文如果来自另一个模型容易出现风格突变和理解偏差。解决办法是切换模型时新开一个会话并手动把之前的对话摘要粘给新模型让它接管上下文。别指望不同模型共享记忆。3.6 规避协议坑OpenAI 兼容层和 Anthropic 兼容层的区别最后统一讲一下兼容层的概念这是接入时最容易被绕晕的地方。OpenAI 兼容层/v1/chat/completions和 Anthropic 兼容层/v1/messages是两个不同格式的 API 规范字段结构、请求体、鉴权头都不一样。OpenAI 风格请求体里用messages、model、max_tokens、temperature鉴权头用Authorization: Bearer key。Anthropic 风格请求体里用messages、model、system且max_tokens为必填项鉴权头用x-api-key或Authorization: Bearer。Claude Code 走的是 Anthropic 风格Codex/Dify 默认走 OpenAI 风格。接入前先确认服务商提供的到底是哪个格式。如果服务商两个都支持优先选与工具原生协议一致的那个减少字段映射导致的兼容问题。如果只支持 OpenAI 格式但你用的是 Claude Code则需要通过一层格式转换路由中转——很多第三方接入工具其实就是在做这件事CC Switch 底层也是这么干的。4. 接入过程中的常见问题与避坑实录4.1 报 404 或 401先检查模型名再看鉴权头接入匿名模型时遇到频率最高的两个报错404 和 401几乎可以覆盖 80% 的问题。404 基本都是模型名或路径不对。排查顺序是先确认服务商文档给出的完整 Base URL注意末尾是否带/v1再确认模型名是否严格一致包括大小写和连字符比如Space-Bunny和space-bunny在一些严格校验的服务商那里是两个不同的 ID最后看路径层级https://xxx/v1/chat/completions和https://xxx/chat/completions就差一个/v1结果完全不同。401 则是鉴权问题。第一检查 header 里用的 key 名是否正确OpenAI 风格是Authorization: BearerAnthropic 风格有些服务商要求x-api-key混用就会 401。第二检查 API Key 本身有没有过期或额度不足很多第三方服务商赠送的体验额度到期后返回的不是 402 而是 401很迷惑人。第三检查是否存在多 key 轮询的前提部分服务商要求你传多个 key 用逗号拼接少传一个也 401。4.2 上下文长度与限流别让生产环境死在半路上Space Bunny 这类匿名模型的上下文长度、速率限制经常和官方模型不同。接入时一定要去服务商页面查清楚两个数字最大上下文长度比如 128k和每分钟请求数限制RPM。上下文长度设置过小的症状是长文档分析到一半模型开始失忆回答前后矛盾。设置过大则可能直接触发服务商的长度校验错误返回 400提示 requested token count exceeds model limit。正确做法是先按文档设置再实测一段长文本观察截断报错时的 token 数反向微调。限流症状则是429 Too Many Requests。生产环境接入时建议在代码侧做一个简单的速率控制请求前检查已消耗的 token/请求数接近阈值就排队或熔断不要让业务请求裸奔着去撞服务商的限流墙。我在接入时习惯在网关层统一加一个轻量的令牌桶单机并发调到服务商限流值的 80%实测下来基本不会触发 429。4.3 榜单成绩和本地实测不一致采样与场景偏差Space Bunny 在 LMArena 登顶不代表每个具体业务场景都碾压其他模型。榜单成绩用的是人类偏好的通用问答采样而你的业务可能是特定领域的专业问答、特定格式的 JSON 输出、特定风格的文案生成。模型在榜单上的优势未必能迁移到你的场景里。我见过一个很典型的案例某团队接入 Space Bunny 做代码生成跑通用算法题表现出色但一放到他们内部的框架代码库上就频繁幻觉生成不存在的 API 方法。原因不是模型不行而是评测样本里那类私有框架的代码问答太少模型没见过自然生成不准。解决方案是做一次针对性的 Few-shot 微调或 RAG 增强而不是全盘否定模型能力。所以我的建议是别拿榜单当选型唯一依据。接入后先做一个 50-100 条真实业务样本的回归测试对比你原来的模型方案再决定是否全量切换。4.4 工具调用和输出格式稳定性匿名版模型的隐性问题匿名模型作为测试期模型工具调用function calling的稳定性往往不如正式发布版。具体表现有调用参数凭空多出字段、不按约定的 JSON Schema 输出、偶尔在正常回答里混入一段推理过程。应对方法是在接入层做一层格式净化对返回结果做 JSON 解析失败则重试一次对工具调用字段做白名单校验多出来的字段一律丢弃设置更严格的temperature和top_p参数降低输出随机性。我实际用下来space bunny 类模型在temperature0.2左右时输出稳定性提升明显代价是回答多样性略降但多数业务场景更看重稳定而不是花哨。最后再分享一个小技巧。接入这类匿名模型时可以在服务商控制台打开调用日志或数据资产里的采样记录定期抽查真实产生流量里的输入输出对。这一步能帮你最早发现模型输出质量的隐形劣化——有些匿名模型在增量更新后会出现风格漂移不查日志根本发现不了。平时不积攒这些数据等模型悄悄变笨了再排查就晚了。