关注前沿科技 2026-09-27 21:32 北京

中秋假期稳居 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中率都在 95% 以上⬇️