WorkBuddy新增模型那天的公告里Space Bunny这个参数表让我停了一下1M上下文、原生多模态、0.03x倍率最后还带了一个神秘的“匿名模型”标签。这几个词里的任何一个放在某款主流产品上都能当卖点放在一起就有点反常了尤其是在没有任何官方发迹背景的前提下。所以我把接入之后能测的都测了一遍包括上下文极限、多模态识别、实际成本、以及匿名模型最常见的隐藏问题。这篇文章不是参数复述而是我这几天实打实折腾下来的记录希望能给正在观望或者已经开始用它的朋友一点参考。1. 为什么这个匿名模型值得我专门写一篇1.1 匿名模型并不是新鲜事但这次数据给得很大方AI圈子每隔一段时间就会冒出几个身份不明的模型有的是某个团队的内测产物有的是开源模型的重新包装也有的只是拿着别人的API套了个壳。多数匿名模型给我的印象是参数宣传很猛实际一测就露馅所以一开始我对Space Bunny也没抱太高期待。但WorkBuddy这次接入的版本有点不一样公开页面直接给了非常具体的参数上下文窗口100万token多模态是“原生”而不是“支持图片输入”成本标注是0.03x倍率。这三个指标是相互关联的不是随便拼凑的营销词。比如1M上下文意味着底层的架构大概率是稀疏注意力或者加入了某种长程记忆机制普通模型硬堆窗口只会让推理时间失控原生多模态说明训练阶段就做了多模态对齐而不是用OCR加语言模型的组合拳。这几点单独靠外包接口很难做得这么完整所以它背后要么是一个有真实研发能力的团队要么是某个大厂的低调马甲。1.2 WorkBuddy把宝押在它身上说明产品侧已经过了基础验证我在之前不少文章里提到过一个观点工具平台接入新模型是有隐性成本的。每个模型都有不同的输出风格、指令遵循能力和上下文使用习惯平台方需要针对它调试提示词模板、调整文件解析流程、还要处理不同格式的附件上传这些都是运营层面的真金白银。WorkBuddy敢于把Space Bunny挂到重要位置至少说明它内部跑过一轮比较严格的评测不是随便招个商就上架。对我这种每天都在用AI处理文档、整理资料的人来说这种“独家接入”还有个实际好处同一套工作流里可以直接切换模型不需要换平台、重新配API、改数据结构。我在WorkBuddy里建了一个长期使用的知识库型会话里面塞满了产品文档、会议纪要和行业资料过去只能靠分段检索来压上下文空间Bunny接入之后我做的第一件事就是把整个资料夹直接丢进去。这个体验上的改变比单纯刷一个“支持100万token”的新闻要直观得多。2. 1M上下文到底怎么测别只看纸面参数2.1 测长文本的正确姿势找人埋点而不是让AI写作文很多朋友测试长上下文的方式是把一篇文章复制进去然后问“总结一下”这种做法只能证明“模型没崩”根本证明不了“模型真的记得”。100万token的窗口核心难题不是装得下而是在装下的情况下还能保持准确的定位和召回能力。业界常用的评测方法是大海捞针测试把一段特定信息埋在一个超长文本的随机位置再让模型回答相关信息。我这次没有去找现成的测试集而是自己用脚本构造了一份更贴近实际工作场景的语料。具体做法是拿一个开源文档作为基底把它拆成若干章节中间随机插入一些“干扰信息”和“关键埋点”再用Python脚本拼接到60万token左右。拼接完成之后我把这份文本作为一个整体放到WorkBuddy的会话里然后分别问了三个不同难度的问题第一是定位某个章节里出现的具体数字第二是找出两个章节之间的矛盾表述第三是让模型按指定格式重新整理某一段的要点。这三个问题分别考验精确检索、跨段落推理和结构化输出能力。2.2 我的实测结果远没到极限但已经有可感知的衰减先说结论在40万token以内的文本里Space Bunny的定位和推理能力表现基本稳定给出的答案不仅准确还能指出信息所在的大致位置。在60万token左右精确检索类问题依然能答对但跨段落推理的响应时间明显变长偶尔会出现“记忆打架”比如把两个章节里相似但不完全相同的表述合并成了一条。我试着继续往上加在接近90万token时埋在海中央的细节开始出现模糊尽管没有报错但答案的确定性已经不如前面了。这个结果其实符合预期。1M窗口的真实含义是“允许你塞进去”而不是“塞进去之后效果和短文本一致”。所有长上下文模型都存在信息稀释的问题轻则是注意力分配变散重则是早期内容被后续内容覆盖。对我来说它仍然有实用价值因为我用它处理的是几十万token级别的产品手册不需要它记住每一个字只要能在指定范围内给出可信的摘要和定位就够了。Space Bunny在这个量级上的表现已经超过我过去用过的绝大多数模型。注意不要用“能塞进去”来验证长上下文能力。验证的有效指标是“能否在海量信息里找回一个被埋藏的具体事实”这个测试设计网上有很多现成模板自己动手改一改也比盲目复制一整本书进去有效得多。2.3 长窗口的三条使用经验第一重要信息要主动让模型“标记”。我在给模型喂长文档之前会先让它找出所有章节标题、关键名词和数字形成一份小的索引摘要然后再进行后续问答。这样模型相当于提前做了一遍预读后面回答问题时能更快定位。第二长会话尽量不要从中间开始一个新话题。Space Bunny虽然支持1M上下文但它的注意力仍然会对近期对话更敏感。我在连续对话中途切入一个新任务时会先把“接下来这个问题和之前的文档无关”这句提示写清楚能明显降低它误用旧上下文的情况。第三超大文本建议分批验收。如果文件实在太大先分章节上传并让模型输出每章摘要最后再基于摘要做综合判断。这个操作多花几分钟但能避免“看起来答得挺好仔细一核对细节全错”的尴尬。3. 原生多模态不是拼装货我用三类文件试了3.1 原生多模态和拼装式模型的本质区别多模态这个词已经被用滥了。市面上很多自称多模态的模型实际处理流程是先用外部OCR把图片里的文字抽出来再拼成文本送给语言模型理解本质还是个纯文本模型。原生多模态不是这么干的它在预训练阶段就同时输入图像、文本、音频等各种模态的数据让模型直接在统一的语义空间里学习它们之间的关系。好处很直接它不需要外部依赖能理解的不只是文字还包括图表结构、画面构图、颜色信息这些OCR根本提不出来的内容。判断一个模型是不是原生多模态有个很土的办法给它一张没有文字但有明显视觉特征的图片问它“图里的人物位置关系怎么样”。拼装式模型通常会老实告诉你识别不了或者强行描述出一些离谱的细节原生多模态则能基于真实的视觉理解给出回答。Space Bunny在我这个粗糙测试里表现得相当自然说明它的多模态能力确实是训练出来的不是临时接了一条OCR管线。3.2 图文、图表、音频场景实测我这次测试用了三类材料。第一类是常见的手写笔记照片字迹潦草、有涂改、拍摄角度还有倾斜。Space Bunny不仅把字认出来了还根据上下文自动修正了几处明显的同音错字比如把“销售3.5%”理解成了“销售350%”的概率但因为后文有“环比下降”才改回来。这种利用语境纠错的能力是纯粹OCR做不到的。第二类是数据图表。我拿了一张带有趋势线、标注箭头和多个数据标签的销售走势截图让它把图的含义念出来。它能把横轴纵轴分别指什么、哪个节点数据出现了转折、箭头指向说明了什么关系都描述得非常清楚而且没有把图上数字念错。这一点对做数据分析的人来说特别值钱因为以前我要么自己看图要么得先导出底层表格才能让模型分析现在直接丢截图就能聊。第三类是音频文件。WorkBuddy的文件上传入口支持直接挂音频我放了一段约十五分钟的会议录音转写稿同源测试让它提取会上确认的三个行动项。它把发言人的职责归属和截止时间分离得清清楚楚甚至能分辨出“这个我下周确认”这类模糊表述和真正确立的待办事项。我特意没有给它转写文本直接投喂了音频原文件结果依然稳定。3.3 多模态能力对日常工作的影响最直接的变化是我原来设的一套“图片转文字—文字进模型—再手动整理”的工作流可以砍掉了。现在给Space Bunny发截图、发PDF扫描件、发录音文件它能直接在原始形态上做理解中间不再需要任何预处理工具。省掉环节不只是省时间还降低了信息损耗OCR阶段识别错的字符、转写阶段的语气丢失这些老问题基本不再出现。当然这不代表它可以完全替代人工审核。图像里如果存在逻辑漏洞比如图表数据对不上标题它往往更倾向于顺着图面信息回答而不是主动质疑数据矛盾。我在用它整理财务报表截图时会在最后加一句“请检查图内数据是否自洽”实测这个指令对提升输出可信度帮助很大。4. 0.03x倍率背后的成本账和隐藏代价4.1 0.03x倍率到底怎么算一个看得懂的换算过程按WorkBuddy页面的标注Space Bunny的计费倍率是0.03x。这个x的基数是目前主流旗舰多模态模型的公开定价区间。为了方便理解我拿一个常见的收费档次做参照某旗舰模型的输入价格可能是2.5元/百万token输出价格10元/百万token。按0.03倍来折算Space Bunny的输入成本大约0.075元/百万token输出大约0.3元/百万token两者相加跑一整轮几万token的长文档问答成本常年在几分钱的量级。这个账算下来它对个人用户和中小开发者是相当友好的。过去大家不敢做长上下文应用很大一部分原因是请求成本会随着输入长度线性上涨喂一段100万token的文本单是输入费就可能吃掉几十上百元而0.03x倍率让这种使用方式变得可以随手就试。我这几天的测试里有几轮会话的上下文达到了四十万token级别总消耗折算下来还不到一块钱这种量级的成本能极大降低做实验的心理门槛。4.2 低价模型的使用边界与预期管理低成本不是没有代价的。首先“倍率低”不等于“输出质量低”但“输出质量”这个东西和提示词、任务类型高度相关不能因为便宜就完全不管使用方式。我在测试中发现Space Bunny对指令非常敏感同一个问题用模糊的业务需求和用严格约束的提示词去问答案质量差距能拉出一倍以上。低价模型更考验提问者的思路是否清晰它不会像一些大厂旗舰那样自动补全你的需求漏洞。另外廉价模型通常会有配额和限流的隐性问题。我在压力测试时遇到过连续请求后被临时限速的情况返回的响应时间明显拉长。这个问题在页面上标注得很含蓄实际使用中要留意。如果你打算拿它跑自动化脚本一定不要按最高频率去设计需要留出足够的缓冲间隔。实操建议0.03x倍率的价值在于“可以大胆试错”但不建议把生产流程的核心环节建在它上面。跑原型、做批量数据处理、处理长文本分析都很合适直接对用户提供服务的场景建议先压测再上。4.3 它可能会吃掉一类中间产品的市场当长上下文和低价格同时出现最受冲击的不是那些顶配旗舰模型而是定位在中间的“长文本增强型”产品。很多工具过去的卖点就是“能把超长文档一次性交给大模型”卖的是给模型“续命”的技术方案。Space Bunny这种模型直接把窗口拉大成本又低意味着这类中间层服务的价值会被明显压缩。我不确定这是不是趋势但至少对我来说过去需要专门封装一个“文档聊天机器人”的场景现在一个对话窗口就能解决了。5. 匿名模型的隐患与长期价值判断5.1 换皮、转发和代理的风险识别匿名模型最让人不放心的就是身份不明。它有可能是一个成熟模型换了个马甲也有可能是通过某些渠道转发出来的内测版本甚至有可能是借壳接入的第三方服务。识别办法并不复杂先看它的输出风格是否稳定再观察它处理同一类任务的偏好是否一致最后做一轮针对性的对抗测试。我在Space Bunny上做的事是写了一段包含无意义指令和自相矛盾条件的提示词结果它没有盲目顺从而是主动指出了矛盾点这种处理方式说明底层模型经过了完整的训练不是随便套壳能模仿出来的。不过匿名仍然意味着不确定性。最大的风险不是模型能力而是服务持续性。今天是0.03x的低价明天可能调整计费策略甚至整个模型被换个名字重新发布。我在WorkBuddy上看到的官方口径也没有透露更多信息只说是合作方提供。这个问题的本质是你可以信任它的能力但不能把全部业务押在一个来路不明的服务上尤其是涉及数据隐私的场景上传到匿名模型的文件等于授权给了一个未知主体敏感信息要谨慎。5.2 我决定继续使用它的理由尽管有这些疑虑我仍然把Space Bunny加入了我的日常工作流主要原因是它解决了一个特别具体的痛点低成本处理超长多模态内容。这个需求在现有工具里要么贵要么慢它用一套很直接的方式满足了。对我来说工具的价值最终还是看它能不能在可控风险范围内解决实际问题。Space Bunny在自己的能力边界内表现出了超出同价位竞品的水平这就够了。我给它预留的风险控制方案也很简单核心业务数据不上传客户隐私内容不交给它敏感的分析工作用本地工具做脱敏后再来问。这其实是使用任何第三方AI服务的基本素养不单单是针对匿名模型。心态放平之后它反而成了我性价比最高的一款备用模型几乎所有批量处理的活我都不心疼token这只Bunny确实有点东西。6. 实测最容易翻车的几个场景与修复方案6.1 常见问题速查表场景表现原因解决办法上传超大文件上传进度长时间不动文件过大触发网关超时先转成纯文本或压缩PDF控制在几十MB内图片带复杂表格数字识别偶尔错位本身就是手写或低分辨率扫描件用双栏方式让模型先切分结构再逐格解读长对话后开始胡说回答内容逻辑变弱上下文过长导致注意力稀释开启新会话只带必要的摘要信息继续问输出突然变慢卡顿和延迟明显触发了平台的限流机制暂停几分钟重试或者拆分成多个短请求匿名模型无法申诉请求失败后没有反馈后端不稳定且工单响应慢本地保留原始提问数据稍后重试即可6.2 几个值得记住的实操经验第一给Space Bunny传图片时尽量用PNG而不是高倍压缩的JPG。它对图片细节的理解很灵敏但JPG的压缩噪声会干扰小字识别我在测试中比较过同一份截图两种格式PNG的准确率明显更高。第二它的“原生多模态”支持音频但这个功能不是默认开启的。我在WorkBuddy里第一次直接发录音文件时模型回复“无法读取”后来发现需要在上传附件时选择“作为语音理解”选中而不是作为普通文件附带才能激活这一能力。这个入口藏得有点深不试几次很容易误判成不支持。第三处理长文本时尽量用结构化提问。给它加“请先列出文档目录再回答具体问题”这类步骤指令会让输出稳定很多。如果你在做一个需要反复调整口径的分析任务比如商业计划书的完善、产品需求文档的梳理建议每次让它在回答末尾附上“和我上一次确认的结论之间的差异是什么”它能自动生成变更点这比凭空让模型重写一版要高效得多。6.3 关于限流和稳定性的补充说明我在高峰时段做测试时遇到过一次请求返回“服务繁忙”里面的提示是稍后重试。这个现象在普通产品身上很常见但因为Space Bunny是匿名模型没有公开的状态页用户只能自己摸索规律。我这几天的体感是工作日的上午时段响应最快晚上和周末相对容易触发限流。如果你打算用来跑自动化任务可以把批量任务安排在非高峰时段同时加上自动重试和指数退避的逻辑能够减少不少摩擦。有人可能会问既然它这么多限制为什么不用更成熟的产品我的回答是成熟产品在这个价位上给不了1M上下文和原生多模态的组合Space Bunny是在“功能性价比”这个维度上做得最平衡的一个选项。你要是把它当作无所不能的生产工具那一定会失望但如果你只是需要一个能装下大文件、能看图表、能听录音的聪明助手它现在的表现已经足够合格了。我个人在实际操作中的体会是Space Bunny这个“匿名模型”在WorkBuddy里放的三个参数没有一个是虚标但真正用得顺手还是得靠使用者在提示词和任务拆解上花一点心思。模型再强也只是工具怎么把它用出最大化价值得自己一步步试出来。