本文转载自微信公众号「路人甲TM」，点此查看原文。
最近模型圈突然出现了一只兔子，Space Bunny Alpha。
上线三天，就冲到了OpenRouter和OpenCode的调用日榜前列。
社区里一边夸它快、写网页好看，一边忙着给这只兔子查户口。
有人看到Bunny，想到兔子住在月亮上，于是猜它来自月之暗面。
有人觉得它的输出节奏像MiniMax，也有人顺着Space直接把马斯克拉了进来。
我围观了一圈，最大的感受是，大家研究模型身世的热情，已经快超过研究模型能力了，果然八卦是人类的天性。
猜名字挺好玩，但我更关心一个现实问题，这只突然登顶的匿名兔子，真的能干活吗？
我找来目前同属Flash定位的DeepSeek V4.1 Flash和GLM5.3 Flash，准备让三个模型做一轮正面对比，看看实际体验究竟如何。
规则，工具保持一致，只比较模型能力
一个模型用成熟的Coding Agent，另一个只在普通对话框里输出代码，结果自然没有可比性。
所以这次Space Bunny Alpha、DeepSeek V4.1 Flash和GLM 5.3 Flash全部运行在WorkBuddy下，共享一套harness。
Harness可以理解成模型干活时共用的工作台。
它决定模型能看到哪些文件，可以调用什么工具，怎样打开浏览器验收，以及任务中断后如何继续。
三位选手拿到相同的目录、权限、依赖和提示词。
每个任务都先从空文件夹开始，整个过程中我不手动改代码，只处理必要授权，记录模型的耗时、报错、修改过程和最终结果。
第一题，鹈鹕骑自行车（3D版）
鹈鹕骑自行车是模型社区里很有名的非正式测试。
它看着幼稚，实际很容易翻车。
鹈鹕有长嘴、翅膀和两只脚，自行车又有车架、车轮、脚踏和车把。
模型只要没理清空间关系，鹈鹕就会坐在车轮里，脚踩空气，或者连人带车一起向后滑；在此基础上，这一次我把它升级成了3D版。
GLM 5.3 Flash耗时:12min
Space Bunny Alpha耗时:20min
DeepSeek V4.1 Flash耗时:60min
三个模型都理解了题目，鹈鹕、自行车、鱼和海边木栈道全部出现，脚踏、车轮与角色动作也基本能够对应起来。
放在一起看，差距主要出现在画面取舍、交互完成度和交付速度上。
GLM 5.3 Flash只用了12分钟，但速度快是因为它没有堆太多装饰，采用了一套比较统一的低多边形风格，速度调节、暂停、昼夜切换、跟随视角和自由观察都能正常操作，点击以后能看到明确反馈。
画面精细度不算最高，但它在很短时间内把题目要求完整跑通了。
DeepSeek V4.1 Flash用了60分钟，是三款里耗时最长的。
它把海面、木栈道、路灯、栏杆和岸边植被都做了出来，自行车的车架和辐条也更细，整体完成度比较稳。
自由观察和昼夜切换都能正常使用，镜头也支持拖动、缩放和平移。
不过从任务验收的角度看，DeepSeek把提示词中的核心功能基本交齐了，只是用了接近GLM五倍的时间。
Space Bunny Alpha用了20分钟，画面氛围我认为是三款里最突出的。
夕阳、海面反光、木栈道阴影和自行车都充满细节，控制面板甚至提供了侧面、正面、背面、俯视和贴地等多个视角入口。
综合时间、画面和功能完成度，这一轮我会把Space Bunny放在第一位。
GLM依靠最快的交付速度和完整的基础功能排在第二。
DeepSeek的完成度依然稳定，但60分钟的耗时拉低了综合表现，排在第三。
第二题，星际水族箱
第一题考察的是空间和逻辑关系，第二题开始考模型交互。
我让三个模型制作一个透明3D水箱。
水里漂着黄色橡皮鸭和不同密度的小球，用户点击或拖动水面会产生连续波纹，物体也要跟着起伏、碰撞和漂移。
页面提供地球、月球和火星三种重力模式，还要能调整波浪强度、阻尼与物体数量；右侧面板实时显示帧率、当前重力和物体状态。
GLM 5.3 Flash耗时:11min
Space Bunny Alpha耗时:15min
DeepSeek V4.1 Flash耗时:33min
分析结果，GLM只用了11分钟，速度层面领先，深色界面和实时数据面板也做得简洁清楚。
但我调整小球数量之后，水箱里的鸭子直接消失了，画面中显示的小球数量也没有跟着变化，GLM的物体重建和状态显示之间还没有稳定同步，影响了题目明确要求的核心功能。
DeepSeek用了33分钟，依旧是这一轮耗时最长的模型，但完成度也最高。
它的水面更像一整张连续起伏的水体，小球数量能够真实增减，右侧状态面板会同步更新，切换地球、月球和火星后，物体的漂浮状态也会随之改变。
我把参数来回调整了几轮，暂时没有发现明显影响使用的问题，验收通过。
Space Bunny用了15分钟，交互体验是三个成品里最有意思的。
拖动水面时，波浪会沿着水箱扩散，小球和鸭子会被明显推开，切换重力与提高波浪强度后，整个水箱的变化也最有戏剧性。
极端参数下，物体偶尔会被浪推得过猛，甚至飞出水箱，物理边界还可以继续调优，但它确实最容易让人忍不住多玩几次。
综合来看，这一轮DeepSeek的功能闭环最完整，Space Bunny的互动性和趣味性最好，GLM依然展现了极强的生成速度，但核心参数没有可靠生效。
如果按照稳定性和完成度排序，我会把DeepSeek放在第一，Space Bunny第二，GLM第三。
第三题，复刻一款平面后室游戏
前两个案例都和3D有关，第三题我决定换个口味，做一款2D后室逃生游戏。
我一直很喜欢后室、SCP这类设定，平时刷到相关的短片和游戏，我也总会忍不住多看一会儿。
几张昏黄墙纸，一阵没完没了的日光灯噪声，再加上怎么走都像回到原地的走廊，就能让人自己脑补出一整套世界观。
正好游戏很适合拿来检验模型的综合能力。
能画出一个房间只算开头，后面还有随机地图、素材加载、角色状态、敌人逻辑、碰撞判定和完整的通关循环，任何一个环节没接好，成品都会在试玩时露馅。
于是我让三个模型做一款后室逃生游戏，玩家需要在随机生成的地图里找到三盘录像带，拼出密码，打开真正的出口，同时躲避会根据声音和视线追踪的实体。
体力值和理智值会持续变化，死亡后可以重新开始，找到出口则进入结算页面。
GLM 5.3 Flash耗时:53min
Space Bunny Alpha耗时:41min
DeepSeek V4.1 Flash耗时:54min
Space Bunny Alpha用了41分钟，是这一轮最快的模型，也是我实际玩起来最舒服的一版。
它的地图里房间、狭窄走廊、箱子、通风口、编号牌和绿色安全区都有明确的视觉区别，玩家一眼就能判断怎么走、哪里可以进一步探索。
我测试了多个随机Seed，录像带、终端和出口都能保持连通，敌人会游荡、追逐和丢失目标，体力与理智系统也会真实影响游戏过程。
DeepSeek V4.1 Flash用了54分钟，画面细节是三个版本里最丰富的。
不同房间有桌椅、纸张、灯管、污渍和杂物，追逐时还会出现红色暗角与残影。
它对功能的覆盖也最细致，包括随机地图、录像带线索、错误密码、出口解锁、失败重开和结算统计都做了完整验证。
GLM 5.3 Flash用了53分钟，流程同样完整，但它的画面大部分区域被压在很深的黑色里，确实营造了恐怖感，但房间结构、道具和道路边界也更难辨认，和最初想法稍显违背。
综合耗时、画面可读性和游戏体验，这一轮我会把Space Bunny放在第一，DeepSeek第二，GLM第三。
结果汇总，日常工作流中怎么使用
把三轮测试放在一起，三个模型的区别很明显。
Space Bunny速度快且质量在线。
它完成三项任务共用了80分钟。
在保持较快交付速度的同时，Space Bunny做出的成品也更适合直接展示。
鹈鹕骑车的夕阳、海面反光和多机位切换都做得很完整；水族箱的交互设计是三款里最有意思的，点击、拖动和参数变化都能让人自然地继续探索；后室游戏也保持了统一的视觉风格，地图、收集、解谜和逃生流程都能顺利运行，三轮测试下来没有明显偏科。
它的速度与GLM处在同一个档位，工程完成度也没有和DeepSeek拉开太大差距，同时保留了更好的画面氛围和互动体验。
GLM和Space Bunny的交付速度处在同一档。
GLM能够很快做出一个能打开、能操作的首版，适合用来验证想法，但在部分细节上还需要人工检查。
例如水族箱调整小球数量后，画面和状态面板没有同步；鹈鹕骑车做的也相对比较粗糙，细节的打磨程度还可以提升。
相比之下，Space Bunny在相近的时间里，交付了更完整的画面和交互效果。
所以单看速度，两者没有拉开明显差距。
把成品质量也放进来考虑，Space Bunny的综合表现会更有优势。
DeepSeek用时最长，工程完成度相对较高。
三项任务总共耗时147分钟，接近Space Bunny的两倍。
水族箱里的各项参数都能稳定生效，修改后也能正确反映在画面中。
后室游戏的房间细节、角色状态、失败重开和自检项目都做得很完整。
如果项目功能多、规则互相牵连，还有严格的验收清单，DeepSeek依然值得选择。
放进实际工作流以后，Space Bunny更符合我的日常使用需求。
它的交付速度和GLM相近，成品完成度比较可靠，做出的页面也适合直接展示和传播。
写在最后
测完三个项目以后，再回到很多人最关心的问题。
Space Bunny到底是谁？
我也不知道，目前各个评论区里依然只有猜测。
但比起它背后的真实身份，我更在意另一件事。
一个没有品牌光环、没有提前预热的匿名Flash模型，只靠真实调用体验，就在几天内冲进了大家的视野。
这说明大家对模型的判断标准正在变得越来越务实。
响应够快，成本可控，能够把日常任务稳定完成。
参数、榜单和模型背景当然重要。
但真正开始干活以后，我们最后记住的还是哪一个模型更省心，产出的结果让人愿意继续用。
大家觉得这只兔子是谁？
评论区留下你的答案。
我是路人甲，分享实用的AI应用，让AI变成你触手可及的生产力。