WorkBuddy独家接入Space Bunny：1M上下文+原生多模态+0.03x倍率实测

1. 这个“匿名模型”到底是个什么来头

第一次看到“WorkBuddy独家接入Space Bunny”这个说法，我脑子里冒出来的第一个念头是：又是一个套壳包装的营销概念吧。毕竟这两年各种“独家接入”“首发支持”的噱头太多了，真正能打的不多。但仔细扒了一圈之后，我发现这次的情况有点不一样——Space Bunny这个模型本身在社区里就是以“匿名模型”的身份流传的，没有官方主页，没有详细的技术报告，甚至连训练数据构成都语焉不详，但偏偏在几个关键指标上给出了让人没法忽视的数字：1M上下文窗口、原生多模态、0.03x倍率。

先说清楚这三个词分别意味着什么，不然后面没法聊。

1M上下文，指的是模型单次能处理的token数量达到一百万级别。你可以粗暴理解成：它能一口气读完差不多七八十万个汉字的内容，然后在这个基础上做推理、总结、问答。这个量级是什么概念？《三体》三部曲全集大概九十万字左右，也就是说你把它整个丢进去，模型不会“失忆”，能从头到尾保持连贯理解。对比一下，目前主流商用模型大多还在128K到200K这个区间晃悠，1M是实打实高了一个数量级。

原生多模态，重点在“原生”两个字。市面上很多所谓多模态模型，其实是“拼接式”的——一个视觉编码器加一个语言模型，中间用投影层硬连起来，图像理解能力是后加的。而原生多模态意味着模型从预训练阶段开始就是图文混合训练的，视觉和语言在同一个表征空间里成长，理解图片里的细节、图表里的数据、甚至手写笔记的逻辑关系时，表现会更自然、更少“翻译感”。

0.03x倍率，这个最实在，直接关系到钱包。倍率是API计费里的概念，通常以某个基准价格为1x，0.03x就是基准价的百分之三。如果基准价是每百万token十块钱，那这个模型就是三毛钱。这个价格放在1M上下文加原生多模态的配置上，说实话，第一反应是“是不是标错了”。

WorkBuddy这个平台我之前用过，主打的是工作场景的AI辅助，文档处理、会议纪要、项目协作这些。它这次独家接入Space Bunny，从产品逻辑上讲，是想用极低的成本撬动超长上下文和多模态这两个高价值能力，把“能读完整本项目文档”“能看懂设计稿和流程图”变成默认功能，而不是需要额外付费的高级选项。

适合谁来关注这个事？三类人：一是经常要处理超长文档的，比如法务、咨询、学术研究；二是需要图文混合理解的，比如产品经理看原型图、设计师读参考图、运营分析竞品截图；三是对成本敏感的独立开发者和中小团队，想用便宜的价格试水大模型能力。下面我就按自己实际测试和拆解的过程，把这三个核心卖点一个一个掰开聊。

2. 1M上下文：不只是“能塞进去”，关键是“记得住”

2.1 长上下文到底解决了什么真实问题

很多人对长上下文的理解停留在“可以传大文件”这个层面，但实际用下来，真正的价值在于跨文档推理和长程依赖保持。

举个例子。我手头有一个项目，涉及三份文档：一份是需求说明书，大概三万字；一份是技术方案，五万字；还有一份是测试报告，两万字。传统做法是分别总结每份文档，然后再人工把三份总结拼起来做交叉分析。但这样做的问题是，总结过程中会丢失细节，而很多关键矛盾恰恰藏在细节里——比如需求里提了一个边界条件，技术方案里没覆盖，测试报告里也没测，这种“三不管”地带只有把三份文档放在同一个上下文里对比才能发现。

用1M上下文的模型，我可以把三份文档一次性全部喂进去，然后直接问：“需求说明书第3.2节提到的异常处理逻辑，在技术方案中有没有对应的实现描述？测试报告里有没有覆盖这个场景？”模型能在十万字级别的材料里做精确定位和交叉比对，这是短上下文模型做不到的。

注意：长上下文不等于无限上下文。1M是上限，实际有效理解长度会受内容密度、信息冗余度、提问方式的影响。我实测下来，如果文本里大量重复、格式混乱，有效理解长度会打折扣。

2.2 实测：1M上下文在WorkBuddy里的表现

我在WorkBuddy里做了一个测试，上传了一份约六十万字的行业资料合集，包含十几份报告和论文。提问方式是渐进式的：先问整体趋势，再追问某个细分领域的具体数据，最后要求对比两份报告中看似矛盾的结论。

第一轮整体趋势总结，模型给出了结构清晰的归纳，没有出现明显的遗漏或错误。第二轮追问细分数据时，我特意挑了一个在文档靠后位置、只出现过一次的数字，模型准确找到了，并且给出了上下文。第三轮对比矛盾结论时，模型不仅指出了矛盾点，还分析了可能的原因——两份报告的统计口径不同，一份按出货量算，一份按营收算。

这个表现说明它的长上下文不是简单的“滑动窗口拼接”，而是在底层做了注意力机制的优化，能在长序列中保持对关键信息的敏感度。具体技术细节官方没披露，但从行为上看，大概率用了稀疏注意力或者分块递归之类的方案，在计算效率和理解深度之间找了平衡。

2.3 长上下文使用的三个实操技巧

用了一段时间之后，我总结了几个让1M上下文真正发挥价值的技巧：

第一，结构化输入比堆砌更有效。不要一股脑把一堆文件丢进去，而是用清晰的分隔符和标题把内容组织好。比如用“===文档A：需求说明===”这样的标记隔开，模型在检索时能更快定位。

第二，提问要带“锚点”。不要问“这份文档说了什么”，而是问“文档中关于XX问题的描述出现在哪个部分，具体内容是什么”。锚点越具体，模型在长上下文里的检索效率越高。

第三，分段验证。对于关键结论，不要只问一次。可以换一种问法再问一遍，看两次回答是否一致。如果一致，可信度较高；如果矛盾，说明这个信息在上下文里可能存在歧义，需要人工复核。

3. 原生多模态：不是“能看图”，而是“看懂图”

3.1 原生多模态和拼接多模态的实际差距

前面说了，原生多模态和拼接多模态的区别在于训练方式。这个区别在实际使用中体现在哪里？我举一个具体的例子。

我上传了一张包含折线图和表格的混合图表，图表里有三条折线，分别代表三个不同指标，横轴是时间，纵轴是数值，表格里是具体的月度数据。提问：“哪条折线在第三季度出现了异常波动？表格里对应的具体数值是多少？”

拼接式多模态模型的表现通常是：能识别出有折线图，能大概说出有几条线，但具体哪条线在哪个时间点波动，以及表格里的精确数值，往往对不上。因为它本质上是先把图片“翻译”成文字描述，再基于文字做推理，翻译过程中细节就丢了。

原生多模态模型的表现是：它能同时“看”到折线的走势和表格的数字，并且在内部把两者对齐。回答时能准确指出“第二条折线在七月到九月之间有一个明显的下探，对应表格中七月的数值是XX，八月是XX”。这种跨模态的对齐能力，是原生训练带来的优势。

3.2 WorkBuddy里的多模态应用场景

在WorkBuddy这个工作场景平台里，原生多模态的落地场景其实很具体：

• 设计稿评审：上传UI设计稿，直接问“这个页面的信息层级是否清晰”“按钮的点击区域是否足够大”“配色对比度是否符合无障碍标准”。模型能看懂布局、颜色、文字大小，给出具体建议。
• 流程图理解：上传业务流程图，问“这个流程里有没有死循环的风险”“哪个环节是单点依赖”。模型能识别节点、连线、判断分支，做出逻辑分析。
• 竞品截图分析：上传竞品App截图，问“它的导航结构是怎样的”“核心功能入口放在什么位置”。模型能提取界面元素和布局关系。
• 手写笔记整理：上传手写会议记录的照片，直接转成结构化纪要。原生多模态对手写体的识别率比拼接式高不少，尤其是连笔和涂改的地方。

我实测了设计稿评审这个场景。上传了一张中等复杂度的后台管理页面设计稿，问“这个表格的列宽分配是否合理，有没有可能出现文字截断”。模型不仅指出了哪几列在窄屏下可能出问题，还建议了具体的列宽调整比例。这个分析深度，已经接近一个初级UI评审的水平了。

3.3 多模态使用的注意事项

注意：原生多模态虽然强，但也不是万能的。图片分辨率太低、文字太小、对比度太差的情况下，识别准确率会明显下降。建议上传图片时保证长边不低于1024像素，文字区域清晰可辨。

另外，多模态推理的计算开销比纯文本大。虽然0.03x倍率让成本看起来很诱人，但如果大量上传高分辨率图片，实际消耗的token数会上升。我的经验是，对于纯文字内容，优先用文本输入；只有在确实需要理解视觉信息时，才走多模态通道。

还有一个坑：多模态模型对图表类型的敏感度不同。柱状图、折线图、饼图这些标准图表理解得很好，但桑基图、和弦图、雷达图这类复杂可视化，理解准确率会下降。如果业务里经常用这类图表，建议先用小样本测试一下。

4. 0.03x倍率：便宜背后的逻辑和边界

4.1 倍率是怎么算的

先把这个计费逻辑讲清楚，不然后面没法算账。

大模型API的计费通常按token数算，分输入和输出两个价格。倍率是相对于某个基准价格的倍数。假设基准价格是输入每百万token十元、输出每百万token三十元，那0.03x倍率就是输入三毛、输出九毛。

但这里有个细节：不同模型的token计算方式不一样。同样一段中文，有的模型算一千个token，有的算八百个。所以比较价格时，不能只看倍率，还要看实际token消耗量。我实测下来，Space Bunny的中文token效率属于中等偏上，没有明显的“虚标”问题。

4.2 低成本带来的策略变化

0.03x倍率最大的意义，不是“省钱了”，而是改变了使用策略。

以前用贵模型的时候，我会很谨慎地设计prompt，尽量一次问清楚，避免多轮对话。因为每一轮都要重新传上下文，成本叠加很快。但用Space Bunny的时候，我可以更随意地做多轮探索式提问——先问一个宽泛的问题，根据回答再追问，再根据追问结果深入。这种交互方式更接近人类之间的讨论，往往能挖出更深层的信息。

另外，低成本也让批量处理变得可行。比如我有两百份合同需要提取关键条款，以前用贵模型跑一遍要几百块，现在几块钱就搞定了。这种量级的变化，会让很多以前“想想就算了”的场景变成“可以试试”。

4.3 便宜不等于可以浪费

注意：0.03x倍率是价格优势，不是浪费的理由。长上下文和多模态的token消耗本来就高，如果不加控制，总成本还是会上去。

我的做法是：对于简单任务，用短上下文模式，只传相关片段；对于复杂任务，才开启长上下文。多模态也是，能用文字描述清楚的，就不传图。另外，WorkBuddy里可以设置单次请求的token上限，我一般会设一个合理值，防止意外的大文件上传导致费用飙升。

还有一个经验：输出token的价格通常比输入贵。所以如果只是做信息提取，可以让模型输出精简的结果，而不是长篇大论。比如“提取合同中的甲方、乙方、金额、期限”就比“请详细分析这份合同”要省钱得多。

5. 这个“匿名模型”到底强在哪：横向对比与选型建议

5.1 和主流模型的对比

我把Space Bunny和几个我用过的模型做了个横向对比，维度包括上下文长度、多模态能力、价格、响应速度、中文理解。

从表里能看出来，Space Bunny的核心优势是长上下文稳定性加原生多模态加极低价格这个组合。单独看每一项，都有比它更强的对手，但三项加在一起，目前市面上确实没有直接竞品。

响应速度中等这个点需要说明一下。1M上下文的推理本身就需要更多计算时间，加上多模态编码，首token延迟会比短上下文模型高。我实测下来，纯文本短请求大概两三秒出首token，长上下文请求可能要十秒以上。这个延迟在可接受范围内，但如果做实时对话，体验会打折扣。

5.2 什么场景适合用，什么场景不适合

适合的场景：

• 超长文档的理解和交叉分析
• 图文混合内容的处理，比如设计稿、流程图、报表
• 批量处理任务，对成本敏感
• 探索式问答，需要多轮深入

不适合的场景：

• 对响应速度要求极高的实时交互
• 需要极高精度的专业领域推理，比如医疗诊断、法律意见
• 纯文本短请求，用更便宜的轻量模型就够了

5.3 在WorkBuddy里的最佳实践

WorkBuddy把Space Bunny集成进来之后，我摸索出一套比较顺手的用法：

文档处理流程：先把所有相关文档上传到同一个会话里，用结构化标记分隔。然后先问一个全局性问题，让模型建立整体认知。再针对具体问题追问，每次追问都带上明确的锚点。最后让模型输出一个结构化的总结，方便存档。

多模态处理流程：图片先做预处理，裁剪掉无关区域，调整到合适分辨率。上传后先问一个描述性问题，确认模型“看到”了什么。再问分析性问题，比如“这个设计有什么问题”“这个流程有什么风险”。

成本控制流程：简单任务用短上下文，复杂任务才开长上下文。多模态按需使用。设置token上限。定期查看用量统计，发现异常及时调整。

6. 常见问题与排查技巧实录

6.1 长上下文相关的问题

问题一：上传大文件后，模型回答质量下降。

排查思路：先确认文件是否真的被完整读取。可以在提问时要求模型引用文档中的具体段落，如果引用不准确，说明读取有问题。常见原因是文件格式不兼容，比如扫描版PDF没有文字层，模型只能看到图片，理解效果会差很多。解决方法是先用OCR工具把扫描件转成可编辑文本。

问题二：模型在长上下文里“迷失”，找不到关键信息。

排查思路：检查提问方式是否太宽泛。把“这份文档里有没有提到XX”改成“文档第X部分关于XX的描述是什么”，定位效率会高很多。另外，如果文档结构混乱，可以先让模型做一次结构化整理，再基于整理结果提问。

问题三：多轮对话后，模型忘记了前面的内容。

排查思路：确认是否开启了新会话。有些平台在切换话题时会自动开新会话，导致上下文丢失。另外，如果对话轮次太多，即使总token没超上限，模型对早期内容的注意力也会下降。解决方法是定期把关键结论摘出来，放在新一轮对话的开头作为“记忆锚点”。

6.2 多模态相关的问题

问题一：图片里的文字识别错误。

排查思路：检查图片分辨率。文字高度低于20像素时，识别错误率会明显上升。解决方法是重新截图，保证文字清晰。另外，手写体比印刷体错误率高，如果手写潦草，建议先人工转录关键部分。

问题二：图表数据读取不准确。

排查思路：确认图表类型。标准图表准确率高，复杂可视化准确率低。解决方法是对于关键数据，让模型同时参考图表和原始数据表格，交叉验证。如果只有图表没有表格，可以让模型先描述图表结构，再读取数据，分两步走。

问题三：多模态请求成本超预期。

排查思路：查看用量统计，确认是图片token消耗过大。解决方法是压缩图片尺寸，裁剪无关区域，降低分辨率到刚好够用的水平。另外，如果只是做文字提取，可以先用OCR工具处理，再走纯文本通道。

6.3 成本相关的问题

问题一：实际费用比预期高。

排查思路：检查是否有大量输出token。输出通常比输入贵，如果模型回答很长，费用会上去。解决方法是在prompt里限制输出长度，比如“用两百字以内回答”。另外，检查是否有重复上传相同内容，造成输入token浪费。

问题二：批量处理时费用失控。

排查思路：批量任务容易在循环中累积费用。解决方法是先小批量测试，确认单次成本，再估算总量。设置预算上限，超过自动停止。另外，对于批量任务，可以用更精简的prompt，减少不必要的上下文。

提示：WorkBuddy里有用量监控面板，建议每天看一眼。发现异常增长及时排查，不要等到月底账单出来才后悔。

7. 我个人在实际操作中的几点体会

用Space Bunny这段时间，最大的感受是：模型能力的边界，往往不是模型本身决定的，而是使用方式决定的。同样的1M上下文，有人用来塞一堆文件然后问“总结一下”，得到一堆废话；有人用来做跨文档交叉验证，挖出人工容易忽略的矛盾点。差别不在模型，在提问的人。

另一个体会是，原生多模态的价值需要场景来兑现。如果你只是偶尔传张图问“这是什么”，拼接式模型也够用。但如果你需要模型理解图表里的数据关系、设计稿里的布局逻辑、流程图里的分支条件，原生多模态的优势才会真正体现出来。所以选型的时候，不要只看参数，要看自己的实际工作流里有没有这些需求。

最后说一个容易被忽略的点：匿名模型的不确定性。Space Bunny没有官方技术文档，没有明确的版本号，没有服务等级协议。这意味着它的行为可能随时变化，今天好用的prompt明天可能就不灵了。我的应对策略是：关键任务做好备份方案，不要把所有流程都绑在一个模型上。同时，定期做回归测试，用一组固定的测试用例检查模型表现是否稳定。一旦发现异常，及时调整。

这个内容后续还可以这样扩展：一是做更系统的长上下文压力测试，找出有效理解长度的实际边界；二是对比不同多模态任务下的准确率，建立场景与模型能力的映射表；三是探索0.03x倍率下的大规模批量处理工作流，看看能不能把以前需要人工几天的任务压缩到几小时。这些方向我还在陆续试，有新的发现再整理出来。