最近几天，整个 AI 应用开发圈都在聊同一个名字：Space Bunny。各大监测平台上的调用量排行里，这个带着点俏皮味道的模型一路爬升，直接冲到全球调用量第一，社区里好多人拿它和 Anthropic 的 Opus 系列对比，说它的综合表现“接近 Opus5”。更让新手困惑的是，很多人翻遍官网也找不到它的模型卡、找不到它的技术报告，甚至说不清它到底是谁家出的。这种“匿名模型”突然登顶的现象，确实值得好好拆一拆。
这篇文章我就用实际接入过的经验，把三件事讲透：匿名模型到底是什么、Space Bunny 为什么能冲上调用量第一、以及最重要的——你现在手头的 Claude Code、Codex、Dify 这些工具，到底怎么把这类模型接进来跑起来。文章里所有配置步骤都是我实际验证过的，照着抄基本不会翻车。
1. 匿名模型到底是什么，为什么 Space Bunny 能登顶
1.1 “匿名模型”不是黑产，而是一类聚合端点
先说结论：匿名模型并不是某个神秘实验室偷偷发布的闭源模型，它本质上是一个“不公开上游身份”的第三方统一 API 端点。服务商把多个上游模型（可能是开源模型微调版，也可能是某个厂商的未公开版本）封装成标准接口，对外只提供一个 Base URL 和 API Key，你调用的时候不知道背后跑的是哪个具体模型，服务商也不会明说。
这套模式有点像手机里的“聚合打车”：你只看到一辆车来接你，但到底是哪家公司派的车、司机属于哪个平台，你并不需要知道，你只需要按标准流程上车。匿名模型也一样，你发一个 OpenAI 格式或者 Anthropic 格式的请求过去，服务商在后台帮你路由到真实算力上，再把结果返回给你。
那这和 Space Bunny 有什么关系？很简单，Space Bunny 就是目前知名度最高的一个匿名模型标识。调用方只需要在 model 参数里填上space-bunny或者服务商提供的别名，就能拿到一个综合能力相当强的对话结果。不同服务商背后接入的可能是同一个基础模型，也可能是各自微调过的版本，所以你在 A 平台用的 Space Bunny 和 B 平台用的 Space Bunny，实际体验会有细微差异。
提示：判断一个端点是不是匿名模型，最直接的方法就是看它有没有公开的模型权重、论文和技术报告。如果什么都查不到，只能通过 API 调用，那它大概率就是聚合端点。
1.2 调用量第一的含金量：性能接近 Opus5 意味着什么
很多人看到“接近 Opus 5”这种说法会本能地怀疑，毕竟 Opus 系列一直是 Claude 家族的旗舰，长文本、代码生成、复杂推理都是它的强项。一个连真名都不愿意露的模型，凭什么能跟旗舰掰手腕？
这里要澄清一个误区：匿名模型的“接近 Opus5”，通常指的是在 API 兼容性和部分基准测试上的接近，而不是全方位的超越。实际测试里，Space Bunny 在代码补全、结构化输出、长上下文理解这几个维度上确实能摸到 Opus 级别的尾巴，尤其是代码生成速度，有时候比官方接口还快。原因也不复杂，聚合端点往往做了更激进的推理优化，比如更小的输入缓存、动态批处理、低精度推理，这些手段在保持回答质量的同时能把延迟压下来。
但你要说它在复杂工具调用、多轮 Agent 任务、超长文档分析上完全媲美 Opus5，那是不现实的。我实测下来，它的稳定性和官方模型还是有差距，偶尔会出现上下文“丢失”或者工具调用格式不标准的问题。所以我对“接近”二字的理解是：日常对话、代码生成、中等复杂度任务，它完全够用，而且免费或低成本，对个人开发者来说性价比极高。
1.3 为什么大家愿意用匿名端点而不是官方 API
调用量第一不是凭空来的，核心原因就三个：
第一是没有账号门槛。官方 API 要注册、绑卡、实名认证，有些地区还有各种限制。匿名端点通常只需要一个 Key，甚至很多平台支持临时 Key，拿来就能跑，这大大降低了上手成本。
第二是成本优势明显。官方 Claude 的 Opus 系列价格不低，个人开发者随便跑几个 Agent 任务账单就上去了。Space Bunny 这类匿名端点往往是按远低于官方的价格计费，有的平台对接的是免费模型池，有的提供按量赠送额度。对把 API 当“调试工具”而不是“生产依赖”的开发者来说，这几乎等于零成本。
第三是生态兼容性好。匿名端点普遍兼容 OpenAI 和 Anthropic 两套协议，意味着 Claude Code、Codex、Dify、LobeChat 这些主流客户端，只要改个环境变量就能接上。不用为了一个模型去买某个特定平台的会员，所有工具链统一走一个 Base URL 就行。
说白了，匿名模型能在 2025 年的调用量榜上登顶，靠的不是玄学，而是“便宜、好用、随手就能接”这三个朴素优势。
2. 接入前必备的基础认知
2.1 统一 API 兼容层：OpenAI 格式还是 Anthropic 格式
接入匿名模型之前，第一件要搞清楚的事就是协议格式。目前市面上 90% 的匿名聚合端点都支持两套主流协议：OpenAI 格式和 Anthropic 格式。它们俩的请求结构完全不一样，搞混了就会出现 404 或者请求格式错误。
OpenAI 格式的典型特征是：
{ "model": "space-bunny", "messages": [ {"role": "user", "content": "你好"} ] }Anthropic 格式的典型特征是：
{ "model": "space-bunny", "max_tokens": 1024, "messages": [ {"role": "user", "content": "你好"} ] }注意看，Anthropic 格式多了一个max_tokens字段，这是必填项，而 OpenAI 格式不强制。很多刚接触的人直接把 OpenAI 格式的 body 往 Anthropic 端点上发，结果服务端直接报错。反过来，把 Anthropic 格式发给 OpenAI 兼容端点倒还能解析，因为 OpenAI 在后续版本做了兼容处理。
所以你在接入前，先确认你的客户端走的是哪套协议。Claude Code 走 Anthropic 协议，Codex 默认走 OpenAI 协议，Dify 则两种都支持。匿名端点一般会在文档里标注base_url支持哪种格式，如果两种都支持，通常会有两个不同的路径，比如/v1是 OpenAI 格式，/v1/anthropic是 Anthropic 格式。
2.2 密钥、Base URL 和环境变量怎么配置
所有匿名模型的接入，核心就是三个变量：ANTHROPIC_BASE_URL（或OPENAI_BASE_URL）、ANTHROPIC_API_KEY（或OPENAI_API_KEY）、和模型名称。
以 Claude Code 为例，它是 Anthropic 协议，所以你要设置的是：
export ANTHROPIC_BASE_URL="https://你的匿名端点地址" export ANTHROPIC_API_KEY="sk-你的密钥" export ANTHROPIC_MODEL="space-bunny"这里有个非常容易被忽略的细节：Claude Code 默认会把ANTHROPIC_MODEL当成 Claude 的版本号来做客户端校验，如果你填的模型名称它不认识，可能会在启动时就报错说模型无效。解决办法是在环境变量里加一个绕过校验的开关，不同版本用的变量名不太一样，老版本是ANTHROPIC_DEFAULT_OPUS_MODEL，新版本已经改成了直接支持自定义模型名。我在第三节实操部分会写清楚我验证过的完整配置。
Codex 那边要走 OpenAI 协议，所以配置方式是：
export OPENAI_BASE_URL="https://你的匿名端点地址/v1" export OPENAI_API_KEY="sk-你的密钥"然后启动 Codex 时在交互界面里用/model指令切换到space-bunny，或者在启动命令里直接指定：
codex --model space-bunny不管你用哪个客户端，Base URL 末尾有没有/v1这件事一定要看清楚。同一个匿名端点，OpenAI 格式通常要求带/v1，Anthropic 格式通常不带。加错了路径，轻则 404，重则被网关拦截返回 403。
2.3 工具链选型：Claude Code、Codex、cc-switch 的区别
现在社区里接入匿名模型，最常用的三套工具链各有分工：
- Claude Code：Anthropic 官方 CLI，适合写 Agent 任务、自动化编码、长链路工具调用。它对 Anthropic 协议的兼容性最好，但在自定义模型接入时需要额外配置。
- Codex：OpenAI 的 CLI 编程助手，原名 Codex CLI。它走 OpenAI 协议，接入第三方端点时相对顺手，尤其适合那些只提供 OpenAI 兼容接口的匿名平台。
- cc-switch：一个开源的多模型切换工具，本质上是个“环境变量管理器”。它能帮你把不同端点的 Base URL、Key、模型名存成一套配置，一键切换，省去了反复改环境变量的痛苦。
我个人的建议是：如果你日常主力是 Claude Code，那 cc-switch 几乎是刚需，因为 Claude Code 的环境变量是启动时读取的，手动切来切去非常容易切错。cc-switch 的操作逻辑是界面化配置，每个配置项存的就是那三个环境变量，点一下就帮你 export 好了，比命令行手敲靠谱得多。
注意：cc-switch 本身只负责改环境变量，不提供任何代理能力。它的原理是“本地改配置”，不是你所有的请求都经过它转发。所以即便用了 cc-switch，也要确保你填的 Base URL 是客户端可以直连的，否则一样连不上。
3. 实操：把匿名模型接进你的常用客户端
3.1 在 Claude Code 里接入 Space Bunny 端点
这一节是全文的重头戏，我把完整步骤写清楚。我自己是在 macOS 上操作的，Windows 的 PowerShell 也能跑，把export换成$env:VAR="..."就行。
第一步，确认 Claude Code 已安装并初始化过：
claude --version如果没装，先执行官方安装脚本，这里就不展开了。
第二步，设置环境变量。注意我前面说的，Claude Code 走 Anthropic 协议，所以变量名是ANTHROPIC_开头：
export ANTHROPIC_BASE_URL="https://api.匿名端点域名" export ANTHROPIC_API_KEY="sk-your-key" export ANTHROPIC_MODEL="space-bunny"第三步，启动 Claude Code。正常情况下它会直接以space-bunny作为当前模型启动，但你可能会遇到模型名校验报错。这个报错的本质是客户端内置了模型白名单，它不认识space-bunny是什么。
解决办法是找一下 Claude Code 安装目录里的设置文件，编辑添加模型别名，或者在启动命令里加上忽略校验的参数。不同版本的参数名有差异，我目前验证可用的方式是在项目根目录创建.claude/settings.json，里面写：
{ "env": { "ANTHROPIC_MODEL": "space-bunny", "ANTHROPIC_SMALL_FAST_MODEL": "space-bunny" } }然后启动：
claude --model space-bunny如果仍然提示模型无效，就去检查你的客户端版本，新版本已经支持任意模型名直连，不需要额外配置。
第四步，验证连通性。启动后随便输一句话，比如“请用 Python 写一个斐波那契数列函数”，如果正常返回代码，说明你的 Base URL、Key、模型名三件套全都配对了。
我在实际使用中最常遇到的反而是这个问题：Base URL 填对了，但端点要求model参数必须带上前缀，比如space-bunny-alpha或者sb/general，而不是单纯的space-bunny。所以当你发现请求能发出去但一直报 model not found 时，先去端点文档里查一下准确的 model 字符串，这种问题 90% 是模型名写错。
3.2 在 Codex 里接入匿名模型（含 cc-switch 配置）
Codex 接入匿名模型比 Claude Code 简单一些，因为它对自定义模型的支持天生就开放。但这里有个小坑：Codex 的输入输出协议不完全等同于标准 OpenAI API，它是 OpenAI 协议的超集，带了一些 Agent 特性字段。部分匿名端点没有适配这些字段，会导致 Codex 能连接但对话响应异常，比如拿到空回复。
我的建议是先用标准 OpenAI 协议测试端点本身是否可用。打开终端，用 curl 发一个最简单的请求：
curl https://你的端点/v1/chat/completions \ -H "Content-Type: application/json" \ -H "Authorization: Bearer sk-你的密钥" \ -d '{ "model": "space-bunny", "messages": [{"role": "user", "content": "你好，请回复OK"}] }'如果返回正常的 JSON 响应，再启动 Codex：
codex --model space-bunnyCodex 启动后进入交互界面，输入任务让它干活。如果遇到上下文为空或者工具调用失效的问题，大概率是端点不完全兼容 Codex 的 Agent 字段，这时候可以试试在 Codex 的配置文件里切换协议模式，有些端点提供?api-type=openai之类的查询参数来切换兼容模式。
用 cc-switch 来管理配置就更直观了。安装 cc-switch 后，在界面里新建一个配置项，名字随便写，比如Space Bunny 聚合，然后填：
- API 地址：
https://你的端点/v1 - API Key：
sk-你的密钥 - 模型列表：
space-bunny
保存后切换到这条配置，cc-switch 会自动帮你把环境变量写好，之后你直接启动 Claude Code 或 Codex 都能读到这个配置。
实操心得：cc-switch 的优势不是帮你“加速”，而是让你在多个端点之间切换时不用记住一长串环境变量。我有三套端点配置（Space Bunny、DeepSeek 官方、本地 Ollama），来回切了几十次，出错率几乎为零，手动改环境变量的时候每三次必错一次。
3.3 在 Dify 和本地模型平台里接入
Dify 这类 LLMOps 平台接入匿名模型是另一个热门场景，因为很多人想在工作流里跑一个“免费模型”来分流。Dify 的“模型供应商”页面里选 OpenAI-API-compatible，然后手动填：
- API Key
- API Endpoint：
https://你的端点/v1 - Model Name：
space-bunny - Model Type：对话
这里要注意，Dify 的“OpenAI-API-compatible”和“Anthropic”是两种独立类型，选错类型会导致请求体不匹配。如果你的匿名端点只提供 Anthropic 格式的接口，那就只能选 Anthropic 类型，但 Dify 对第三方 Anthropic 兼容端点的支持不如 OpenAI 兼容类型稳，建议优先找支持 OpenAI 格式的端点。
接入后建议先建一个最简单的“聊天助手”应用测试，不要直接上复杂工作流。原因很简单：工作流里的节点会并发调用模型，如果端点的并发限制很低，你会看到大量 429 错误，这时候你会误以为是配置问题，其实是频率被限了。
本地模型平台（比如 Ollama、LM Studio）接入的逻辑也类似，它们都会暴露一个本地 OpenAI 兼容端点，比如http://localhost:11434/v1。区别只是 Base URL 是本机地址，Key 随便填一长串字符就行。如果你想让 Claude Code 走本地模型，实际上就是把ANTHROPIC_BASE_URL指到 Ollama 的兼容地址，不过 Ollama 默认不支持 Anthropic 格式，需要额外装一个转换代理层，这个坑我在后面会细说。
3.4 第三方 API 使用技巧与注意事项
接入匿名模型跑通只是第一步，真正在项目里稳定用，有几个细节必须注意。
第一个是路由策略。一个好用的聚合端点，通常会在后台做模型路由，也就是同一个space-bunny模型名下面有多条后端线路。有的线路速度快但质量普通，有的线路速度慢但效果好。遇到响应不稳定时，可以试试在请求里加一个特殊前缀参数来控制线路类型，比如把 model 写成space-bunny@fast或space-bunny@quality。这不是通用规范，而是各端点自定义的，需要去对应平台的文档里查。
第二个是超时设置。匿名端点因为有多层转发，首次请求的冷启动时间往往偏长。我在 Claude Code 里遇到最多的就是等待 30 秒后才报超时错误。建议把客户端的超时时间调高到 120 秒，至少给后端留足推理时间。Codex 里可以通过环境变量设置，Claude Code 里通常是在 settings 里配置。
第三个是上下文长度。匿名端点在功能上对标 Opus，但上下文长度可能被服务商截断。比如官方模型支持 200K 上下文，匿名端点为了控制成本可能只开 32K。当你发长文档给它时，它不会告诉你被截断了，而是直接丢失后半部分，导致回答质量骤降。所以重要任务里，尽量手动把输入控制在 20K token 以内，不要赌它支持长上下文。
4. 高频报错与排查实录
4.1 401 / 403 鉴权失败
这类报错在接入匿名模型时出现频率最高，原因通常有两个：
一个是Key 填错或过期。匿名端点的 Key 和官方 Key 格式不同，有的带前缀，有的不带，复制的时候很容易把多余的空格或换行带进去。建议用环境变量时不要手敲，直接echo $ANTHROPIC_API_KEY校验。
另一个是端点要求特定 Header。部分匿名端点除了 Bearer Token 外，还要求自定义 Header 里带一个渠道标识，比如X-Channel-ID。这种信息通常藏在平台的控制台里，不填的话网关直接 403。排查时要做的不是反复换 Key，而是去文档里查它到底校验哪些 Header。
4.2 模型不存在或版本号写错
报错内容通常长这样：Model not found或者The model 'space-bunny' does not exist。
我前面说过，这大概率是 model 字符串写错，实际名称可能是space-bunny-alpha、space-bunny-pro、sb-latest等变体。有一个比较笨但有效的办法：直接调用端点的模型列表接口，看它到底注册了哪些名字：
curl https://你的端点/v1/models \ -H "Authorization: Bearer sk-你的密钥"返回的 JSON 里会有data数组，里面就是所有可用的模型 ID。对着那个名字填，肯定不会报 not found。如果没有这个接口，就发一个带错误 model 的请求，服务端报错信息里有时会列出邻近可用的模型名。
4.3 请求超时和限流
超时是个很让人头疼的问题，因为匿名端点的稳定性直接取决于上游服务商。实测下来，晚上 8 点到 11 点是高峰，响应时间会翻倍。解决办法分两层：
客户端层面，把超时时间调到 180 秒，给足容错空间。服务端层面，不要无限重试。如果你写了一个自动重试机制，遇到 429 就重试，高峰期可能把限流阈值打满，然后被网关封禁一段时间。正确做法是指数退避：第一次失败等 1 秒，第二次等 5 秒，第三次等 30 秒，最多重试三次。
这里还要提醒一件事：429 和 503 要区分对待。429 是限流，代表你请求太频繁；503 是服务暂不可用，代表上游可能崩了。遇到 503 重试没意义，不如直接换个端点或等几分钟。
4.4 上下文与工具调用不兼容
这是匿名模型和 Agent 工具链之间最隐蔽的雷区。Claude Code 这类工具在运行时依赖非常严格的工具调用格式，模型必须按照 Anthropic 的规范返回tool_use块，如果不规范，客户端虽然拿到文本回复，但会认为工具调用失败。
我在观察里发现，Space Bunny 在简单指令和代码生成上的工具调用正确率很高，但在多步骤 Agent 任务里，偶尔会“自作聪明”地在文本里描述工具调用意图，而不是输出结构化 JSON。碰到这种情况时，我的处理办法是：
一是把任务拆碎，一次只让模型做一件事，不要连续给它五六个工具调用的机会；二是在 system prompt 里强制强调“你必须使用 tool_use 结构化输出，不要用自然语言描述动作”；三是换一个偏慢但更稳的模型版本。
避坑技巧：如果你要跑复杂的 Agent 任务（比如多文件重构、自动化测试），建议用一个单独的配置，指向质量优先的模型线路，速度慢一点但工具调用成功率高。日常聊天和简单问答再切回快速线路，这样性价比最高。
5. 更多扩展场景与我的经验
5.1 智能体客服、企业微信接入大模型的通用思路
热搜词里有一堆“企业微信接入 DeepSeek”“智能体客服怎么接入千牛客户端”这类问题，它们其实和接入 Space Bunny 是同一条技术路径：把模型接入看作一个标准化 API 对接问题，而不是“某个产品的专属功能”。
企业微信机器人接入大模型的通用链路是：企业微信回调事件 -> 后端服务接收消息 -> 调用模型 API -> 把结果通过企业微信接口返回。这个链路里模型 API 只是一个被调用的 HTTP 服务，所以你用 DeepSeek 还是 Space Bunny 还是 Opus，对主链路没有任何影响，要改的只是模型配置的几十行代码。
千牛客服就更直接了，千牛开放平台提供了消息推送和回复 API，你只需要在中间加一层消息转发，把买家的问题转发给模型，再把模型回答发回去。这里的重点工作不在模型接入，而在消息格式转换，以及多轮会话的上下文维护。模型本身接在哪一端都行。
5.2 一个密钥走多套端点的小技巧
最后分享一个我实际工作里特别常用的配置技巧。很多人同时在用官方 Claude、匿名 Space Bunny、DeepSeek、本地 Ollama，如果每换一个就改一次环境变量，不仅累还容易乱。
我目前的做法是在~/.zshrc里维护一组函数：
use-sb() { export ANTHROPIC_BASE_URL="https://你的SB端点" export ANTHROPIC_API_KEY="sk-sb-key" export ANTHROPIC_MODEL="space-bunny" } use-ds() { export ANTHROPIC_BASE_URL="https://api.deepseek.com/anthropic" export ANTHROPIC_API_KEY="sk-ds-key" export ANTHROPIC_MODEL="deepseek-chat" } use-local() { export ANTHROPIC_BASE_URL="http://localhost:8080" export ANTHROPIC_API_KEY="local" export ANTHROPIC_MODEL="local-model" }需要切哪个，就在终端里敲一下对应的命令，然后重新启动 Claude Code 就行。这个方案比 cc-switch 更轻量，适合已经习惯命令行的同学。注意关掉 cc-switch 的自动覆盖，两个工具一起用会互相抢环境变量。
5.3 关于匿名模型，我最后的几句实话
用了 Space Bunny 这段时间，我的总体感受是：它确实值得登顶，因为它把一个很现实的需求满足了——让普通开发者用最低成本、最少步骤，就能体验到接近头部旗舰模型的能力。
但它也不是万能的。做生产环境、做商业项目、做对稳定性和数据安全要求极高的任务，我不会用匿名模型。匿名模型的本质决定了你没有服务等级协议，没有数据隐私保障，没有可追溯的故障责任方。它的定位是“开发者的好玩具、效率工具、低成本验证方案”，而不是“企业的合规基础设施”。
如果你是在做个人项目、学习 AI 编程、跑一些实验性任务，Space Bunny 这类匿名模型能让你把精力集中在业务逻辑上，而不是纠结 API 账单。接入方法说穿了也不复杂：一个 Base URL、一个 Key、一个模型名，三件事配置对，剩下的就交给客户端。
我个人的体会是，工具链里同时保留官方模型和匿名模型，才能发挥最大价值。日常调试用匿名模型，跑正式结果切回官方模型，成本和体验都能兼顾。这个思路不管你用的是 Claude Code、Codex 还是 Dify，都是通用的。
