WorkBuddy 上线原生多模态匿名大模型 Space-Bunny：推理快、编码强、0.08x 倍率

摘要：

WorkBuddy 上线一款原生多模态匿名大模型 Space-Bunny，官方描述集中在三点：原生支持文本/图像/视频输入、推理速度极快、编码能力强，消耗速度是 0.08x 倍率。这篇顺着这三点拆开，讲清它分别能接住哪类活儿，再补上思考强度、上下文档位和四步上手方式。

一、选模型，真正卡人的是三件事

用 AI 干活，跑久了会发现，选模型这件事很少卡在“能力够不够强”，更多时候卡在下面三件具体的事上。

一是轻交互的等待时间。改一段文案、给一封长邮件压缩成三行摘要、把表格里的数据过一遍筛选——这类任务单次看都不重，但一轮下来要反复等待。

二是材料的形态。截图里的报错信息、设计稿上标注的尺寸、聊天记录里同事甩过来的一张表格——这些内容到手时本来就不是文字，要先转成文字才能喂给模型。

三是写代码这件事要不要单独挑模型。开发里写功能、改代码、定位报错本身门槛就高，交给一个不擅长编码的模型，往往要多绕几轮才得到能用的结果；办公里的批量处理、流程固化也是同一类需求，都要求模型把逻辑写对，而不只是把话说顺。

理想的模型要同时接住这三件事，现实里大多数模型总有一头偏重。这次新上线的 Space-Bunny，官方给出的三条描述——推理速度极快、编码能力强、原生支持文本/图像/视频输入——对应的正是上面这三件事。下面按这三条逐个看它能接住什么，还有一个是直接关系到积分消耗的倍率数字。

二、官方给出的参数，就这么几项

新模型上线时最容易出问题的地方，是把“官方没说”的部分用推测填满。对 Space-Bunny 来说，目前可核对的参数集中在客户端模型详情页，下表是其中的全部内容：

表格之外的信息，目前没有可核对的说法，厂商身份就是其中一项。下面按已确认的这几项参数逐个展开。

三、0.08x 倍率怎么理解

要理解 0.08x 这个数字，先得知道 Credits 是什么。Credits 是 WorkBuddy 的虚拟积分，用于计量 AI 模型调用、文件处理等操作消耗。消耗规则有三条：不同模型消耗不同数量的 Credits，其中推理模型消耗更多；文件处理（PDF / Word / Excel 等）根据文件大小消耗 Credits；自动化任务每次执行也会消耗一定数量 Credits。

倍率说的就是“消耗速度”这件事。0.08x 是一个相对系数，含义是同样一轮交互下，Credits 的扣减速度明显低于倍率更高的模型；它不是一个可以直接换算成金额的定价，也不意味着单次任务的扣减量是个固定数字——真实扣多少，还取决于这一轮读了多长的上下文、输出了多少内容、处理了多大的文件。

倍率低意味着同样的任务扣减更少，排任务量时不必为它另设一个更省钱的口径，用常规的积分消耗流程记即可。余额和消耗明细可以在「设置」→「积分」中查看；如果用的是企业版，团队的整体消耗量由管理员统一查看，不必每个人自己去盯。

四、推理速度快，适合放什么活儿上

“推理速度极快”是官方描述里的原话，这条在办公场景里的落点很具体：写一段文案要改三轮才定稿、查一段资料来回翻找几轮才理清、跑一段数据要反复调参数——这类任务单次看都不重，但一天要反复发生几十次。等待一旦变成习惯性成本，人自然就不太愿意把 AI 当成随手就用的日常工具。

速度的另一个价值在多轮迭代上。一份方案来回改三轮、一份数据反复调参数校准、中间结果不对再推翻重来——这类任务往往要来回好几轮才逼近目标；每一轮都等上一阵子，原本十分钟能收敛的事就拖成了半小时。响应够快，才有余量多试几个方案再定稿。

五、原生多模态输入：材料不必先转成文字

简单说，原生多模态输入就是让模型直接接收并理解文本、图像、视频，不用先由工具把它们转成文字、再把文字喂给模型。转手这一步看似省事，实际要付出两重代价：多一道人工操作，以及一次信息损耗——图片里的排版、颜色、层级，视频里的画面与音轨，转成文字后都难以完整保留下来。

对办公来说，这项能力的价值就落在少一道中转。设计稿改版，把稿子直接丢进去问布局；遇到报错截图，直接问成因；拿到统计表格的截图，接着让它做筛选和汇总；一段会议录像或产品演示视频，直接问里面的关键信息，中间都不需要自己转录一遍。

六、编码能力强，开发和办公两头都能用

“编码能力强”最直接的落点就是开发场景：写新功能、改已有代码、定位报错、给一段逻辑补上边界条件。它和推理速度快这一点配合起来尤其有用——开发里大量时间花在来回试错上，改一版跑一遍、再改一版又跑一遍，响应够快，收敛得就快。

这不是停留在建议层面的能力。它的官方描述里明确写了带工具调用能力，而 WorkBuddy 本身也不只生成文字建议，还能实际调用工具、读写文件、运行代码，读取已授权的电脑文件夹做批量处理。模型负责把逻辑写出来，平台负责让它真的跑起来。

对日常办公里的重复活儿，这项能力同样用得上：写个小脚本处理一批文件、把一段反复做的操作固化成可复用流程、用脚本生成格式统一的文档。这些活儿单看都不难，但积攒起来占掉的时间不少。

判断它值不值得用，看的不是代码一次成不成，而是给出的逻辑对不对得上你实际的接口和数据结构——对得上，才能放心把更长的那段流程交出去。

七、思考强度五档，按任务调

Space-Bunny 提供低 / 中 / 高 / 超高 / 极致五档思考强度。

标注“思考模式 / 推理模型”的模型支持思考过程可视化，可以在对话框中展开查看完整的思考链。这对判断结果质量有帮助——当输出不符合预期时，先看它在哪一步拐了弯，比反复重试更省事。

日常使用其实不需要频繁动这个旋钮。真正值得下调的是批量、重复、要求简单的活儿——一次跑几十条格式化、命名、归类这类任务时，调到低或中就能完成，没必要每条都按最重的档位走。反过来，涉及多步分析、需要权衡多个条件的活儿，往上调一档更稳妥。

八、上下文三档，按材料长度选

Space-Bunny 的上下文窗口不是单一数字，而是提供 300K、600K、1M 三档可选。

窗口档位不是越大越好——开到 1M 不会让模型变聪明，只会让每一轮的积分消耗成倍增加。换句话说，窗口调大换来的是“能装下更多内容”，代价是“每一轮都按更长的上下文计费”，模型的判断力并不会因此提升。结合它 0.08x 的消耗倍率来看，倍率低让同样的任务更省，但不等于能无节制开满：开在 1M 和开在 300K，单轮消耗仍不是一个量级，而多数日常任务的材料根本用不到那么长。

选法就清楚了：多数日常任务从 300K 起步已经够用；材料明显偏长——比如一整份带图表的设计稿集、一段较长的会议录像、一份超长的合同或研报——再上到 600K 或 1M。前面提到的多模态材料（截图、视频、压缩包）体积往往不小，投喂前先想清楚这次任务真正需要多长的上下文，比顺手拧到最高档更划算。

九、从模型选择器到上手试用

Space-Bunny 和其余内置模型并列出现在同一个模型选择器里，它的位置可以直接从「模型选择」下拉菜单中找到。

上手大致是四步，建议先拿一件你今天本来就要做的轻活儿试水，而不是先搬一段大材料：

1. 切换模型。在对话框右上角点开「模型选择」下拉菜单，或者从「设置」→「模型」进入，在列表里选中 Space-Bunny。
2. 投喂材料。对话框里可以直接上传图片、文档、视频和 .zip 压缩包，文本、图片、视频、文件（.pdf / .docx / .xlsx 等）都能作为上下文，不必先转成文字——正好对应它原生支持文本/图像/视频输入的卖点。
3. 跑一段轻量任务。挑一段要看的报错截图、一个待写的小脚本，而不是先拿长文档试水。轻任务反馈快、判断成本低，也方便你直接感受它“推理速度快”和“编码能力强”的卖点是不是名副其实。
4. 确认后再固定下来。响应速度、多模态表现、代码逻辑对得上你的实际接口和数据结构，就把这类任务固定交给它；要处理的长文档、需要权衡条件多的活儿，再回头调上下文窗口和思考强度这两个旋钮。

写在最后

Space-Bunny 的定位很收敛：原生支持文本/图像/视频输入、推理速度快、编码能力强，消耗只要 0.08x 倍率。它不追求大而全，而是把这几种能力压进一个低成本、多模态都接得住的匿名模型里——读图、看视频、写代码、快速来回迭代这些日常轻活儿，正是它适合当常驻选项的理由。

厂商是谁，官方目前没披露，也无需急着下结论。在可核对信息出现之前，一段真实的任务结果比任何推断都更有说服力：挑一件你今天本来就要做的读图或写脚本任务交给它，跑通了它就在清单里，跑不通再换也不迟。

想把 Space-Bunny 铺进团队工作流，正好有一项同期在跑的企业积分活动：2026 年 7 月 1 日至 12 月 31 日，企业旗舰版与企业专享版客户在新购、续费或扩容时，可在版本已含基础积分之外，按每账号每月 2,000 Credits 的标准额外加赠同等额度，即每月实得积分翻倍；加赠部分自到账日起 1 个月内有效，每月发放可能有延迟。个人版标准版及以上套餐，也附带每月限时加赠积分，可一并算进日常使用成本。套餐权益、企业版规格和这项活动的细则，都可以从 WorkBuddy 官方活动页 了解。