200万亿token之后，它才认领自己的名字

9月23日，一个叫 Space Bunny 的模型悄悄挂上 OpenRouter，四周里没人知道它来自哪家公司。10月19日晚，MiniMax 认领了它，正式版叫 M3.1 Flash，输入价压到每百万 token 一块钱。

一个月里，它先当了一个没有名字的模型

那四周的成绩单不小。

9月28日到10月4日的一周，Space Bunny Alpha 吃掉 38.7 万亿 token，环比涨 179%，坐在全球调用量第一的位置上。

前五名里有四款是中国模型。

它的配置也被人扒过一轮：100 万 token 上下文，支持文本、图像和视频输入，推理强度可调，还能调工具。有人把 50 个测试字符串喂进它的分词器，token 计数跟 MiniMax 系列一模一样，这是当时最像证据的一条线索。官方没接话，只让它继续跑。

直到今天晚上，官方博客才把数字补齐：匿名期间它处理了超过 200 万亿 token。也就是说，这个模型是在没有任何品牌背书的情况下，被开发者用真金白银的调用喂到了榜首，然后才被告知姓什么。

能力清单也一并放了出来：DeepSWE v1.1 得 73.7%，OSWorld V2 得 61.7，Agents' Last Exam 拿 29.6，CyberGym 82%。官方明确排名的只有两项：OSWorld V2 与 Agents' Last Exam 在国产模型里第一。Pro 版本稍后到，权重也稍后开。

匿名的四周，买的是一次没有品牌加成的考试

先匿名后认领，看起来像一次精心设计的悬念营销，但它同时解决了一个很实际的问题：榜单上的分数，到底能不能被相信。把品牌从评测里拿掉之后，开发者挑模型的顺序才会回到它本来的样子——通常先看榜单、再看价格、再拿自己的任务试一遍，而品牌名会悄悄改变这个顺序，熟悉的公司更容易被点开，新名字更容易被跳过。

榜单用的是另一种证据。OpenRouter 记录的是真实付费请求，谁被调用、被调用了多少，由开发者的钱包投票，和厂商自己发布的跑分不是一回事。一个匿名模型要在这种地方冲到第一，大致只能靠便宜、快，或者真的好用。

代价也真实。四周里它不能宣传，被猜错也不能出面纠正，出任何事故只能自己扛着。收益在认领那一刻兑现，全网已经替它猜了四周，官方只需要说一句“是我们”。

这套做法把“发布”从公告日改成了验证期。先让真实流量做四个星期的对照实验，再公布身份和价格，比开一场发布会更能说明问题。

三倍速：省掉的是“每个字都跟所有字互看”

三倍速这件事，官方给的解释是稀疏注意力，并且说这次把稀疏做得更激进。不让每个字都跟所有字互看，是最省事的理解方式。上下文越长，注意力要算的配对越多，到 100 万 token 这个量级，全量互看的成本会高到没法商用；稀疏化等于在每一层只保留关键的配对，把计算量和显存读取一起压下来。

落到数字上是这样：日常输出 200 以上 TPS，中位数稳定在 170 以上。这里的 TPS 指模型往外吐字的速度，不是第一个字出来的延迟，两个指标经常被混着说。

对写代码和跑 agent 的人来说，中位数比峰值更有参考价值。一个 20 步的任务，每步多等两秒就是四十秒，能不能稳定在 170，比偶尔冲到 300 更影响手感。

也要看到边界。速度提升主要作用在输出端，一个任务如果九成时间花在读上下文和等工具返回，TPS 从 100 提到 200 的体感会打不少折扣。官方说线上推理快了近三倍，这句话的前提是它自己的服务链路，换到别家框架里跑，倍数不一定复现。

七成降本，改的是账单结构而不是标价

价格表是这样：每百万 token 输入 1 元，输出 4 元，缓存读取 0.1 元。

跟上一代 M3 比，输入和输出都降了五成以上，缓存读取降了七成以上。

但官方强调的七成，口径是“agent 类任务的综合使用成本”，不是标价直降七成，这个区别值得掰开看。Agent 任务的特点是输入远大于输出。每一步都要把系统提示、历史记录、工具返回重新读一遍，一个 20 步的任务读进去几百万 token 很常见，真正生成的文字可能只有几万。

账单的大头因此不在输出，而在重读，缓存读取的单价从 1 元降到 0.1 元，等于把重读的价格打到十分之一。

按官方单价估一笔账：20 步任务，每步读 8 万 token 上下文，输出 1500 token。不命中缓存时，输入 160 万 token 要花 1.6 元，输出 3 万 token 花 0.12 元，合计 1.72 元；如果九成上下文命中缓存，输入部分降到 0.144 元加 0.16 元，连输出一共 0.42 元，降幅约 75%。

这个算例说明机制，不是承诺。缓存按前缀命中，前缀一改，后面的全部作废，所以框架有没有把变动内容放在末尾、有没有在中途重写系统提示，直接决定那 0.1 元能不能吃到。

换个角度说，降价不是厂商单方面让利，它把一个技术选择变成了用户的省钱能力。前缀管得住的人，账单降七成；前缀管不住的人，可能只降到三成。

164 万亿 token 的榜单里，它已经坐过一次第一

把镜头拉远，上周（10月12日到18日）全球调用量 164 万亿 token，环比降 4.65%。

其中中国模型 79.18 万亿，美国 17.36 万亿，中国连续 25 周排在第一。

前五名全部是中国模型：DeepSeek V4.1 Flash 32.8 万亿居首，环比降两成；智谱 GLM 5.3 Flash 12.2 万亿；阶跃星辰 Step 5 Preview 11.5 万亿，环比涨 30%；小米 MiMo-V2.6-Flash 9.94 万亿；腾讯 Hy4 preview 7.55 万亿。GLM 5.3 这周 5.19 万亿，涨 37%，排第八。

放到这个坐标系里看，Space Bunny 认领前那一周的 38.7 万亿，比现在第一名还高。匿名期的量把它自己推到了榜首，认领之后，它要开始用同一个名字抢份额了。

这份榜单也有测不到的地方。它统计的是经过聚合路由的调用，不覆盖各家云厂商和企业内网的用量；它数的是 token，输入、输出、缓存混在一起，一个反复读长文档的应用会显得比一个高频短对话的应用“用得多”。token 量大，只说明被路由到了，不说明被满意了。

两个容易被带偏的判断

“降价七成就是打价格战”。这话有它的道理，输入输出对半砍、缓存打到十分之一，确实是硬碰硬的下调。但它解释不了一件事：同一个模型换一个任务，降幅会变。任务里重读占比高的，账单能降七成；一次问答就走人的，降幅接近标价的五成。把七成当成通用折扣，做预算时会差出一截。站得住的说法是，这轮降价主要发生在重复读取这一环。

另一头，“匿名测榜纯属营销花招”。这话也有一半对，认领那一刻的热度确实是设计出来的。可它解释不了 200 万亿 token 从哪来，营销能买到关注，买不到四周的付费调用。更贴近事实的理解是，它把发布前的一次评测换成了发布中的一次实测，代价是这四周里它不能解释任何事。

这两种误读之所以常见，是因为大家习惯拿标价和发布会当坐标。现在这两样都在松动，标价之外还有缓存，发布会之外还有匿名跑量。

下次你看到一个模型的价格表，可以先问一句它的缓存读取多少钱，这个数字比输入价更能说明它在为哪种用法优化。要是匿名跑四周再认领成了常规，你选模型时更信榜单第一，还是自己那张账单？

作者提示含AI生成内容。作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～