Space Bunny Alpha：神秘身份与极速响应测试
本期节目聚焦最新发布的 Space Bunny Alpha 模型，该模型目前处于“隐身模式”，开发者身份成谜。字幕推测其背后可能是 Minimax、Kimi K2.8 或 Mistral，甚至被部分人称为“Astra 级别”的杰作。为了验证其实力，视频采用了 Space Bunny（云端）与本地运行的 Quen 4 EXP（即 Quen 3.8 Flash）进行直接对比。在基础交互测试中，Space Bunny 展现了惊人的响应速度，处理“Hello”指令仅耗时 261毫秒；即便将本地模型的思考模式从默认调整为“最大”，响应时间也稳定在 151毫秒 左右。这种极速表现表明，对于简单提示词而言，两者在延迟上均处于极低水平。
"Space Bunny Alpha right now. It is in stealth mode... Apparently, it could be Miniax, it could be Kimmy K 2.8"
"boom to less than a second 261 milliseconds we got response"
基于现有代码的进阶提示词测试
为了验证AI处理复杂逻辑的能力，博主在云端和本地环境中均开启新的上下文窗口。他要求系统检查之前生成的“核按钮”文件夹，并在此基础上进行改进。核心挑战在于AI能否读取现有的文件结构：云端版本包含 main.js、style.css 和 index.html，而本地版本仅有单一的 index.html。博主使用了极高强度的提示词（Extra High Thinking），要求AI在现有代码上构建更复杂的场景。云端模型正在处理约8,000个token，而本地模型则迅速完成了初步生成。
"The key challenge here is it's going to read the existing folder structure of each one."
尽管本地生成的视觉效果（如蘑菇云）看起来更壮观，但缺失了UI界面和阶段控制。云端版本虽然保留了完整的UI和时间轴，但整体色调偏暗。博主决定利用AI的“思考”能力进行多轮迭代，以弥补各自的短板。
云端生成的动态交互与反馈循环
在消耗了约87,000个token的深度思考后，云端模型（Space Bunny）生成了一个包含城市夜景和红色核按钮的页面。博主点击按钮后，观察到导弹发射、爆炸以及建筑物摇晃的动态效果。尽管风格略显卡通化，但博主对此表示满意，因为AI成功处理了“破坏性”提示词而未触发安全过滤。然而，博主指出天空和云层缺失的问题，并立即向AI提供反馈要求修复。此时云端模型正在处理约120,000个token，并自动刷新页面以写入新文件。
"I'm excited to press it... The buildings wobble and everything is done."
这种基于Prompt Caching的快速响应机制使得云端模型能迅速根据反馈修改代码。博主观察到AI在接收“添加云层”指令后，立即开始编辑文件并重新渲染页面。这种实时的代码写入与浏览器自动刷新机制，展示了云端AI在处理多文件项目时的流畅工作流。
本地生成的视觉优势与物理Bug修复
与此同时，本地模型（Quen）在消耗约31,000个token后完成了生成。其视觉效果被博主评价为“非常自信”，拥有明亮的白天场景和清晰的道路纹理。然而，本地版本同样存在严重的物理逻辑Bug：建筑物在爆炸时进行“体操动作”（acrobatics），即异常晃动而非倒塌。博主要求AI修复这一Bug，并让爆炸效果伴随云层上升。
"The building was doing acrobatics... Can you fix?"
在最终轮次中，本地模型消耗约40,000个token进行深度思考。它成功添加了背景云层和发光效果，并将建筑物转化为废墟状态。尽管爆炸的光照效果依然精美，但建筑物的异常晃动问题仍未完全解决。相比之下，云端模型在消耗168,000个token后完成了最终生成，成功添加了云层并优化了爆炸上升逻辑。
云端核爆场景的实时交互与视觉反馈
在测试云端的“Space Bunny”模型时，演示者详细展示了其对复杂指令的响应能力。当要求生成带有火箭、灯光和UI界面的场景时，模型成功实现了核弹发射与爆炸效果。演示者指出：“We've got lighting. We got rocket... And it's firing.”，并观察到爆炸后建筑晃动与火球上升伴随烟雾云团的动态过程。尽管本地模型生成的建筑存在闪烁bug，但云端版本在光照效果和爆炸物理表现上更为稳定。演示者强调：“So, it's listening to what I told it do... That is a very good job.”，表明云端模型能准确执行用户指定的修改指令。此外，生成的UI界面风格偏向商业开发应用，而另一版本虽bug较多但更具艺术感。这一测试证明了OpenCode在云端免费运行时的生成质量与指令遵循度。
本地推理性能瓶颈与缓存机制优化
转向3D人脸生成测试时，演示者对比了本地模型“Quenny”与云端模型的推理速度。本地服务器以34 tokens/秒的速度运行，演示者坦言：“So, that's it's not the fastest. It can definitely go faster.”，并指出未启用MTP加速且处于调试模式。然而，通过开启提示词缓存（Cache Prompts），系统能复用大部分上下文，避免重新处理系统提示和消息历史。演示者解释：“So, that means next time follow on prompt, it just reuses most of the cache there... So it's blazing fast when you are doing inferencing.”。尽管本地生成耗时较长，但缓存机制显著提升了后续推理效率，使得在40,000 tokens的本地生成量下仍能保持流畅性，而云端模型则处理了高达75,000 tokens的数据。
自动化截图挑战与最终视觉成果对比
在生成过程中，本地模型尝试使用Playwright控制Chrome进行无头截图时遭遇权限阻碍。演示者描述：“So it's trying to access the privileges... It asked me for temp folder access.”，最终模型通过编写专门的截图模式代码解决了Chrome崩溃问题。云端生成的3D人脸在光照变化、眨眼动画和面部几何结构上表现优异，演示者赞叹：“Look how the lighting changes the actual face... That's pretty fantastic.”。尽管云端模型在迭代中意外删除了头发，但其程序化头部几何与眼球雕塑数学计算展现了高保真度。相比之下，本地模型虽最终成功获取截图，但过程曲折且存在黑屏等待期。这一对比突显了云端模型在复杂视觉渲染与自动化调试方面的优势。
GPU禁用导致本地渲染黑屏的困境
在对比测试中，Space Bunny（云端模型） 成功识别出本地环境因禁用GPU而导致的WebGL渲染失败，并给出了关键反馈。它指出：“如果是在 WebGL 中运行且禁用了 GPU，实际上不会渲染任何内容”，这解释了为何本地模型持续捕获到黑屏截图。相比之下，Space Bunny 能够正常获取实时画面并保存 PNG，而本地模型在尝试修复时陷入了逻辑死循环。尽管本地模型最终通过调整代码让 Safari 窗口显示了面部，但由于截图机制仍受 GPU 禁用影响，它始终无法获得有效的视觉反馈来验证修正结果。这种感知与执行的错位导致本地模型在“失败”的状态下不断进行无效的代码编辑，而云端模型则能基于真实视觉反馈流畅迭代。
面部生成质量的细节对比与优化过程
在人脸生成的具体表现上，Space Bunny 展现了对光影和透视的深刻理解。它生成了带有逼真阴影、动态相机视角以及眨眼效果的面部，并精细调整了皮肤粗糙度、雀斑和曝光。尽管初始生成被评论为“外星人”或类似奥巴马的夸张特征，但其动态交互能力（如自动轨道旋转、光效变化）令人印象深刻。反观本地模型，虽然最终也生成了具有眨眼和毛发的人类面部，但过程更为曲折。它从黑屏开始逐步修正颜色，最终呈现出一个“看起来像人类”的结果，但整体风格被调侃为“硬汉足球俱乐部支持者”。两者均完成了任务，但云端模型在视觉反馈闭环上的优势使其迭代路径更加清晰和高效。
核爆特效与最终性能评估结论
除了人脸，测试还涵盖了核爆炸特效。Space Bunny 生成的效果被评价为“非常棒”，建筑物晃动和瓦砾形成等物理细节表现自然。在最终总结中，作者认为云端模型（Space Bunny）在复杂视觉场景的生成质量上略胜一筹，尤其是其能够处理从黑屏到完整画面的过渡。本地模型虽然也产出了可信的生成结果，但在处理截图错误和持续优化方面显得笨拙。视频最后指出，Space Bunny 目前已在 Open Code 平台可用，并通过 Ropen Router 提供免费额度供用户体验。作者对最终模型交付方及发布策略表示期待，认为这次测试揭示了云端 AI 在实时视觉反馈与复杂生成任务中的显著优势。
结论
测试表明，Space Bunny在复杂视觉生成与指令遵循上显著优于本地Quen 4 EXP。云端模型凭借Prompt Caching机制，在消耗168,000 tokens后成功修复物理Bug并实现稳定的核爆与人脸渲染，其视觉反馈闭环确保了迭代的高效性。相比之下，本地模型虽在简单交互中延迟更低（151ms），但在处理多文件项目时因GPU禁用导致黑屏，陷入逻辑死循环且物理表现存在严重缺陷。尽管本地模型最终生出了人脸，但过程曲折且质量粗糙。总体而言，对于需要实时视觉验证的复杂任务，云端免费模型在稳定性与最终交付质量上占据绝对优势。