一、大多数人只看第一眼#

排行榜第一是 DeepSeek V4.1 Flash，过去 7 天 50T token。第二是 Muse Spark 1.3 Contributor，37T。第三是 space-bunny，21T。

所以”细心如我”注意到的是——一个没听过的名字，怎么能排到第三？

这个问题问对了。但只到这一步是不够的，因为排名本身信息量很低。

• 排名靠前可能是因为模型刚发布，热度还没退
• 也可能是因为少数重度用户刷出了大量 token，而非普通用户真的爱用
• 榜单是”token 总量”，而 token 总量 ≈ 使用人数 × 人均用量。人均用量差异可以到几十倍

所以关键问题是：这 21T 是一万个人的日常，还是一百个重度用户的肝？

二、真正该看的是留存率#

页面底部有一张 Weekly retention 表，定义是：

某模型本周的用户中，下周还在用它的比例。

这才是”好不好用”的直接度量。一个新工具的留存高，说明它进了工作流；留存低，说明大家只是来试新鲜的。

这里有两层信息，第二层更值钱：

1. space-bunny 留存 80%，排第二 —— 一个”限时免费”的模型，能拿到 80% 的周留存，说明它不是薅完就走。
2. 但排行榜冠军 DeepSeek V4 Flash 只有 69.3% —— token 量是 space-bunny 的两倍多，留存却低了 11 个百分点。

注意样本量那一列。DeepSeek 有 27 万个有效用户周，space-bunny 只有 8200。大样本的低留存，比小样本的高留存更可信。

WARNING

榜单告诉你”谁在被用”，留存告诉你”谁被留住了”。前者是流量，后者是产品。

三、把两条曲线叠起来看，才有意思#

我把 space-bunny 上线以来（约 9/23）的每日数据拉出来画了一遍：

Token 量（单位 T）：

日活用户（单位 K）：

把这两张图放一起看，出现了一个很有意思的现象：

• 10 月初的 10T/天 是发布红利，峰值日活 5 万
• 到了 10/13，token 掉到 3.1T（约 -70%），但日活只掉到 1.9 万（约 -62%）
• 同期大盘 rank 从 #3 一路掉下来（周环比 -62%）

token 跌幅大于用户跌幅。这意味着：

掉走的是重度用户，留下的是日常用户。

这个结论和 80% 的周留存互相印证 —— 产品本身没垮，只是最初那批薅得最狠的人额度用完了。

读数据到这个程度，才算真的看懂了。

四、还有两个数字：成本和缓存#

页面上还有一张 Session cost 表，把”平均每个会话花多少钱”和”平均每个会话多少 token”放在一起：

space-bunny 的单会话成本是 DeepSeek V4.1 Flash 的 1/100，而单会话 token 只有它的 1/5 左右。

这直接解释了我体感上的一个疑问：为什么用 space-bunny 感觉更省 token？

再看 Cache ratio：

全平台都在 90% 以上，说明 opencode 的 prompt cache 机制对所有模型都生效。但 space-bunny 的 未缓存输入只有 709B，是所有模型里最低的。

TIP

在 agent 场景里，缓存命中率才是 token 账单的主控变量。一次多轮工具调用的会话，真正的”新信息”往往只有几千 token，其余全是重复的上下文。缓存命中率高 = 你少付 90% 的钱。

这就是为什么我现在觉得 opencode 这套 harness 体感上比 deepseek harness 省 token —— 底层模型差不多，harness 怎么组织 prompt、怎么触发缓存，差出好几倍。

至于”智力”，OpenCode 官方的描述是：space-bunny 是个stealth model（未公布身份的模型），1M 上下文、支持多模态、Zero Data Retention（零数据保留），通过 OpenCode Zen 限时免费提供。

零数据保留这一点对把代码喂给模型的人很重要 —— 官方承诺不留存，我在写一些内部逻辑的时候顾虑就少很多。

五、这套方法可以复用到任何”选型”决策上#

把这张表的读法抽出来，它其实是四个通用动作：

1
1. 看绝对量  →  这个东西有多少人在用？      （看规模，不看排名）
2
2. 看留存    →  用过的人还回来吗？          （看是否进了工作流）
3
3. 看单会话  →  一次典型任务花多少钱？      （看真实成本，不是标价）
4
4. 看分母    →  样本量够不够支撑这个结论？  （防止被小样本骗）

第 4 步是最容易被跳过、也最值钱的一步。前面那张留存榜里，Kimi K2.5 的留存是 77.1%，比 DeepSeek 高出 8 个点 —— 但它的有效样本只有 214 个用户周。这跟”272K 用户周下的 69.3%“是完全不同量级的证据。

WARNING

这张表是 OpenCode 平台的遥测，只代表 opencode 用户的使用模式。你在别的客户端（比如 Claude Code）用同一个模型，结论可能不一样。它的价值在于样本量大、更新快、免费公开 —— 而不是”官方认证的排行榜”。

最后#

DeepSeek 现在的模型确实强得离谱，50T token 的周总量和断档式领先的性价比是实打实的。但这次翻数据页最大的收获不是”哪个模型第一”，而是意识到：

判断一个模型好不好用，看榜单是不作数的，要看留存、单会话成本和缓存命中。

space-bunny 是个限时免费的模型，随时可能收费。作为免费轮，它的体感确实是目前 OpenCode 里第一档的 —— 响应快、脑子够用、还零留存。等它收费了，我大概还是会回到 DeepSeek。

但至少现在，我知道自己用的是不是真的好，而不是被热度推着走。