Space Bunny: Die Referenzseite für das Stealth-Modell, auch als Space Bunny Alpha gelistet

Space Bunny und Space Bunny Alpha sind dasselbe Modell. Das sollte man zuerst klären, denn die beiden Namen ziehen in unterschiedliche Richtungen: Der bloße Name ist das, was die meisten Leute eintippen, und der versionierte Name ist das, was jedes Listing und jeder Artikel verwendet. Es gibt kein zweites Space Bunny – kein kleineres Geschwistermodell, keine frühere Veröffentlichung, die Alpha ersetzt. Der bloße Name ist die Kurzform; Alpha ist die Kennzeichnung der Vorschauphase, die diese Familie anonymer Listings trägt, solange der Betreiber ungenannt bleibt. Space Bunny ist eine Stealth-Vorschau, die auf einer Drittanbieter-Plattform bereitgestellt wird: eine Million Token Kontext, eine Obergrenze von 524.288 Token für die Ausgabe, Text-, Bild- und Videoeingabe sowie ein Listenpreis von null Dollar pro Million Token, wobei die Identität des Anbieters nicht offengelegt wird. Diese Seite ist die Referenz dafür – das Ziel für jemanden, der nach dem Namen des Modells selbst gesucht hat, keine zweite Ankündigung seiner Existenz.

Zwei Dinge dazu, wie das Folgende zu lesen ist. Alles unter der Überschrift „envelope“ sind vom Betreiber bereitgestellte Listing-Metadaten: die eigenen Zahlen des anonymen Anbieters, veröffentlicht auf der Plattform, die die Vorschau hostet, und heute, am 28. September 2026, erneut gelesen. Nichts davon ist unabhängig verifiziert, und ich sage das erneut, wo die Zahlen erscheinen. Der Benchmark-Abschnitt ist separat und stammt durchgängig aus Drittquellen. Die andere Anmerkung erklärt, warum es diese Seite überhaupt gibt. Das Listing datiert vom 23. September 2026, vor fünf Tagen, es gibt also kein Altersproblem, um das man herumargumentieren müsste – doch die Rechtfertigung hier ist nicht dieses Datum. Es ist die First-Party-Suchnachfrage, die wir selbst gemessen haben: 1.668 Impressionen und 238 Klicks auf die Suchanfrage „space bunny“ in den 28 Tagen bis zum 25. September, auf Position 4,8. Das ist eine Tatsache darüber, was Menschen eintippen, nicht über das Modell. Leser klickten bereits durch auf welche Seite auch immer wir zufällig rankten; es gab einfach keine Seite über das Modell selbst, auf der sie landen konnten. Diese Lücke zu füllen, ist die Bedingung, auf der dieser Beitrag steht – bestehende Nachfrage, gemessen am 28. September 2026, wobei das Listing-Datum genutzt wird, um das Modell zu datieren, statt als Ereignis, über das berichtet wird.

Der Name, richtig festgelegt

Der Beleg für „dasselbe Modell“ ist eine Abwesenheit, deshalb lohnt es sich, genau zu sein, was geprüft wurde. Die Plattform, die die Vorschau hostet, listet genau einen Eintrag für die Familie auf, und zwar unter der Kennung stealth/space-bunny-alpha/ und dem Anzeigenamen „Space Bunny Alpha“; es gibt keinen bloßen space-bunny/-Eintrag daneben. Der eigene Feldführer des Modells – eine Website eines Drittanbieters, die klar angibt, weder mit der Plattform noch mit dem Entwickler verbunden zu sein – führt es als „Space Bunny Alpha, auch als space-bunny-alpha geschrieben“ ein und datiert seinen Eintrag auf den 23. September 2026. Die Organisation Hugging Face, die Begleit-Repositories für diese Serie hostet, führt ein Bunny-Repository, benannt nach dem Alpha. Die Suche nach einem bloßen „Space Bunny“ als eigenständigem Modell bringt nichts außer demselben Modell unter seinem kürzeren Namen zutage.

Praktisch gesagt: Behandeln Sie die beiden Zeichenketten als Aliase. „Space Bunny“ ist der Hauptbegriff und derjenige mit dem besseren Klickverhalten; space-bunny-alpha/ ist die Kennung, die Sie in eine Anfrage schreiben. Das Einzige, was der bloße Name nicht impliziert, ist eine Version — es gibt keine dokumentierte 1.0, keine kleinere Variante, keine Nicht-Preview-Version. Ein Eintrag oder ein Beitrag, der etwas anderes nahelegt, erfindet eine Familie, die der Datensatz nicht zeigt.

Das Suffix trägt tatsächlich echte Informationen: Das Modell befindet sich in der Vorschau, wird von einem Anbieter betrieben, der währenddessen nicht genannt werden möchte, und der Stealth-Hinweis der Plattform besagt, dass Prompts und Vervollständigungen von diesem Anbieter aufbewahrt werden können, aber nicht für das Training verwendet werden. Lies diese Klausel sorgfältig, denn sie ist eine Aussage zur Aufbewahrung und keine zur Null-Aufbewahrung. Wenn du unsere Vorab-Berichterstattung zu diesem Listing gelesen hast — die Space Bunny Alpha Leak-Seite – ihre Funktion ist erfüllt: Was sie vorweggenommen hat, ist jetzt einfach der Zustand des Modells, und die aktuellen Fragen haben sich von der Identität zu Leistungsumfang, Kosten und Durchsatz verschoben.

Der Umschlag, wie die Auflistung ihn angibt.

Heute im Live-Listing erneut gelesen. Vom Operator bereitgestellt, nicht reproduziert.

• Kontextfenster — 1.000.000 Token. Dieselbe 1M-Klasse wie die vorherigen anonymen Vorschauen in dieser Serie.

• Maximale Ausgabe — 524.288 Token. Die Hälfte des Kontextfensters, was bei jedem Preis eine sehr hohe Obergrenze ist und eine, die kein Drittanbieter am äußersten Ende auf Kohärenz hin einem Stresstest unterzogen hat.

• Eingabe und Ausgabe — Text, Bild und Video als Eingabe; Text als Ausgabe. Die Videoeingabe ist das Detail, das diese Generation anonymer Listings am stärksten von gewöhnlichen multimodalen Veröffentlichungen unterscheidet.

• Reasoning — verpflichtend und kann nicht abgeschaltet werden, mit fünf Aufwandsstufen: niedrig, mittel, hoch, xhigh und max. Die aktuelle Live-Auflistung zeigt heute den Anbieterstandard als max, und der Field Guide von Drittanbietern verzeichnet unabhängig denselben Standard. Das Ausblenden des Reasoning-Texts über die API deaktiviert die Berechnung nicht; er verbraucht weiterhin Ausgabebudget.

• Tool-Nutzung und strukturierte Ausgabe — tools/ und tool_choice/ werden akzeptiert, sodass Funktionsaufrufe verfügbar sind. response_format/ liefert JSON-Ausgabe ohne JSON-Schema-Durchsetzung, dieselbe Einschränkung, die diese Familie von Vorschauen durchgängig begleitet hat. Wenn Ihre Pipeline ein validiertes Objekt zurückerhalten muss, validieren Sie es selbst.

• Nicht offengelegt — Name des Anbieters, Parameteranzahl, aktive Parameter, Architektur, Tokenizer-Familie (nur als „Other“ eingetragen), Wissensstichtag, Quantisierung, Lizenz und ob überhaupt veröffentlichungsfähige Gewichte existieren. Das Begleit-Repository besagt, dass GGUF-Dateien erscheinen werden, „sobald die Modellgewichte verfügbar sind“ — ein Versprechen über eine zukünftige Datei, kein Beweis dafür, dass die Gewichte jetzt existieren.

• Betriebsbereit und auffallend dürftig – das Listing veröffentlicht weder einen Durchsatz- noch einen Latenzwert. Beide Felder sind leer. Es meldet einen einzigen Serving-Anbieter, als stealth gekennzeichnet, mit unbekannter Quantisierung.

Der letzte Punkt ist die ehrliche Antwort auf die Frage „Wie schnell ist es?“: Niemand, der eine Zahl veröffentlicht hat, besitzt den Endpunkt, und der Betreiber des Endpunkts hat nichts veröffentlicht. Das ist kein Grund, das Modell zu meiden. Es ist ein Grund, es beim ersten Aufruf zu messen, statt einem Adjektiv in einer Beschreibung zu vertrauen.

Die Tarifkarte: null, und was null hier bedeutet

Das Listing gibt den Preis für das Modell mit $0 pro Million Tokens für die Eingabe und $0 pro Million Tokens für die Ausgabe an – eine kostenlose Vorschau, im eigenen Listing des Betreibers, heute gelesen. Im Eintrag sind weder ein Limit pro Anfrage noch eine Rate-Limit-Richtlinie veröffentlicht.

Zwei Einschränkungen. Erstens ist das der heute vom Betreiber gelistete Preis, keine Zusage: Ein Stealth-Preview-Preis ist eine Eigenschaft eines Listings, und Listings ändern sich ohne Vorankündigung. Zweitens war eine 0-$-Preview in dieser Serie historisch eher ein Evaluierungsinstrument als eine dauerhafte Stufe – das kostenlose Fenster hat sich geschlossen, als eine Preview endete. Wer auf einem Null-Dollar-Tarif aufbaut, sollte die Zahl als aktuell und nicht als beständig behandeln und wissen, was sein Fallback pro Million kostet, bevor er ihn braucht.

Die Endpunkt-Oberfläche

Was ein Aufrufer tatsächlich erhält – entnommen der Menge der unterstützten Parameter des Listings und nicht aus Fließtext.

• Chat-Vervollständigungen — Nachrichten/ mit optionalem Stream/, also normale Streaming-Generierung.

• Sampling und Limits — max_tokens/, temperature/, top_p/. Reasoning-Tokens gehen vom max_tokens/ Budget ab, sodass eine knappe Obergrenze das Denken abschneidet, bevor sie die Ausgabe abschneidet.

• Reasoning controls — reasoning/ and reasoning_effort/ across the five-step ladder, plus include_reasoning/ to surface or hide the reasoning text.

• Struktur und Tools — tools/, tool_choice/ (auto wird unterstützt; das Erzwingen einer bestimmten Funktion nicht) und response_format/ für JSON ohne Schema-Validierung.

Das ist die gesamte Oberfläche. Kein separater Vision-Endpunkt, keine Batch-API, kein Fine-Tuning-Pfad, keine Embeddings. Multimodale Eingaben gehen über denselben Chat-Aufruf ein, was praktisch ist und zugleich bedeutet, dass ein großer Videoanhang mit allem anderen in der Unterhaltung um dasselbe Kontextbudget konkurriert.

Welche Drittparteien haben tatsächlich gemessen?

Hier endet bei den meisten Suchergebnissen die Sorgfalt, also zuerst die Provenienz. Artificial Analysis, die unabhängige Rangliste, die wir normalerweise für den modellübergreifenden Vergleich heranziehen, hat unter keinem der beiden Namen einen Eintrag für Space Bunny – heute per direkter Anfrage überprüft. Die beiden vorhandenen Drittanbieter-Messungen sind von grundlegend unterschiedlicher Art, und keine von beiden ist ein abgestimmter Test-Harness für die Modelle, neben denen sie dargestellt wird.

Der erste ist AI BENCHY, eine Drittanbieter-Benchmark-Website, die Läufe pro Modell veröffentlicht. Ihr Eintrag für Space Bunny Alpha verzeichnet 7,0 von 10 bei hohem Reasoning, eine Bestehensquote von 62,1 % bei Versuchen, 10,0 Zuverlässigkeit, eine durchschnittliche Antwortzeit von 27,38 Sekunden und aufgezeichnete Kosten von 0,000 $, und platziert es auf Platz 161 in der eigenen Tabelle dieser Website. Nach Kategorie sind seine stärksten Ergebnisse Datenextraktion und Tool-Calling, beide 10,0 von 10; seine schwächsten sind Trivia mit 3,0 und allgemeine Intelligenz mit 4,2. Das sind die Zahlen dieser Website aus ihrer eigenen Suite. Die Zahl, die es wert ist, gelesen zu werden, ist die Bestehensquote und die Kategorienverteilung, nicht der globale Rang, der eine Position in der Rangfolge von jemand anderem ist.

Beim zweiten handelt es sich um den eigenen Feldführer des Modells, der seine eigenen Evaluierungen veröffentlicht: 82,0 % bei einer Teilmenge von GPQA Diamond mit 60 Fragen, 75 % bei MMLU-Pro und 46,1 % bei einer Teilmenge von Humanity's Last Exam mit 300 Fragen, mit einem ungefähren 95%-Konfidenzintervall von 40,4–51,8 %. Die Seite macht ausdrücklich klar, dass es sich um eigene Läufe auf Teilmengen handelt und dass die daneben gezeigten Modelle veröffentlichte Referenzergebnisse ihrer jeweiligen Anbieter sind – unterschiedliche Fragenanzahlen, unterschiedliche Harnesse, unterschiedliche Setups. Dieser Vorbehalt ist der entscheidende Punkt und sollte nicht stillschweigend fallengelassen werden: Diese Spalten sind kein Kopf-an-Kopf-Vergleich, und niemand hat einen Vergleich von Space Bunny mit irgendeinem Modell, neben dem es aufgetragen wird, mit angeglichenem Aufwand und angeglichenem Harness durchgeführt. Eine Seite, die diese Zahlen als Ranking präsentiert, tut etwas, worauf die Quelle selbst verzichtet hat.

Zwei weitere Ergebnisse von Drittanbietern sind lohnenswert, weil sie Dinge testen, die Benchmarks übersehen. Der Feldführer berichtet über einen Langkontext-Test, bei dem drei verschiedene Codes, die in einer einzigen Eingabe von etwa 200.000 Tokens versteckt waren, in einem Durchlauf alle in der richtigen Reihenfolge zurückgegeben wurden – eher ein Kapazitätstest als eine Fähigkeitsbewertung und genau die Art von Prüfung, zu der ein Kontextfenster von 1M einlädt und die es selten bekommt. Er berichtet außerdem über einen Token-Effizienz-Vergleich, bei dem Space Bunny 305.989 Ausgabe-Tokens gegenüber 913.989 für Qwen3.8 Flash bei denselben Benchmarks verbrauchte: etwa zwei Drittel weniger, was mehr bedeutet, als es klingt, sobald das kostenlose Fenster schließt.

Die klarste einzelne Tatsache im gesamten Bild ist eine Lücke. Es gibt keinen Eintrag bei Artificial Analysis, keine Arena-Bewertung und keinen von einer zweiten Partei reproduzierten Benchmark. Eine 7,0/10 aus einer Suite und eine 46,1 % aus einer selbst veröffentlichten Teilmenge, ohne jegliche Replikation, sind eher eine Ausgangsposition als ein Urteil.

Wer steckt dahinter?

Nicht offengelegt, und das Listing sagt es selbst: Das Modell wird von einem Drittanbieter entwickelt und betrieben, der während der Vorschau anonym bleiben möchte, und die Plattform, die das Listing hostet, gibt an, dass sie weder Entwickler, Eigentümer noch Anbieter ist. Das begleitende Repository enthält keinen Labornamen, keine Lizenz und keine Gewichte.

Es gibt einen aktiven öffentlichen Rate-Diskurs – Rekonstruktionen von Prompt-Formaten, Sonden zur Tokenizer-Familie, Sample-Vergleiche – und nichts davon hat eine bestätigte Identität hervorgebracht. Wir wiederholen die Hypothesen nicht, aus demselben Grund, aus dem wir es nicht taten, als die vorherigen Einträge dieser Familie anonym waren: Ein gemeinsamer Benchmark-Wert oder eine übereinstimmende Token-Anzahl ist eine Ähnlichkeit, keine Identifizierung, und eine als Befund verkleidete Community-Vermutung ist für Leser schlechter als eine ehrliche Leerstelle. Was die Datenlage tatsächlich zeigt, ist, dass bisher jede anonyme Vorschau in dieser Reihe schließlich von einem namentlich genannten Labor für sich reklamiert wurde – meist innerhalb von Tagen bis Wochen und oft mit einer Preisänderung verbunden. Das ist eine Basisrate dafür, wie diese Vorschauen enden, keine Vorhersage über diese hier – und es ist der Grund, die heutige Hülle als Momentaufnahme statt als Spezifikation zu behandeln.

Ein unbekanntes Modell bewerten, ohne dabei auf einen Weg zu setzen

Ein nicht offengelegter Betreiber hindert Sie nicht daran, das Modell zu testen. Er verändert, welche Fragen Sie beantworten können. Aus dem Listing selbst ergeben sich drei Dinge.

• Die Aufbewahrungsklausel ist die, die es zu beachten gilt. Prompts und Completions dürfen von einem namenlosen Anbieter aufbewahrt werden. Öffentliche Benchmarks, Open-Source-Code und Wegwerfprototypen sind in Ordnung; Kundendaten, proprietärer Quellcode und alles, was unter ein Compliance-Regime fällt, sind es nicht, und ein kostenloser Preis ändert nichts an dieser Rechnung.

• Behandle jede Behauptung über Fähigkeiten als Hypothese, bis du eigene Zahlen hast. Durchsatz, Latenz bis zum ersten Token und Kohärenz bei langen Ausgaben sind die drei Kennzahlen, die niemand für dieses Modell veröffentlicht hat, und sie sind zugleich die drei, die darüber entscheiden, ob es zu einer Arbeitslast passt. Sie zu messen kostet einen Nachmittag.

• Machen Sie es nicht zum einzigen Modell in einem Pfad. Ein Anbieter ohne Namen, ohne Statusseite und ohne Eskalationsweg ist ein Anbieter, dessen Ausfälle Sie nicht nachverfolgen können.

Genau bei dieser letzten Regel verdient sich ein Router seinen Platz, und das ist der Teil, zu dem wir direkt etwas sagen können. OrcaRouter bietet über 200 Modelle hinter einer einzigen API ohne Aufschlag auf den Listenpreis des Anbieters — Sie zahlen den vom Anbieter selbst veröffentlichten Preis, eine Preissenkung eines Anbieters ist also bei uns am selben Tag aktiv — plus automatisches Failover über Anbieter hinweg und eine Routing-DSL, mit der Sie ein bewährtes Modell als Fallback hinter einem experimentellen deklarieren können. Um bei der Verfügbarkeitsfrage eher genau als großzügig zu sein: Space Bunny ist heute nicht in unserem Katalog. Unsere Modell-API liefert unter keinem der beiden Namen eine solche Route, wir sind also kein Weg, dieses Modell aufzurufen, und diese Seite ist kein Weg dorthin. Was wir sind, ist ein Weg, ein gemessenes Modell hinter einem ungemessenen zu halten, während Sie sich entscheiden — was die einzig vernünftige Haltung gegenüber einer kostenlosen Vorschau von einem Betreiber ist, den niemand benennen kann.

Was würde diese Seite verändern?

Vier Dinge, in der Reihenfolge, in der sie wahrscheinlich eintreffen werden. Ein namentlich genannter Eigentümer, was in dieser Reihe mit einer Lizenz, einer Parameteranzahl und einem Preis einhergegangen ist. Eine Benchmark-Reproduktion durch eine zweite Partei, die der erste Qualitätsnachweis wäre, der nicht an eine einzelne Testsuite gebunden ist. Veröffentlichte Durchsatz- und Latenzwerte, die beiden leeren Felder, die ein Käufer am liebsten gefüllt sähe. Und eine Änderung der Preisliste, derzeit die entscheidendste Einzeleigenschaft des Modells.

Bis dahin ist die ehrliche Zusammenfassung kurz. Space Bunny ist eine kostenlose, videofähige Reasoning-Vorschau mit einer Million Token und nicht offengelegtem Betreiber: ein Drittanbieter-Durchlauf mit 7,0/10, eine Reihe selbst veröffentlichter Teilevaluierungen, kein Eintrag in einem unabhängigen Leaderboard und überhaupt keine Durchsatzangabe. Sein bloßer Name und sein Alpha-Name bezeichnen dasselbe Modell. Alles andere daran ist eine mit Datumsstempel versehene Momentaufnahme eines Listings, und diese Seite ist der Ort, an dem man prüfen kann, welche Momentaufnahme aktuell ist.