Space Bunny : la page de référence pour le modèle Stealth, également répertorié sous le nom de Space Bunny Alpha

Space Bunny et Space Bunny Alpha sont le même modèle. Établissons cela d'abord, car les deux noms tirent dans des directions différentes : le nom seul est ce que la plupart des gens tapent, et le nom versionné est ce que chaque fiche et chaque article utilise. Il n'existe pas de second Space Bunny — pas de petit frère, pas de version antérieure que l'Alpha remplace. Le nom seul est la forme courte ; Alpha est le marqueur de phase de préversion que porte cette famille de fiches anonymes tant que l'opérateur reste non nommé. Space Bunny est une préversion furtive servie sur une plateforme tierce : un million de tokens de contexte, un plafond de sortie de 524 288 tokens, une entrée texte, image et vidéo, et un prix affiché de zéro dollar par million de tokens, l'identité du fournisseur n'étant pas divulguée. Cette page est la référence à son sujet — la destination pour quelqu'un qui a cherché le nom propre du modèle, et non une seconde annonce de son existence.

Deux choses sur la façon de lire ce qui suit. Tout ce qui se trouve sous l’intitulé « Envelope » relève des métadonnées d’annonce fournies par l’opérateur : les chiffres du fournisseur anonyme lui-même, publiés sur la plateforme qui héberge l’aperçu et relus aujourd’hui, le 28 septembre 2026. Rien de tout cela n’est vérifié de manière indépendante, et je le redis là où les chiffres apparaissent. La section des benchmarks est distincte et entièrement sourcée auprès de tiers. L’autre remarque porte sur la raison d’être même de cette page. L’annonce date du 23 septembre 2026, il y a cinq jours, donc il n’y a pas de problème d’ancienneté à contourner — mais la justification ici n’est pas cette date. C’est la demande de recherche first-party que nous avons mesurée nous-mêmes : 1 668 impressions et 238 clics sur la requête « space bunny » au cours des 28 jours précédant le 25 septembre, en position 4,8. C’est un fait sur ce que les gens tapent, pas sur le modèle. Les lecteurs cliquaient déjà vers la page sur laquelle nous nous trouvions classés par hasard ; il n’y avait tout simplement aucune page sur le modèle lui-même sur laquelle ils pouvaient atterrir. Combler cette lacune est la clause sur laquelle repose ce texte — une demande constante mesurée le 28 septembre 2026, la date de l’annonce servant à dater le modèle plutôt qu’à signaler un événement.

Le nom, convenablement établi

La preuve de l'« même modèle » réside dans une absence, il vaut donc la peine de préciser ce qui a été vérifié. La plateforme qui héberge l'aperçu ne répertorie qu'une seule entrée pour la famille, sous l'identifiant stealth/space-bunny-alpha/ et le nom d'affichage « Space Bunny Alpha » ; aucune entrée space-bunny/ seule ne figure à côté. Le guide de référence du modèle lui-même — un site tiers qui déclare clairement n'être affilié ni à la plateforme ni au développeur — le présente comme « Space Bunny Alpha, également écrit space-bunny-alpha » et date son inscription au 23 septembre 2026. L'organisation Hugging Face qui héberge les dépôts compagnons de cette série possède un dépôt bunny, nommé d'après l'alpha. Rechercher un « Space Bunny » seul en tant que modèle distinct ne donne rien d'autre que le même modèle sous son nom plus court.

Concrètement : traitez les deux chaînes comme des alias. « Space Bunny » est le terme principal et celui qui a le meilleur comportement de clic ; space-bunny-alpha/ est l'identifiant que vous mettez dans une requête. La seule chose que le nom seul n'implique pas, c'est une version — il n'existe pas de 1.0 documenté, pas de variante plus petite, pas de version non-preview. Une fiche ou un post qui suggère le contraire invente une famille que l'enregistrement ne montre pas.

Le suffixe porte bel et bien une information concrète : le modèle est en aperçu, exploité par un fournisseur qui a choisi de ne pas être nommé pendant cette phase, et l'avis de furtivité de la plateforme précise que les invites et les complétions peuvent être conservées par ce fournisseur, mais ne servent pas à l'entraînement. Lisez cette clause attentivement, car il s'agit d'une déclaration de conservation et non d'une déclaration de non-conservation. Si vous avez lu notre couverture de pré-lancement de cette fiche — la page de fuite Space Bunny Alpha — la fonction de cette page est remplie : ce qu'elle anticipait n'est désormais que l'état du modèle, et les questions vives sont passées de l'identité à l'enveloppe, au coût et au débit.

L'enveloppe, comme l'indique l'annonce.

Relu aujourd'hui sur la liste en production. Fourni par l'opérateur, non reproduit.

• Fenêtre de contexte — 1 000 000 de tokens. La même classe de 1 M que les précédents aperçus anonymes de cette série.

• Sortie maximale — 524 288 tokens. Soit la moitié de la fenêtre de contexte, un plafond très élevé à n'importe quel prix, et qu'aucun tiers n'a testé sous contrainte pour en vérifier la cohérence à l'extrémité.

• Entrée et sortie — texte, image et vidéo en entrée ; texte en sortie. L’entrée vidéo est l’élément qui distingue le plus cette génération d’annonces anonymes des versions multimodales ordinaires.

• Raisonnement — obligatoire et ne peut pas être désactivé, avec cinq niveaux d'effort : faible, moyen, élevé, xhigh et max. La liste en direct aujourd'hui indique que la valeur par défaut du fournisseur est max, et le guide de terrain tiers enregistre indépendamment la même valeur par défaut. Masquer le texte de raisonnement via l'API ne désactive pas le calcul ; il consomme toujours du budget de sortie.

• Utilisation d’outils et sortie structurée — tools/ et tool_choice/ sont acceptés, donc l’appel de fonctions est disponible. response_format/ donne une sortie JSON sans application du schéma JSON, la même mise en garde que cette famille de préversions a toujours portée. Si votre pipeline a besoin d’un objet validé en retour, validez-le vous-même.

• Non divulgué — nom du fournisseur, nombre de paramètres, paramètres actifs, architecture, famille de tokenizers (déclaré uniquement comme « Autre »), date de coupure des connaissances, quantification, licence, et si des poids diffusables existent tout court. Le dépôt associé indique que les fichiers GGUF apparaîtront « une fois que les poids du modèle seront disponibles » — une promesse concernant un futur fichier, et non une preuve que les poids existent aujourd'hui.

• Opérationnel, et remarquablement maigre — la fiche ne publie ni chiffre de débit ni chiffre de latence. Les deux champs sont vides. Elle fait état d’un unique fournisseur de service, étiqueté « stealth », avec une quantification inconnue.

Ce dernier point est la réponse honnête à « quelle est sa vitesse ? » : personne parmi ceux qui ont publié un chiffre ne possède le point de terminaison, et l’opérateur du point de terminaison n’a rien publié. Ce n’est pas une raison pour éviter le modèle. C’est une raison de le mesurer dès votre premier appel plutôt que de vous fier à un adjectif dans une description.

La grille tarifaire : zéro, et ce que zéro signifie ici

L'annonce fixe le prix du modèle à 0 $ par million de tokens en entrée et à 0 $ par million de tokens en sortie — un aperçu gratuit, sur la propre annonce de l'opérateur, consultée aujourd'hui. Aucune limite par requête ni politique de limitation de débit n'est publiée sur la fiche.

Deux précisions. Premièrement, il s'agit du prix affiché aujourd'hui par l'opérateur, et non d'un engagement : un prix d'aperçu furtif est une propriété d'une annonce, et les annonces changent sans préavis. Deuxièmement, dans cette série, un aperçu à 0 $ a historiquement été un instrument d'évaluation plutôt qu'un palier permanent — la fenêtre gratuite s'est fermée lorsqu'un aperçu prenait fin. Quiconque bâtit sur un tarif de zéro dollar devrait considérer ce chiffre comme actuel plutôt que durable, et devrait connaître le coût de son repli par million avant d'en avoir besoin.

La surface de l'endpoint

Ce qu’un appelant obtient réellement, tiré de l’ensemble des paramètres pris en charge de la fiche plutôt que de la documentation rédigée.

• Complétions de chat — messages/ avec l'option stream/, donc une génération en streaming classique.

• Échantillonnage et limites — max_tokens/, temperature/, top_p/. Les tokens de raisonnement sont prélevés sur le budget max_tokens, donc un plafond serré tronque le raisonnement avant de tronquer la sortie.

• Contrôles de raisonnement — reasoning/ et reasoning_effort/ sur l'échelle à cinq niveaux, plus include_reasoning/ pour afficher ou masquer le texte de raisonnement.

• Structure et outils — tools/, tool_choice/ (auto est pris en charge ; forcer une fonction spécifique ne l'est pas), et response_format/ pour JSON sans validation de schéma.

C'est toute la surface. Pas de point de terminaison vision séparé, pas d'API de traitement par lots, pas de voie de fine-tuning, pas d'embeddings. L'entrée multimodale passe par le même appel de chat, ce qui est pratique et signifie aussi qu'une pièce jointe vidéo volumineuse entre en concurrence pour le même budget de contexte que tout le reste de la conversation.

Ce que des tiers ont réellement mesuré

C’est là que la plupart des résultats de recherche cessent d’être rigoureux, alors commençons par la provenance. Artificial Analysis, le classement indépendant que nous citons habituellement pour comparer les modèles, ne comporte aucune entrée pour Space Bunny sous l’un ou l’autre nom — vérifié aujourd’hui sur demande directe. Les deux mesures tierces qui existent réellement sont de nature différente, et aucune ne constitue un harnais apparié aux modèles à côté desquels elle est tracée.

Le premier est AI BENCHY, un site de benchmark tiers qui publie des exécutions par modèle. Sa fiche pour Space Bunny Alpha enregistre 7,0 sur 10 en raisonnement élevé, un taux de réussite des tentatives de 62,1 %, une fiabilité de 10,0, un temps de réponse moyen de 27,38 secondes et un coût enregistré de 0,000 $, et le classe au 161e rang dans le propre tableau de ce site. Par catégorie, ses meilleurs résultats sont l'extraction de données et l'appel d'outils, tous deux à 10,0 sur 10 ; ses plus faibles sont la culture générale à 3,0 et l'intelligence générale à 4,2. Ce sont les chiffres de ce site, issus de sa propre suite. Le chiffre qui vaut la peine d'être lu est le taux de réussite et la répartition par catégorie, non le rang global, qui est une position dans le classement de quelqu'un d'autre.

Le second est le guide de terrain du modèle lui-même, qui publie ses propres évaluations : 82,0 % sur un sous-ensemble de 60 questions de GPQA Diamond, 75 % sur MMLU-Pro, et 46,1 % sur un sous-ensemble de 300 questions de Humanity's Last Exam, avec un intervalle de confiance approximatif à 95 % de 40,4–51,8 %. Le site précise explicitement qu'il s'agit de ses propres exécutions sur des sous-ensembles et que les modèles présentés à côté sont des résultats de référence publiés par leurs fournisseurs respectifs — des nombres de questions différents, des harnais différents, des configurations différentes. Cette mise en garde est l'élément important et ne doit pas être discrètement omise : ces colonnes ne constituent pas une comparaison directe, et personne n'a mené de comparaison à effort égal et à harnais identique entre Space Bunny et l'un des modèles à côté desquels il est représenté. Une page qui présente ces chiffres comme un classement fait ce que la source elle-même s'est abstenue de faire.

Deux autres résultats de tiers méritent d’être connus, car ils testent des choses que les benchmarks négligent. Le guide de terrain rapporte un test de contexte long dans lequel trois codes distincts cachés dans une seule entrée d’environ 200 000 tokens ont tous été renvoyés dans le bon ordre lors d’un seul essai — un test de capacité plutôt qu’un score de compétence, et le genre de vérification qu’une fenêtre de contexte de 1 M invite à faire et qui est rarement réalisée. Il rapporte aussi une comparaison d’efficacité en tokens dans laquelle Space Bunny a consommé 305 989 tokens de sortie contre 913 989 pour Qwen3.8 Flash sur les mêmes benchmarks : environ deux tiers de moins, ce qui compte plus que cela n’en a l’air une fois la fenêtre gratuite fermée.

Le fait le plus clair dans l’ensemble du tableau est une lacune. Il n’existe aucune entrée Artificial Analysis, aucune note d’arène et aucun benchmark reproduit par un tiers. Un 7,0/10 issu d’une seule suite et un 46,1 % issu d’un sous-ensemble auto-publié, sans aucune réplication nulle part, constituent un point de départ plutôt qu’un verdict.

Qui est derrière cela

Non divulgué, et la fiche le précise elle-même : le modèle est développé et exploité par un fournisseur tiers qui a choisi de rester anonyme pendant l’aperçu, et la plateforme qui héberge la fiche déclare qu’elle n’est ni le développeur, ni le propriétaire, ni le fournisseur. Le dépôt associé ne comporte ni nom de laboratoire, ni licence, ni poids.

Il existe un discours public actif de conjectures — reconstructions de format de prompt, sondes sur les familles de tokeniseurs, comparaisons d’échantillons — et rien de tout cela n’a produit une identité confirmée. Nous ne répétons pas les hypothèses, pour la même raison que nous ne l’avons pas fait lorsque les précédentes entrées de cette famille étaient anonymes : un score de benchmark partagé ou un nombre de tokens identique est une ressemblance, pas une identification, et une conjecture communautaire habillée en résultat est pire pour un lecteur qu’un blanc honnête. Ce que le dossier montre, en revanche, c’est que chaque aperçu anonyme de cette série jusqu’ici a fini par être revendiqué par un laboratoire nommé, généralement en quelques jours à quelques semaines, et souvent avec un changement de prix à la clé. C’est un taux de base sur la manière dont ces aperçus se terminent, pas une prédiction à propos de celui-ci — et c’est la raison de traiter l’enveloppe d’aujourd’hui comme un instantané plutôt que comme une spécification.

Évaluer un modèle inconnu sans parier sur une voie le concernant

Un opérateur non divulgué ne vous empêche pas de tester le modèle. Il change les questions auxquelles vous pouvez répondre. Trois choses découlent de la liste elle-même.

• La clause de conservation est celle qu'il faut respecter. Les prompts et les complétions peuvent être conservés par un fournisseur sans nom. Les benchmarks publics, le code open source et les prototypes jetables sont acceptables ; les données clients, le code propriétaire et tout ce qui relève d'un régime de conformité ne le sont pas, et la gratuité ne change rien à ce calcul.

• Considérez toute affirmation de capacité comme une hypothèse tant que vous ne disposez pas de vos propres chiffres. Le débit, la latence du premier jeton et la cohérence sur les sorties longues sont les trois valeurs que personne n'a publiées pour ce modèle, et ce sont aussi les trois qui déterminent s'il convient à une charge de travail donnée. Les mesurer prend un après-midi.

• Ne faites pas de lui le seul modèle d'un chemin. Un fournisseur sans nom, sans page d'état et sans voie d'escalade est un fournisseur dont vous ne pouvez pas traquer les défaillances.

Cette dernière règle est ce qui justifie la place d'un routeur, et c'est la partie dont nous pouvons parler directement. OrcaRouter sert plus de 200 modèles derrière une API unique sans marge sur le prix catalogue du fournisseur — vous payez le tarif publié par le fournisseur lui-même, de sorte qu'une baisse de prix chez un fournisseur est effective de notre côté le jour même — plus un basculement automatique entre fournisseurs et un DSL de routage qui vous permet de déclarer un modèle reconnu fiable comme solution de repli derrière un modèle expérimental. Pour être exact plutôt que généreux sur la question de la disponibilité : Space Bunny n'est pas dans notre catalogue aujourd'hui. Notre API de modèles ne renvoie aucune route de ce type sous l'un ou l'autre nom, nous ne sommes donc pas un moyen d'appeler ce modèle, et cette page n'est pas une route vers lui. Ce que nous sommes, c'est un moyen de garder un modèle mesuré derrière un modèle non mesuré pendant que vous décidez — ce qui est la seule posture sensée face à un aperçu gratuit d'un opérateur que personne ne peut nommer.

Qu’est-ce qui changerait cette page ?

Quatre choses, dans l'ordre où elles sont susceptibles d'arriver. Un propriétaire nommé, ce qui, dans cette série, s'est accompagné d'une licence, d'un nombre de paramètres et d'un prix. Une reproduction de benchmark par une seconde partie, qui serait la première preuve de qualité non liée à une seule suite. Des débits et des latences publiés, les deux champs vides qu'un acheteur voudrait le plus voir remplis. Et une modification de la grille tarifaire, actuellement la caractéristique la plus décisive du modèle.

D’ici là, le résumé honnête est court. Space Bunny est un aperçu de raisonnement gratuit, capable de traiter un million de tokens et de gérer la vidéo, avec un opérateur non divulgué : une seule exécution tierce notée 7,0/10, un seul ensemble d’évaluations auto-publiées sur des sous-ensembles, aucune entrée dans un classement indépendant et aucun chiffre de débit du tout. Son nom seul et son nom alpha désignent le même modèle. Tout le reste à son sujet est un instantané horodaté d’une fiche, et cette page est l’endroit pour vérifier quel instantané est à jour.