Space Bunny: Halaman Referensi untuk Model Stealth yang Juga Terdaftar sebagai Space Bunny Alpha

Space Bunny dan Space Bunny Alpha adalah model yang sama. Pastikan itu dulu, karena kedua nama itu menarik ke arah yang berbeda: nama dasarnya adalah yang paling banyak diketik orang, dan nama berversinya adalah yang digunakan setiap daftar dan setiap tulisan. Tidak ada Space Bunny kedua — tidak ada varian yang lebih kecil, tidak ada rilis sebelumnya yang digantikan oleh Alpha. Nama dasarnya adalah bentuk pendek; Alpha adalah penanda tahap pratinjau yang dibawa keluarga daftar anonim ini selama operatornya tetap tidak disebutkan namanya. Space Bunny adalah pratinjau rahasia yang disediakan di platform pihak ketiga: satu juta token konteks, batas keluaran 524.288 token, input teks, gambar, dan video, serta harga yang tertera nol dolar per juta token, dengan identitas penyedianya tidak diungkapkan. Halaman ini adalah referensi untuknya — tujuan bagi seseorang yang mencari nama model itu sendiri, bukan pengumuman kedua bahwa model itu ada.

Dua hal tentang cara membaca apa yang berikut. Semua yang berada di bawah judul envelope adalah metadata listing yang dipasok operator: angka milik penyedia anonim itu sendiri, yang dipublikasikan di platform yang menghosting pratinjau dan dibaca ulang hari ini, 28 September 2026. Tidak ada satu pun yang diverifikasi secara independen, dan saya menyatakannya lagi di tempat angka-angka itu muncul. Bagian benchmark terpisah dan seluruhnya bersumber dari pihak ketiga. Catatan lainnya adalah mengapa halaman ini ada sama sekali. Listing ini bertanggal 23 September 2026, lima hari lalu, jadi tidak ada masalah usia yang perlu diperdebatkan — tetapi dasar pembenaran di sini bukanlah tanggal itu. Itu adalah permintaan pencarian pihak pertama yang kami ukur sendiri: 1.668 tayangan dan 238 klik pada kueri "space bunny" dalam 28 hari hingga 25 September, pada posisi 4,8. Itu adalah fakta tentang apa yang orang ketikkan, bukan tentang modelnya. Pembaca sudah mengklik ke halaman mana pun yang kebetulan kami peringkat; hanya saja tidak ada halaman tentang model itu sendiri yang bisa mereka tuju. Mengisi celah itulah klausul yang menjadi pijakan tulisan ini — permintaan yang sudah ada yang diukur pada 28 September 2026, dengan tanggal listing digunakan untuk memberi tanggal pada model alih-alih sebagai peristiwa yang dilaporkan.

Nama itu, ditetapkan dengan semestinya

Bukti untuk "model yang sama" adalah ketiadaan, jadi penting untuk tepat tentang apa yang diperiksa. Platform yang menghosting pratinjau ini mencantumkan tepat satu entri untuk keluarga ini, dengan pengenal stealth/space-bunny-alpha/ dan nama tampilan "Space Bunny Alpha"; tidak ada entri polos space-bunny/ di sebelahnya. Panduan lapangan model itu sendiri — situs pihak ketiga yang menyatakan secara gamblang bahwa situs itu tidak berafiliasi dengan platform atau pengembangnya — memperkenalkannya sebagai "Space Bunny Alpha, juga ditulis space-bunny-alpha" dan mencantumkan tanggal pencatatannya 23 September 2026. Organisasi Hugging Face yang menghosting repositori pendamping untuk seri ini memiliki satu repositori bunny, yang dinamai menurut alpha. Mencari "Space Bunny" polos sebagai model terpisah tidak memunculkan apa pun selain model yang sama dengan nama yang lebih pendeknya.

Secara praktis: perlakukan kedua string itu sebagai alias. "Space Bunny" adalah istilah utama dan yang memiliki perilaku klik lebih baik; space-bunny-alpha/ adalah pengenal yang Anda masukkan ke dalam permintaan. Satu hal yang tidak diimplikasikan oleh nama polos itu adalah versi — tidak ada 1.0 yang terdokumentasi, tidak ada varian yang lebih kecil, tidak ada rilis non-pratinjau. Daftar atau posting yang menyiratkan sebaliknya sedang mengarang keluarga yang tidak ditunjukkan oleh catatan tersebut.

Sufiks itu memang membawa informasi nyata: model tersebut berada dalam pratinjau, dioperasikan oleh penyedia yang memilih untuk tidak disebutkan namanya selama masa itu, dan pemberitahuan stealth platform menyatakan bahwa prompt dan completion dapat disimpan oleh penyedia tersebut tetapi tidak digunakan untuk pelatihan. Bacalah klausul itu dengan saksama, karena itu adalah pernyataan retensi dan bukan pernyataan nol-retensi. Jika Anda telah membaca liputan pra-peluncuran kami tentang listing ini — halaman kebocoran Space Bunny Alpha — fungsi halaman itu sudah terpenuhi: apa yang diantisipasinya kini hanyalah status model, dan pertanyaan yang masih aktual telah bergeser dari identitas ke envelope, biaya, dan throughput.

Amplop, sebagaimana yang dinyatakan dalam daftar tersebut

Dibaca ulang hari ini pada listing aktif. Diberikan oleh operator, belum dapat direproduksi.

• Jendela konteks — 1.000.000 token. Kelas 1M yang sama seperti pratinjau anonim sebelumnya dalam seri ini.

• Output maksimum — 524,288 token. Setengah dari jendela konteks, yang merupakan batas atas sangat besar pada harga berapa pun dan yang belum pernah diuji ketahanannya oleh pihak ketiga mana pun untuk koherensi di ujung terjauh.

• Input dan output — teks, gambar, dan video masuk; teks keluar. Input video adalah detail yang paling membedakan generasi listing anonim ini dari rilis multimodal biasa.

Penalaran — wajib dan tidak dapat dinonaktifkan, dengan low, medium, high, xhigh dan max. Daftar langsung saat ini menunjukkan default penyedia sebagai max, dan panduan lapangan pihak ketiga secara independen mencatat default yang sama. Menyembunyikan teks penalaran melalui API tidak mengonsumsi anggaran output.

• Penggunaan alat dan output terstruktur — tools/ dan tool_choice/ diterima, sehingga pemanggilan fungsi tersedia. response_format/ memberikan output JSON tanpa penegakan skema JSON, peringatan yang sama yang selalu menyertai keluarga pratinjau ini. Jika pipeline Anda memerlukan objek yang tervalidasi kembali, validasikan sendiri.

• Tidak diungkapkan — nama penyedia, jumlah parameter, parameter aktif, arsitektur, keluarga tokenizer (dicatat hanya sebagai "Other"), batas pengetahuan, kuantisasi, lisensi, dan apakah bobot yang dapat dirilis benar-benar ada. Repositori pendampingnya menyatakan bahwa file GGUF akan muncul "setelah bobot model tersedia" — sebuah janji tentang file di masa depan, bukan bukti bahwa bobot tersebut ada sekarang.

Operasional, dan terbilang minim — daftar tersebut tidak mempublikasikan angka throughput maupun angka latensi. Kedua kolom itu kosong. Daftar itu melaporkan satu penyedia layanan, yang ditandai sebagai stealth, dengan kuantisasi yang tidak diketahui.

Butir terakhir itu adalah jawaban jujur untuk "seberapa cepat ini": tidak ada orang yang menerbitkan angka yang memiliki endpoint, dan operator endpoint tersebut tidak menerbitkan apa pun. Itu bukan alasan untuk menghindari model. Itu adalah alasan untuk mengukurnya pada panggilan pertama Anda daripada memercayai kata sifat dalam deskripsi.

Kartu tarif: nol, dan apa arti nol di sini

Daftar tersebut menetapkan harga model sebesar $0 per juta token masuk dan $0 per juta token keluar — pratinjau gratis, pada listing milik operator itu sendiri, yang dibaca hari ini. Tidak ada batas per permintaan dan tidak ada kebijakan pembatasan laju yang dipublikasikan pada entri tersebut.

Dua catatan. Pertama, itu adalah harga yang dicantumkan operator hari ini, bukan sebuah komitmen: harga pratinjau stealth adalah atribut dari suatu listing, dan listing dapat berubah tanpa pemberitahuan. Kedua, dalam seri ini, pratinjau $0 secara historis merupakan instrumen evaluasi, bukan tier permanen — jendela gratisnya telah ditutup saat pratinjau berakhir. Siapa pun yang membangun di atas tarif nol dolar harus menganggap angka itu sebagai harga saat ini, bukan harga yang bertahan lama, dan harus mengetahui berapa biaya fallback per juta mereka sebelum membutuhkannya.

Permukaan endpoint

Apa yang sebenarnya didapatkan oleh pemanggil, diambil dari kumpulan parameter yang didukung pada listing, bukan dari dokumentasi prosa.

• Penyelesaian chat — messages/ dengan opsional stream/, sehingga generasi streaming biasa.

• Sampling dan batas — max_tokens/, temperature/, top_p/. Token penalaran diambil dari anggaran max_tokens, jadi batas yang ketat memotong penalaran sebelum memotong output.

• Kontrol penalaran — reasoning/ dan reasoning_effort/ di seluruh tangga lima langkah, plus include_reasoning/ untuk menampilkan atau menyembunyikan teks penalaran.

• Struktur dan alat — tools/, tool_choice/ (auto didukung; memaksa fungsi tertentu tidak didukung), dan response_format/ untuk JSON tanpa validasi skema.

Itulah keseluruhan permukaannya. Tidak ada endpoint visi terpisah, tidak ada API batching, tidak ada jalur fine-tuning, tidak ada embedding. Input multimodal masuk melalui panggilan chat yang sama, yang praktis dan juga berarti lampiran video berukuran besar bersaing untuk anggaran konteks yang sama dengan segala hal lain dalam percakapan.

Apa yang sebenarnya telah diukur oleh pihak ketiga

Di sinilah sebagian besar hasil pencarian berhenti bersikap hati-hati, jadi asal-usulnya lebih dulu. Artificial Analysis, papan peringkat independen yang biasanya kami kutip untuk perbandingan lintas model, tidak memiliki entri untuk Space Bunny dengan nama mana pun dari kedua nama itu — diperiksa hari ini melalui permintaan langsung. Dua pengukuran pihak ketiga yang memang ada berbeda jenisnya, dan keduanya bukan harness yang sepadan dengan model-model yang diplot di sebelahnya.

Yang pertama adalah AI BENCHY, situs benchmark pihak ketiga yang menerbitkan hasil uji per model. Entri untuk Space Bunny Alpha mencatat 7,0 dari 10 pada penalaran tinggi, tingkat kelulusan percobaan 62,1%, keandalan 10,0, waktu respons rata-rata 27,38 detik dan biaya tercatat $0,000, serta menempatkannya di peringkat #161 dalam tabel situs itu sendiri. Berdasarkan kategori, hasil terkuatnya adalah ekstraksi data dan pemanggilan alat, keduanya 10,0 dari 10; yang terlemah adalah trivia pada 3,0 dan kecerdasan umum pada 4,2. Itu adalah angka situs tersebut dari suite miliknya sendiri. Angka yang layak dibaca adalah tingkat kelulusan dan sebaran kategori, bukan peringkat global, yang merupakan posisi dalam urutan milik pihak lain.

Yang kedua adalah panduan lapangan milik model itu sendiri, yang menerbitkan evaluasinya sendiri: 82,0% pada subset GPQA Diamond yang berisi 60 pertanyaan, 75% pada MMLU-Pro, dan 46,1% pada subset 300 pertanyaan dari Humanity's Last Exam dengan interval kepercayaan sekitar 95% dari 40,4–51,8%. Situs tersebut secara eksplisit menyatakan bahwa ini adalah uji subsetnya sendiri dan bahwa model-model yang ditampilkan di sampingnya adalah hasil referensi yang diterbitkan dari vendor masing-masing — jumlah pertanyaan yang berbeda, harness yang berbeda, pengaturan yang berbeda. Peringatan itu adalah bagian penting dan tidak boleh dihilangkan begitu saja: kolom-kolom tersebut bukan perbandingan langsung, dan tidak ada yang menjalankan perbandingan dengan upaya yang setara dan harness yang setara antara Space Bunny dengan model apa pun yang diplot di sebelahnya. Halaman yang menyajikan angka-angka tersebut sebagai peringkat melakukan sesuatu yang sumbernya sendiri menolak untuk melakukannya.

Dua hasil pihak ketiga lainnya layak diperhatikan karena menguji hal-hal yang terlewat oleh benchmark. Panduan lapangan melaporkan pemeriksaan konteks panjang yang di dalamnya tiga kode berbeda yang disembunyikan di dalam satu input sekitar 200.000 token semuanya dikembalikan dalam urutan yang benar pada satu percobaan — sebuah uji kapasitas, bukan skor kemampuan, dan jenis pemeriksaan yang diundang oleh jendela konteks 1M namun jarang didapat. Laporan itu juga menyajikan perbandingan efisiensi token yang di dalamnya Space Bunny mengonsumsi 305.989 token keluaran dibandingkan 913.989 untuk Qwen3.8 Flash pada benchmark yang sama: sekitar dua pertiga lebih sedikit, yang pengaruhnya lebih besar daripada yang terdengar setelah jendela gratis berakhir.

Fakta tunggal yang paling jelas dalam keseluruhan gambaran adalah sebuah celah. Tidak ada entri Artificial Analysis, tidak ada peringkat arena, dan tidak ada benchmark yang direproduksi oleh pihak kedua. Satu nilai 7,0/10 dari satu suite dan satu 46,1% dari subset yang diterbitkan sendiri, tanpa replikasi di mana pun, merupakan posisi awal, bukan sebuah vonis.

Siapa di baliknya?

Tidak diungkapkan, dan listing itu sendiri menyatakannya: model ini dikembangkan dan dioperasikan oleh penyedia pihak ketiga yang memilih untuk tetap anonim selama pratinjau, dan platform yang menghosting listing tersebut menyatakan bahwa ia bukan pengembang, pemilik, atau penyedianya. Repositori pendampingnya tidak mencantumkan nama laboratorium, lisensi, maupun bobot.

Ada diskursus spekulasi publik yang aktif — rekonstruksi format prompt, penyelidikan keluarga tokenizer, perbandingan sampel — dan tak satu pun darinya menghasilkan identitas yang terkonfirmasi. Kami tidak mengulang hipotesis-hipotesis itu, dengan alasan yang sama kami tidak melakukannya ketika entri-entri sebelumnya dari keluarga ini masih anonim: skor benchmark yang sama atau jumlah token yang cocok adalah kemiripan, bukan identifikasi, dan dugaan komunitas yang dibungkus sebagai temuan lebih buruk bagi pembaca daripada kekosongan yang jujur. Yang memang ditunjukkan oleh catatan adalah bahwa setiap pratinjau anonim dalam seri ini sejauh ini pada akhirnya diklaim oleh lab yang bernama, biasanya dalam hitungan hari hingga minggu dan sering kali disertai perubahan harga. Itu adalah tingkat dasar tentang bagaimana pratinjau-pratinjau ini berakhir, bukan prediksi tentang yang ini — dan itulah alasan untuk memperlakukan envelope hari ini sebagai snapshot, bukan spesifikasi.

Mengevaluasi model yang tidak dikenal tanpa mempertaruhkan suatu jalur padanya

Operator yang tidak diungkapkan tidak menghentikan Anda menguji model. Itu mengubah pertanyaan mana yang dapat Anda jawab. Tiga hal mengikuti dari daftar itu sendiri.

• Klausul retensi adalah yang harus dipatuhi. Prompt dan completion dapat disimpan oleh penyedia tanpa nama. Benchmark publik, kode sumber terbuka, dan prototipe sekali pakai tidak masalah; data pelanggan, source proprietary, dan apa pun yang berada di bawah rezim kepatuhan tidak demikian, dan harga gratis tidak mengubah perhitungan itu.

• Perlakukan setiap klaim kemampuan sebagai hipotesis sampai Anda memiliki angka Anda sendiri. Throughput, latensi token pertama, dan koherensi keluaran panjang adalah tiga angka yang belum dipublikasikan siapa pun untuk model ini, dan ketiganya juga yang menentukan apakah model ini cocok untuk suatu beban kerja. Untuk mengukurnya, Anda hanya perlu meluangkan waktu satu sore.

• Jangan jadikan ini satu-satunya model dalam sebuah jalur. Penyedia tanpa nama, tanpa halaman status, dan tanpa jalur eskalasi adalah penyedia yang kegagalannya tidak dapat Anda lacak.

Aturan terakhir itulah tempat sebuah router membuktikan nilainya, dan itulah bagian yang bisa kami bicarakan secara langsung. OrcaRouter menyediakan 200+ model di balik satu API tanpa markup pada harga daftar penyedia — Anda membayar tarif yang diterbitkan penyedia sendiri, jadi penurunan harga vendor langsung berlaku di sisi kami pada hari yang sama — plus failover otomatis antar penyedia dan DSL perutean yang memungkinkan Anda mendeklarasikan model yang sudah teruji baik sebagai fallback di belakang model eksperimental. Untuk bersikap tepat alih-alih berlebihan soal pertanyaan ketersediaan: Space Bunny tidak ada di katalog kami saat ini. API model kami tidak mengembalikan rute seperti itu dengan salah satu dari kedua nama tersebut, jadi kami bukan cara untuk memanggil model ini, dan halaman ini bukan rute menuju model itu. Kami adalah cara untuk menjaga model yang sudah terukur di belakang model yang belum terukur sembari Anda memutuskan — yang merupakan satu-satunya sikap masuk akal terhadap pratinjau gratis dari operator yang tidak dapat disebutkan namanya.

Apa yang akan mengubah halaman ini

Empat hal, dalam urutan kemungkinan kedatangannya. Pemilik yang disebutkan namanya, yang dalam seri ini hadir bersama lisensi, jumlah parameter, dan harga. Reproduksi benchmark pihak kedua, yang akan menjadi bukti kualitas pertama yang tidak terikat pada satu suite. Throughput dan latensi yang dipublikasikan, dua bidang kosong yang paling ingin diisi oleh pembeli. Dan perubahan pada kartu tarif, yang saat ini merupakan properti paling menentukan dari model tersebut.

Sampai saat itu, ringkasan yang jujur ini singkat. Space Bunny adalah pratinjau penalaran gratis berkapasitas satu juta token dan mampu memproses video dengan operator yang tidak diungkapkan: satu uji pihak ketiga bernilai 7.0/10, satu set evaluasi subset yang diterbitkan sendiri, tanpa entri papan peringkat independen, dan sama sekali tanpa angka throughput. Nama polosnya dan nama alpha-nya adalah model yang sama. Segala hal lain tentangnya adalah snapshot bertanggal dari sebuah listing, dan halaman ini adalah tempat untuk memeriksa snapshot mana yang terkini.