Space Bunny: La pagina di riferimento per il modello Stealth, elencato anche come Space Bunny Alpha

Space Bunny e Space Bunny Alpha sono lo stesso modello. Chiariscilo subito, perché i due nomi tirano in direzioni diverse: il nome semplice è quello che digita la maggior parte delle persone, mentre il nome con versione è quello usato da ogni annuncio e da ogni descrizione. Non esiste un secondo Space Bunny — nessun fratello minore, nessun rilascio precedente che Alpha sostituisca. Il nome semplice è la forma breve; Alpha è il marcatore della fase di anteprima che accompagna questa famiglia di annunci anonimi finché l'operatore resta senza nome. Space Bunny è un'anteprima stealth erogata su una piattaforma di terze parti: un milione di token di contesto, un tetto di output di 524.288 token, input di testo, immagini e video, e un prezzo indicato di zero dollari per milione di token, con l'identità del fornitore non divulgata. Questa pagina ne è il riferimento — la destinazione per chi ha cercato il nome stesso del modello, non un secondo annuncio della sua esistenza.

Due cose su come leggere quanto segue. Tutto ciò che compare sotto l'intestazione dell'involucro sono metadati della scheda forniti dall'operatore: i numeri dello stesso fornitore anonimo, pubblicati sulla piattaforma che ospita l'anteprima e riletti oggi, 28 settembre 2026. Niente di tutto ciò è verificato in modo indipendente, e lo ripeto laddove compaiono i numeri. La sezione benchmark è separata e interamente basata su fonti terze. L'altro appunto riguarda il motivo per cui questa pagina esiste affatto. La scheda risale al 23 settembre 2026, cinque giorni fa, quindi non c'è alcun problema di anzianità da aggirare — ma la giustificazione qui non è quella data. È la domanda di ricerca first-party che abbiamo misurato noi stessi: 1.668 impressioni e 238 clic sulla query "space bunny" nei 28 giorni fino al 25 settembre, in posizione 4,8. È un fatto su ciò che le persone digitano, non sul modello. I lettori stavano già facendo clic verso qualunque pagina ci capitava di posizionare; semplicemente non c'era una pagina sul modello stesso su cui approdare. Colmare quel vuoto è la clausola su cui poggia questo pezzo — domanda persistente misurata il 28 settembre 2026, con la data della scheda usata per datare il modello anziché come evento da riportare.

Il nome, definito debitamente

L'evidenza per "stesso modello" è un'assenza, quindi vale la pena essere precisi su ciò che è stato verificato. La piattaforma che ospita l'anteprima elenca esattamente una voce per la famiglia, sotto l'identificatore stealth/space-bunny-alpha/ e il nome visualizzato "Space Bunny Alpha"; non c'è alcuna voce con il solo nome space-bunny/ accanto ad essa. La guida sul campo del modello — un sito di terze parti che dichiara chiaramente di non essere affiliato alla piattaforma o allo sviluppatore — lo introduce come "Space Bunny Alpha, scritto anche space-bunny-alpha" e data la sua pubblicazione al 23 settembre 2026. L'organizzazione Hugging Face che ospita repository companion per questa serie ha un repository bunny, intitolato all'alpha. Cercare un "Space Bunny" semplice come modello separato non trova altro che lo stesso modello con il suo nome più corto.

In pratica: tratta le due stringhe come alias. "Space Bunny" è il termine principale e quello con il miglior comportamento in termini di clic; space-bunny-alpha/ è l'identificatore che inserisci in una richiesta. L'unica cosa che il nome da solo non implica è una versione — non esiste una 1.0 documentata, nessuna variante più piccola, nessuna release non di anteprima. Un annuncio o un post che lasci intendere il contrario sta inventando una famiglia che il record non mostra.

Il suffisso porta effettivamente un'informazione reale: il modello è in anteprima, gestito da un provider che ha scelto di non essere nominato durante questa fase, e l'avviso stealth della piattaforma afferma che i prompt e i completamenti possono essere conservati da quel provider ma non vengono usati per l'addestramento. Leggi con attenzione quella clausola, perché è una dichiarazione di conservazione e non una di conservazione zero. Se hai letto la nostra copertura pre-lancio di questa scheda — la pagina della fuga di notizie su Space Bunny Alpha — la funzione di quella pagina è assolta: ciò che anticipava ora è semplicemente lo stato del modello, e le domande aperte si sono spostate dall'identità all'inviluppo, al costo e al throughput.

La busta, come la indica l'annuncio

Rileggi oggi sull'annuncio live. Fornito dall'operatore, non riprodotto.

• Finestra di contesto — 1.000.000 di token. La stessa classe da 1M delle precedenti anteprime anonime di questa serie.

• Output massimo — 524.288 token. Metà della finestra di contesto, che è un tetto molto elevato a qualsiasi prezzo e che nessuna terza parte ha testato sotto stress per la coerenza all'estremità più lontana.

• Input e output — testo, immagini e video in input; testo in output. L'input video è il dettaglio che più distingue questa generazione di annunci anonimi dai normali rilasci multimodali.

• Ragionamento — obbligatorio e non può essere disattivato, con cinque livelli di impegno: low, medium, high, xhigh e max. L'elenco live odierno mostra il valore predefinito del provider come max, e la guida pratica di terze parti registra in modo indipendente lo stesso valore predefinito. Nascondere il testo del ragionamento tramite l'API non disabilita il calcolo; consuma comunque budget di output.

• Uso degli strumenti e output strutturato — tools/ e tool_choice/ sono accettati, quindi la chiamata di funzione è disponibile. response_format/ fornisce output JSON senza applicazione dello schema JSON, la stessa avvertenza che questa famiglia di anteprime ha sempre portato con sé. Se la tua pipeline necessita che le venga restituito un oggetto convalidato, convalidalo tu stesso.

• Non divulgati — nome del provider, numero di parametri, parametri attivi, architettura, famiglia di tokenizer (indicata solo come "Other"), data di cutoff delle conoscenze, quantizzazione, licenza e se esistano in assoluto pesi rilasciabili. Il repository associato dice che i file GGUF appariranno "una volta che i pesi del modello saranno disponibili" — una promessa su un file futuro, non una prova che i pesi esistano ora.

• Operativo, e notevolmente scarno — l'annuncio non pubblica alcun dato di throughput né alcun dato di latenza. Entrambi i campi sono vuoti. Segnala un unico fornitore di serving, etichettato come stealth, con quantizzazione sconosciuta.

Quell'ultimo punto è la risposta onesta a "quanto è veloce": nessuno che abbia pubblicato un numero possiede l'endpoint, e l'operatore dell'endpoint non ha pubblicato nulla. Non è una ragione per evitare il modello. È una ragione per misurarlo alla prima chiamata invece di fidarsi di un aggettivo in una descrizione.

Il tariffario: zero, e cosa significa zero qui

La scheda fissa il prezzo del modello a 0 $ per milione di token in ingresso e 0 $ per milione in uscita — un'anteprima gratuita, sulla scheda dell'operatore stesso, consultata oggi. Nessun limite per richiesta e nessuna politica di rate limit sono pubblicati nella voce.

Due precisazioni. Primo, quello è il prezzo indicato dall'operatore oggi, non un impegno: un prezzo di anteprima stealth è una proprietà di un annuncio, e gli annunci cambiano senza preavviso. Secondo, in questa serie un'anteprima a $0 è stata storicamente uno strumento di valutazione più che un livello permanente — la finestra gratuita si è chiusa quando un'anteprima è terminata. Chiunque costruisca su una tariffa a zero dollari dovrebbe trattare il numero come attuale anziché durevole, e dovrebbe sapere quanto costa il proprio fallback per milione prima di averne bisogno.

La superficie dell'endpoint

Quello che un chiamante ottiene effettivamente, ricavato dall'insieme dei parametri supportati del listing anziché dalla documentazione in prosa.

• Completamenti chat — messaggi/ con stream opzionale /, quindi generazione in streaming ordinaria.

• Campionamento e limiti — max_tokens/, temperature/, top_p/. I token di ragionamento vengono detratti dal max_tokens/ budget, quindi un limite ristretto tronca il ragionamento prima di troncare l'output.

• Controlli di ragionamento — reasoning/ e reasoning_effort/ lungo la scala a cinque livelli, più include_reasoning/ per mostrare o nascondere il testo di ragionamento.

• Struttura e strumenti — /, tool_choice/ (auto è supportato; forzarne uno specifico no), e response_format/ per JSON senza .

Questa è tutta la superficie. Nessun endpoint di visione separato, nessuna API di batching, nessun percorso di fine-tuning, nessun embedding. L'input multimodale entra attraverso la stessa chiamata chat, il che è comodo e significa anche che un grande allegato video compete per lo stesso budget di contesto di tutto il resto della conversazione.

Cosa hanno effettivamente misurato le terze parti

È qui che la maggior parte dei risultati di ricerca smette di essere accurata, quindi prima la provenienza. Artificial Analysis, la classifica indipendente che di solito citiamo per il confronto tra modelli, non ha alcuna voce per Space Bunny sotto nessuno dei due nomi — verificato oggi su richiesta diretta. Le due misurazioni di terze parti che esistono sono di natura diversa, e nessuna delle due è un harness appaiato rispetto ai modelli accanto ai quali è tracciata.

Il primo è AI BENCHY, un sito di benchmark di terze parti che pubblica le esecuzioni per singolo modello. La sua scheda per Space Bunny Alpha registra 7,0 su 10 con ragionamento alto, un tasso di superamento dei tentativi del 62,1%, affidabilità 10,0, un tempo di risposta medio di 27,38 secondi e un costo registrato di $0,000, e lo colloca al n. 161 nella tabella dello stesso sito. Per categoria, i suoi risultati più forti sono l'estrazione dati e la chiamata di strumenti, entrambi 10,0 su 10; i più deboli sono trivia a 3,0 e intelligenza generale a 4,2. Quelli sono i numeri di quel sito, dalla sua stessa suite. Il numero che vale la pena leggere è il tasso di superamento e la distribuzione tra le categorie, non la posizione globale, che è una posizione nell'ordinamento di qualcun altro.

La seconda è la guida pratica del modello stesso, che pubblica le proprie valutazioni: 82,0% su un sottoinsieme di 60 domande di GPQA Diamond, 75% su MMLU-Pro e 46,1% su un sottoinsieme di 300 domande di Humanity's Last Exam con un intervallo di confidenza approssimativo del 95% di 40,4–51,8%. Il sito dichiara esplicitamente che queste sono esecuzioni sui propri sottoinsiemi e che i modelli mostrati accanto a esse sono risultati di riferimento pubblicati dai rispettivi fornitori — numero di domande diverso, harness diversi, configurazioni diverse. Quella avvertenza è la parte importante e non dovrebbe essere fatta cadere silenziosamente: quelle colonne non sono un confronto testa a testa, e nessuno ha eseguito un confronto a pari impegno e pari harness di Space Bunny con qualsiasi modello accanto al quale è rappresentato. Una pagina che presenta quei numeri come una classifica sta facendo qualcosa che la fonte stessa ha rifiutato di fare.

Altri due risultati di terze parti meritano di essere presi in considerazione perché testano cose che i benchmark trascurano. La guida pratica riporta una verifica a contesto lungo in cui tre codici distinti, nascosti all'interno di un singolo input di circa 200.000 token, sono stati tutti restituiti nell'ordine corretto in un solo tentativo — un test di capacità più che un punteggio di abilità, e il tipo di verifica che una finestra di contesto da 1M invita a fare e raramente ottiene. Riporta anche un confronto di efficienza dei token in cui Space Bunny ha consumato 305.989 token di output contro i 913.989 di Qwen3.8 Flash sugli stessi benchmark: circa due terzi in meno, il che conta più di quanto sembri una volta che la finestra gratuita si chiude.

Il fatto singolo più chiaro nell'intero quadro è una lacuna. Non esiste alcuna voce di Artificial Analysis, nessun rating dell'arena e nessun benchmark riprodotto da una seconda parte. Un 7,0/10 da una suite e un 46,1% da un sottoinsieme autopubblicato, senza alcuna replicazione da nessuna parte, rappresentano una posizione di partenza più che un verdetto.

Chi c'è dietro

Non divulgato, e la scheda stessa lo dichiara: il modello è sviluppato e gestito da un fornitore terzo che ha scelto di rimanere anonimo durante l'anteprima, e la piattaforma che ospita la scheda dichiara di non essere lo sviluppatore, il proprietario o il fornitore. Il repository associato non riporta alcun nome di laboratorio, alcuna licenza e alcun peso.

Esiste un attivo dibattito pubblico di congetture — ricostruzioni del formato dei prompt, sondaggi sulla famiglia di tokenizer, confronti di campioni — e nulla di tutto ciò ha prodotto un'identità confermata. Non ripetiamo le ipotesi, per lo stesso motivo per cui non lo abbiamo fatto quando le voci precedenti di questa famiglia erano anonime: un punteggio benchmark condiviso o un conteggio di token corrispondente è una somiglianza, non un'identificazione, e una congettura della comunità mascherata da risultato è peggio per un lettore di un vuoto onesto. Ciò che il registro mostra davvero è che ogni anteprima anonima di questa serie finora è stata alla fine rivendicata da un laboratorio con nome, di solito nell'arco di giorni o settimane e spesso con un cambio di prezzo allegato. Questa è una frequenza di base su come finiscono queste anteprime, non una previsione su questa — ed è il motivo per trattare l'involucro di oggi come un'istantanea anziché una specifica.

Valutare un modello sconosciuto senza scommettere un percorso su di esso

Un operatore non divulgato non ti impedisce di testare il modello. Cambia a quali domande puoi rispondere. Tre cose conseguono dall'elenco stesso.

• La clausola di conservazione è quella da rispettare. I prompt e i completamenti possono essere conservati da un fornitore senza nome. I benchmark pubblici, il codice open source e i prototipi usa e getta vanno bene; i dati dei clienti, il codice sorgente proprietario e qualsiasi cosa soggetta a un regime di conformità no, e un prezzo gratuito non cambia questo calcolo.

• Tratta ogni dichiarazione sulle capacità come un'ipotesi finché non hai numeri tuoi. Throughput, latenza del primo token e coerenza sugli output lunghi sono i tre valori che nessuno ha pubblicato per questo modello, e sono anche i tre che decidono se è adatto a un carico di lavoro. Misurarli costa un pomeriggio.

• Non farne l'unico modello in un percorso. Un fornitore senza nome, senza pagina di stato e senza canale di escalation è un fornitore i cui guasti non puoi inseguire.

Quella ultima regola è dove un router guadagna il suo compenso, ed è la parte di cui possiamo parlare direttamente. OrcaRouter serve oltre 200 modelli dietro un'unica API senza ricarico sul prezzo di listino del provider — paghi la tariffa propria del provider, quindi un taglio di prezzo del fornitore è attivo dalla nostra parte lo stesso giorno — più failover automatico tra provider e un DSL di routing che ti consente di dichiarare un modello di comprovata affidabilità come fallback dietro uno sperimentale. Per essere precisi anziché generosi sulla questione della disponibilità: Space Bunny non è oggi nel nostro catalogo. La nostra API modelli non restituisce alcuna route con nessuno dei due nomi, quindi non siamo un modo per chiamare questo modello, e questa pagina non è una via per raggiungerlo. Quello che siamo è un modo per tenere un modello misurato dietro uno non misurato mentre decidi — che è l'unica posizione sensata verso un'anteprima gratuita da un operatore che nessuno può nominare.

Cosa cambierebbe questa pagina

Quattro cose, nell'ordine in cui è probabile che arrivino. Un proprietario identificato, che in questa serie è arrivato con una licenza, un numero di parametri e un prezzo. Una riproduzione di benchmark da parte di un secondo soggetto, che sarebbe la prima prova di qualità non legata a un'unica suite. Throughput e latenza pubblicati, i due campi vuoti che un acquirente vorrebbe vedere compilati più di ogni altra cosa. E un cambiamento al listino, attualmente la proprietà più decisiva in assoluto del modello.

Fino ad allora, la sintesi onesta è breve. Space Bunny è un'anteprima di ragionamento gratuita, con capacità video e un milione di token, gestita da un operatore non divulgato: una singola esecuzione di terze parti da 7,0/10, un unico insieme di valutazioni autopubblicate su sottoinsiemi, nessuna voce in classifiche indipendenti e nessun dato di throughput. Il suo nome semplice e il suo nome alpha sono lo stesso modello. Tutto il resto che lo riguarda è un'istantanea datata di una scheda, e questa pagina è il posto giusto per verificare quale istantanea sia quella attuale.