Space Bunny: Strona referencyjna dla modelu Stealth, wymienionego również jako Space Bunny Alpha

Space Bunny i Space Bunny Alpha to ten sam model. Ustalmy to na samym początku, bo obie nazwy ciągną w różnych kierunkach: sama nazwa to forma, którą wpisuje większość ludzi, a nazwa z wersją to ta, której używa każde ogłoszenie i każdy opis. Nie istnieje drugi Space Bunny — żadne mniejsze rodzeństwo, żadne wcześniejsze wydanie, które Alpha zastępuje. Sama nazwa to forma skrócona; Alpha to znacznik etapu zapowiedzi, który nosi ta rodzina anonimowych ogłoszeń, dopóki operator pozostaje nienazwany. Space Bunny to ukryta zapowiedź udostępniana na platformie zewnętrznej: milion tokenów kontekstu, limit wyjścia wynoszący 524 288 tokenów, wejście tekstowe, obrazowe i wideo oraz podana cena zero dolarów za milion tokenów, przy nieujawnionej tożsamości dostawcy. Ta strona jest dla niego materiałem referencyjnym — celem dla kogoś, kto wyszukał nazwę samego modelu, a nie kolejnym ogłoszeniem o jego istnieniu.

Dwie rzeczy o tym, jak czytać to, co następuje. Wszystko pod nagłówkiem koperty to metadane ogłoszenia dostarczone przez operatora: własne liczby anonimowego dostawcy, opublikowane na platformie hostującej podgląd i ponownie odczytane dziś, 28 września 2026 r. Nic z tego nie zostało niezależnie zweryfikowane i mówię to ponownie tam, gdzie pojawiają się liczby. Sekcja benchmarków jest oddzielna i w całości oparta na źródłach podmiotów trzecich. Druga uwaga dotyczy tego, dlaczego ta strona w ogóle istnieje. Ogłoszenie pochodzi z 23 września 2026 r., czyli sprzed pięciu dni, więc nie ma problemu ze starością, wokół którego trzeba by dyskutować — ale uzasadnieniem nie jest tu ta data. To popyt wyszukiwania z pierwszej ręki, który sami zmierzyliśmy: 1668 wyświetleń i 238 kliknięć dla zapytania „space bunny” w ciągu 28 dni do 25 września, na pozycji 4,8. To fakt o tym, co ludzie wpisują, a nie o modelu. Czytelnicy już klikali i przechodzili do dowolnej strony, która akurat dla nas zajmowała miejsce w wynikach; po prostu nie było strony o samym modelu, na którą mogliby trafić. Wypełnienie tej luki to przesłanka, na której opiera się ten tekst — trwały popyt zmierzony 28 września 2026 r., przy czym data ogłoszenia służy do datowania modelu, a nie jako wydarzenie do relacjonowania.

Nazwa, należycie ustalona

Dowód na „ten sam model” opiera się na nieobecności, więc warto doprecyzować, co zostało sprawdzone. Platforma hostująca podgląd wymienia dokładnie jeden wpis dla rodziny, pod identyfikatorem stealth/space-bunny-alpha/ i nazwą wyświetlaną „Space Bunny Alpha”; nie ma samego space-bunny/ wpisu obok niego. Przewodnik samego modelu — witryna strony trzeciej, która wyraźnie zaznacza, że nie jest powiązana z platformą ani deweloperem — przedstawia go jako „Space Bunny Alpha, zapisywany także jako space-bunny-alpha” i datuje jego wpis na 23 września 2026 r. Organizacja Hugging Face, która hostuje repozytoria towarzyszące tej serii, prowadzi jedno repozytorium bunny, nazwane od alpha. Szukanie samego „Space Bunny” jako osobnego modelu nie daje niczego poza tym samym modelem pod jego krótszą nazwą.

Praktycznie: traktuj oba ciągi jako aliasy. „Space Bunny” to termin główny i ten o lepszej klikalności; space-bunny-alpha/ to identyfikator, który podajesz w żądaniu. Jedyną rzeczą, której sama nazwa nie implikuje, jest wersja — nie ma udokumentowanej wersji 1.0, żadnego mniejszego wariantu ani wydania niebędącego wersją zapoznawczą. Wpis lub post, który sugeruje inaczej, wymyśla rodzinę, której rekord nie pokazuje.

Sufiks rzeczywiście niesie ze sobą realną informację: model jest w wersji zapoznawczej, obsługiwany przez dostawcę, który w tym okresie postanowił nie ujawniać swojej nazwy, a komunikat platformy o trybie ukrytym mówi, że prompty i ukończenia mogą być przechowywane przez tego dostawcę, ale nie są wykorzystywane do trenowania. Przeczytajcie tę klauzulę uważnie, ponieważ jest to stwierdzenie o przechowywaniu, a nie o zerowej retencji. Jeśli przeczytaliście nasze przedpremierowe omówienie tego wpisu — stronę z wyciekiem Space Bunny Alpha — ta strona spełniła już swoją funkcję: to, co przewidywała, jest teraz po prostu stanem modelu, a aktualne pytania przesunęły się z tożsamości na zakres możliwości, koszt i przepustowość.

Koperta, zgodnie z tym, co podaje lista.

Ponownie odczytane dzisiaj na aktywnej liście. Dostarczone przez operatora, nieodtworzone.

• Okno kontekstowe — 1 000 000 tokenów. Ta sama klasa 1M co poprzednie anonimowe zapowiedzi w tej serii.

• Maksymalna długość wyjścia — 524 288 tokenów. Połowa okna kontekstowego, czyli bardzo wysoki pułap przy dowolnej cenie, którego żadna strona trzecia nie poddała testom obciążeniowym pod kątem spójności na dalekim końcu.

• Wejście i wyjście — tekst, obraz i wideo na wejściu; tekst na wyjściu. Wejście wideo to szczegół, który najbardziej odróżnia tę generację anonimowych ofert od zwykłych wydań multimodalnych.

• Rozumowanie — obowiązkowe i nie można go wyłączyć, z pięcioma poziomami wysiłku: low, medium, high, xhigh i max. Bieżący wykaz na żywo pokazuje dziś domyślną wartość dostawcy jako max, a przewodnik strony trzeciej niezależnie odnotowuje tę samą wartość domyślną. Ukrycie tekstu rozumowania za pośrednictwem API nie wyłącza obliczeń; nadal zużywa budżet wyjściowy.

• Użycie narzędzi i ustrukturyzowane dane wyjściowe — tools/ i tool_choice/ są akceptowane, więc wywoływanie funkcji jest dostępne. response_format/ zwraca dane wyjściowe w formacie JSON bez egzekwowania schematu JSON — ta sama uwaga, która towarzyszyła tej rodzinie wersji zapoznawczych od początku. Jeśli Twój potok wymaga zwrotu zwalidowanego obiektu, zwaliduj go samodzielnie.

• Nie ujawniono — nazwa dostawcy, liczba parametrów, parametry aktywne, architektura, rodzina tokenizera (zgłoszona wyłącznie jako „Inne”), data odcięcia wiedzy, kwantyzacja, licencja oraz to, czy w ogóle istnieją wagi możliwe do udostępnienia. Towarzyszące repozytorium mówi, że pliki GGUF pojawią się „gdy wagi modelu staną się dostępne” — obietnica dotycząca przyszłego pliku, a nie dowód, że wagi istnieją teraz.

• Działa, a przy tym jest wyjątkowo skromny — ogłoszenie nie podaje żadnej wartości przepustowości ani opóźnienia. Oba pola są puste. Podaje jednego dostawcę usług, oznaczonego jako stealth, o nieznanej kwantyzacji.

Ten ostatni punkt to uczciwa odpowiedź na pytanie „jak szybki jest”: nikt, kto opublikował jakąkolwiek liczbę, nie jest właścicielem endpointu, a operator endpointu nie opublikował niczego. To nie jest powód, by unikać tego modelu. To powód, by zmierzyć go przy pierwszym wywołaniu, zamiast ufać przymiotnikowi z opisu.

Cennik: zero, i co tutaj oznacza zero

Wpis wycenia model na 0 USD za milion tokenów wejściowych i 0 USD za milion tokenów wyjściowych — to darmowa wersja zapoznawcza, we wpisie samego operatora, odczytanym dzisiaj. We wpisie nie podano limitu na żądanie ani polityki ograniczania tempa.

Dwa zastrzeżenia. Po pierwsze, jest to dzisiejsza cena podana przez operatora, a nie zobowiązanie: cena stealth preview jest właściwością oferty, a oferty zmieniają się bez powiadomienia. Po drugie, w tej serii zapowiedź za 0 USD historycznie była narzędziem oceny, a nie stałym poziomem — darmowe okno zamykało się, gdy zapowiedź się kończyła. Każdy, kto opiera się na stawce zerodolarowej, powinien traktować tę liczbę jako bieżącą, a nie trwałą, i powinien wiedzieć, jaki jest koszt jego fallbacku za milion, zanim będzie go potrzebować.

Powierzchnia endpointu

To, co faktycznie otrzymuje wywołujący, zaczerpnięte ze zbioru obsługiwanych parametrów listingu, a nie z dokumentacji opisowej.

• Uzupełnienia czatu — messages/ z opcjonalnym stream/, czyli zwykłe generowanie strumieniowe.

• Próbkowanie i limity — max_tokens/, temperature/, top_p/. Tokeny rozumowania obciążają max_tokens/ budżet, więc zbyt niski limit obcina rozumowanie, zanim obetnie dane wyjściowe.

• Sterowanie rozumowaniem — reasoning/ i reasoning_effort/ na pięciostopniowej drabinie, a także include_reasoning/ aby wyświetlić lub ukryć tekst rozumowania.

• Struktura i narzędzia — tools/, tool_choice/ (auto jest obsługiwane; wymuszanie konkretnej funkcji nie jest), oraz response_format/ dla JSON bez walidacji schematu.

To cała powierzchnia. Żadnego osobnego endpointu wizji, żadnego API do przetwarzania wsadowego, żadnej ścieżki dostrajania, żadnych osadzeń. Wejście multimodalne przechodzi przez to samo wywołanie czatu, co jest wygodne, a także oznacza, że duży załącznik wideo konkuruje o ten sam budżet kontekstu co wszystko inne w rozmowie.

Co faktycznie zmierzyły strony trzecie

Tu większość wyników wyszukiwania przestaje być staranna, więc najpierw pochodzenie. Artificial Analysis, niezależny ranking, do którego zwykle się odwołujemy przy porównywaniu modeli, nie ma wpisu dla Space Bunny pod żadną z tych nazw — sprawdzono dziś na bezpośrednie zapytanie. Dwa istniejące pomiary stron trzecich są odmienne co do rodzaju i żaden z nich nie stanowi dopasowanego zestawu testowego względem modeli, obok których jest umieszczony na wykresie.

Pierwszy to AI BENCHY, zewnętrzna strona benchmarkowa publikująca przebiegi dla poszczególnych modeli. Jej wpis dla Space Bunny Alpha odnotowuje 7,0 na 10 przy wysokim rozumowaniu, 62,1% wskaźnika zaliczeń prób, niezawodność 10,0, średni czas odpowiedzi 27,38 sekundy i zarejestrowany koszt 0,000 USD, oraz umieszcza go na #161 w tabeli tej strony. Według kategorii jego najsilniejsze wyniki to ekstrakcja danych i wywoływanie narzędzi, oba 10,0 na 10; najsłabsze to ciekawostki na 3,0 i ogólna inteligencja na 4,2. To są liczby tej strony z jej własnego zestawu. Liczbą wartą odczytania jest wskaźnik zaliczeń i rozrzut kategorii, a nie globalny ranking, który jest pozycją w cudzym uporządkowaniu.

Drugi to własny przewodnik modelu, który publikuje własne ewaluacje: 82,0% w 60-pytaniowym podzbiorze GPQA Diamond, 75% w MMLU-Pro i 46,1% w 300-pytaniowym podzbiorze Humanity's Last Exam z przybliżonym 95% przedziałem ufności wynoszącym 40,4–51,8%. Strona wyraźnie zaznacza, że są to jej własne uruchomienia na podzbiorach, a modele pokazane obok nich to opublikowane wyniki referencyjne od ich odpowiednich dostawców — różne liczby pytań, różne środowiska testowe, różne konfiguracje. To zastrzeżenie jest najważniejsze i nie powinno zostać po cichu pominięte: te kolumny nie są bezpośrednim porównaniem i nikt nie przeprowadził porównania Space Bunny z jakimkolwiek modelem, obok którego jest umieszczony, przy dopasowanym nakładzie pracy i dopasowanym środowisku testowym. Strona, która prezentuje te liczby jako ranking, robi coś, czego samo źródło odmówiło zrobienia.

Dwa kolejne wyniki od podmiotów trzecich są warte uwagi, ponieważ testują rzeczy, które umykają benchmarkom. Przewodnik opisuje test długiego kontekstu, w którym trzy odrębne kody ukryte w pojedynczym wejściu liczącym około 200 000 tokenów zostały zwrócone w poprawnej kolejności podczas jednej próby — to test pojemności, a nie ocena możliwości, i taki rodzaj sprawdzenia, do którego zachęca okno kontekstowe 1M, a który rzadko się zdarza. Podaje również porównanie efektywności tokenowej, w którym Space Bunny zużył 305 989 tokenów wyjściowych wobec 913 989 w przypadku Qwen3.8 Flash na tych samych benchmarkach: około o dwie trzecie mniej, co ma większe znaczenie, niż się wydaje, gdy darmowe okno się zamknie.

Najwyraźniejszym pojedynczym faktem w całym obrazie jest luka. Nie ma wpisu w Artificial Analysis, rankingu arenowego ani benchmarku odtworzonego przez drugą stronę. Jedno 7,0/10 z jednego zestawu i jedno 46,1% z samodzielnie opublikowanego podzbioru, bez żadnej replikacji, to punkt wyjścia, a nie wyrok.

Kto za tym stoi

Nieujawnione — i sam wpis to stwierdza: model jest rozwijany i obsługiwany przez zewnętrznego dostawcę, który zdecydował się pozostać anonimowy podczas podglądu, a platforma hostująca wpis oświadcza, że nie jest deweloperem, właścicielem ani dostawcą. Towarzyszące repozytorium nie zawiera nazwy laboratorium, licencji ani wag.

Toczy się aktywny publiczny dyskurs zgadywania — rekonstrukcje formatu promptów, sondy dotyczące rodziny tokenizerów, porównania próbek — i nic z tego nie przyniosło potwierdzonej tożsamości. Nie powtarzamy tych hipotez z tego samego powodu, dla którego nie zrobiliśmy tego, gdy poprzednie wpisy tej rodziny były anonimowe: wspólny wynik benchmarku lub zgodna liczba tokenów to podobieństwo, a nie identyfikacja, a domysł społeczności przebrany za ustalenie jest dla czytelnika gorszy niż uczciwa pustka. Co jednak pokazuje zapis, to że każda anonimowa wersja zapoznawcza w tej serii jak dotąd została ostatecznie przypisana nazwanemu laboratorium, zwykle w ciągu dni do tygodni i często z towarzyszącą zmianą ceny. To jest bazowa stopa dotycząca tego, jak kończą się te wersje zapoznawcze, a nie przewidywanie dotyczące tej jednej — i to jest powód, by traktować dzisiejszą kopertę jako migawkę, a nie specyfikację.

Ocenianie nieznanego modelu bez obstawiania ścieżki na nim

Nieujawniony operator nie powstrzymuje cię przed testowaniem modelu. Zmienia to, na jakie pytania możesz odpowiedzieć. Z samego listingu wynikają trzy rzeczy.

• Klauzula retencji jest tą, której należy przestrzegać. Prompty i uzupełnienia mogą być przechowywane przez dostawcę bez nazwy. Publiczne benchmarki, kod open source i jednorazowe prototypy są w porządku; dane klientów, zastrzeżony kod źródłowy i cokolwiek objęte reżimem zgodności — nie, a darmowa cena nie zmienia tego rachunku.

• Traktuj każde twierdzenie o możliwościach jako hipotezę, dopóki nie masz własnych liczb. Przepustowość, opóźnienie pierwszego tokenu i spójność długich odpowiedzi to trzy wartości, których nikt nie opublikował dla tego modelu, a jednocześnie trzy, które decydują, czy pasuje do danego obciążenia. Ich zmierzenie zajmuje popołudnie.

• Nie czyń go jedynym modelem w ścieżce. Dostawca bez nazwy, bez strony statusu i bez ścieżki eskalacji to dostawca, którego awarii nie sposób wyśledzić.

Ta ostatnia zasada to miejsce, w którym router zasługuje na swoją pozycję, i to jest część, o której możemy powiedzieć wprost. OrcaRouter udostępnia ponad 200 modeli za jednym API bez doliczania marży do ceny katalogowej dostawcy — płacisz stawkę opublikowaną przez samego dostawcę, więc obniżka ceny u dostawcy jest widoczna po naszej stronie tego samego dnia — a do tego automatyczne przełączanie awaryjne między dostawcami oraz DSL routingu, który pozwala zadeklarować sprawdzony model jako opcję awaryjną za modelem eksperymentalnym. Mówiąc dokładnie, a nie hojnie, w kwestii dostępności: Space Bunny nie znajduje się dziś w naszym katalogu. Nasze API modeli nie zwraca takiej trasy pod żadną z tych nazw, więc nie jesteśmy sposobem na wywołanie tego modelu, a ta strona nie jest do niego drogą. Jesteśmy natomiast sposobem, by trzymać model z pomiarami za modelem bez pomiarów, podczas gdy decydujesz — co jest jedyną rozsądną postawą wobec darmowego podglądu od operatora, którego nikt nie potrafi nazwać.

Co zmieniłoby tę stronę?

Cztery rzeczy, w kolejności, w jakiej prawdopodobnie się pojawią. Nazwany właściciel, co w tej serii szło w parze z licencją, liczbą parametrów i ceną. Reprodukcja benchmarku przez drugą stronę, która byłaby pierwszym dowodem jakości niezwiązanym z pojedynczym zestawem testów. Opublikowane wartości przepustowości i opóźnienia — dwa puste pola, które kupujący najbardziej chciałby zobaczyć wypełnione. I zmiana cennika, który jest obecnie jedyną najbardziej rozstrzygającą właściwością tego modelu.

Do tego czasu uczciwe podsumowanie jest krótkie. Space Bunny to darmowy, obsługujący wideo podgląd modelu rozumującego o kontekście miliona tokenów, z nieujawnionym operatorem: jeden zewnętrzny przebieg oceniony na 7,0/10, jeden zestaw samodzielnie opublikowanych ewaluacji podzbioru, brak wpisu w niezależnym rankingu i całkowity brak danych o przepustowości. Jego sama nazwa i nazwa alpha odnoszą się do tego samego modelu. Wszystko inne na jego temat to opatrzony datą zrzut wpisu, a ta strona jest miejscem, w którym można sprawdzić, który zrzut jest aktualny.