Space Bunny: Referenssidan för Stealth-modellen, även listad som Space Bunny Alpha

Space Bunny och Space Bunny Alpha är samma modell. Slå fast det först, för de två namnen drar åt olika håll: det nakna namnet är vad de flesta skriver, och det versionerade namnet är vad varje listning och varje text använder. Det finns ingen andra Space Bunny – inget mindre syskon, ingen tidigare utgåva som Alpha ersätter. Det nakna namnet är kortformen; Alphaär markören för förhandsstadiet som den här familjen av anonyma listningar bär medan operatören förblir namnlös. Space Bunny är en stealth-förhandsvisning som serveras på en tredjepartsplattform: en miljon tokens i kontext, ett tak för utdata på 524 288 tokens, text-, bild- och videoindata, och ett listat pris på noll dollar per miljon tokens, med leverantörens identitet oavslöjad. Den här sidan är referensen för den – destinationen för någon som sökte på modellens eget namn, inte ett andra tillkännagivande om att den finns.

Allt under rubriken envelope är operatörslevererad listningsmetadata: den anonyma leverantörens egna siffror, publicerade på plattformen som är värd för förhandsvisningen och lästa igen idag, den 28 september 2026. Inget av det är oberoende verifierat, och det upprepar jag där siffrorna förekommer. Benchmark-avsnittet är separat och genomgående baserat på tredjepartskällor. Den andra noten handlar om varför den här sidan finns överhuvudtaget. Listningen är daterad till den 23 september 2026, fem dagar sedan, så det finns inget åldersproblem att argumentera bort – men motiveringen här är inte det datumet. Det är förstaparts-sökefterfrågan som vi själva mätte: 1 668 visningar och 238 klick på sökfrågan "space bunny" under de 28 dagarna fram till den 25 september, på position 4,8. Det är ett faktum om vad folk skriver, inte om modellen. Läsare klickade redan vidare till vilken sida vi än råkade ranka; det fanns helt enkelt ingen sida om själva modellen för dem att landa på. Att fylla den luckan är den klausul som den här texten vilar på – bestående efterfrågan uppmätt den 28 september 2026, där listningsdatumet används för att datera modellen snarare än som en händelse att rapportera.

Namnet, fastställt på rätt sätt

Beviset för "samma modell" utgörs av en frånvaro, så det är värt att vara precis om vad som kontrollerades. Plattformen som är värd för förhandsvisningen listar exakt en post för familjen, under identifieraren stealth/space-bunny-alpha/ och visningsnamnet "Space Bunny Alpha"; det finns ingen fristående space-bunny/ post bredvid den. Modellens egen fältguide – en tredjepartssida som tydligt anger att den inte är knuten till plattformen eller utvecklaren – presenterar den som "Space Bunny Alpha, även skrivet space-bunny-alpha" och daterar sin listning till 23 september 2026. Hugging Face-organisationen som är värd för kompletterande repositories för den här serien har ett bunny-repository, uppkallat efter alfan. Letar man efter en fristående "Space Bunny" som en separat modell hittar man inget annat än samma modell under dess kortare namn.

I praktiken: behandla de två strängarna som alias. "Space Bunny" är huvudtermen och den som har bättre klickbeteende; space-bunny-alpha/ är identifieraren du anger i en begäran. Det enda som enbart namnet inte antyder är en version — det finns ingen dokumenterad 1.0, ingen mindre variant, ingen icke-förhandsversion. En listning eller ett inlägg som antyder något annat hittar på en familj som registret inte visar.

Suffixet bär faktiskt verklig information: modellen är i förhandsgranskning och drivs av en leverantör som har valt att inte bli namngiven under den, och plattformens stealth-notis säger att prompter och slutföranden kan behållas av den leverantören men inte används för träning. Läs den klausulen noga, för det är ett uttalande om lagring och inte ett om nollagring. Om du har läst vår bevakning före lanseringen av den här listningen — läcksidan för Space Bunny Alpha — den sidan har fyllt sin funktion: det som den förutsåg är nu helt enkelt modellens tillstånd, och de aktuella frågorna har förskjutits från identitet till omfång, kostnad och genomströmning.

Kuvertet, så som annonsen anger det

Läs om idag på den aktiva annonsen. Tillhandahållen av operatör, ej reproducerad.

• Kontextfönster — 1 000 000 tokens. Samma 1M-klass som de tidigare anonyma förhandsvisningarna i den här serien.

• Maximal utdata — 524 288 tokens. Hälften av kontextfönstret, vilket är ett mycket högt tak oavsett pris och ett som ingen tredje part har stresstestat för koherens vid den bortre änden.

• Input och output — text, bild och video in; text ut. Videoinmatning är den detalj som mest skiljer denna generation av anonyma listningar från vanliga multimodala släpp.

• Resonemang — obligatoriskt och kan inte stängas av, med fem ansträngningsnivåer: låg, medel, hög, xhigh och max. Den live-listning som finns idag visar leverantörens standard som max, och fältguiden från tredje part registrerar oberoende samma standard. Att dölja resonemangstexten via API:et inaktiverar inte beräkningen; den förbrukar fortfarande utdatabudget.

• Verktygsanvändning och strukturerad utdata — tools/ och tool_choice/ accepteras, så funktionsanrop är tillgängligt. response_format/ ger JSON-utdata utan JSON-tvingande, samma sak som den här familjen av förhandsversioner har haft. Om din pipeline behöver ett strukturerat objekt tillbaka, validera det själv.

• Ej angivet — leverantörsnamn, antal parametrar, aktiva parametrar, arkitektur, tokenizer-familj (endast registrerad som "Other"), kunskaps-cutoff, kvantisering, licens, och huruvida det överhuvudtaget finns vikter som kan släppas. Det medföljande repot säger att GGUF-filer kommer att dyka upp "när modellvikterna blir tillgängliga" — ett löfte om en framtida fil, inte ett bevis för att vikterna finns nu.

• Operativ, och anmärkningsvärt tunn — listningen publicerar ingen genomströmningssiffra och ingen latenssiffra. Båda fälten är tomma. Den rapporterar en enda leverantör för servering, taggad som stealth, med okänd kvantisering.

Den sista punkten är det ärliga svaret på "hur snabb är den": ingen som har publicerat en siffra äger slutpunkten, och slutpunktens operatör har inte publicerat något. Det är inte ett skäl att undvika modellen. Det är ett skäl att mäta den vid ditt första anrop i stället för att lita på ett adjektiv i en beskrivning.

Prislistan: noll, och vad noll betyder här

Listningen anger priset för modellen till $0 per miljon token in och $0 per miljon token ut — en gratis förhandsvisning, i operatörens egen listning, avläst i dag. Ingen gräns per begäran och ingen policy för hastighetsbegränsning publiceras i posten.

Två förbehåll. För det första: det är operatörens listade pris i dag, inte ett åtagande: ett dolt förhandspris är en egenskap hos en listning, och listningar ändras utan varsel. För det andra: i den här serien har ett $0-förhandspris historiskt varit ett utvärderingsinstrument snarare än en permanent nivå — det fria fönstret har stängts när en förhandsvisning avslutades. Den som bygger på en noll-dollar-taxa bör betrakta siffran som aktuell snarare än varaktig och bör veta vad deras fallback per miljon kostar innan de behöver den.

Endpoint-ytan

Vad en anropare faktiskt får, hämtat från listningens uppsättning av parametrar som stöds i stället för från prosadokumentation.

• Chat-kompletteringar — meddelanden/ med valfri stream/, alltså vanlig strömmande generering.

• Sampling och gränser — max_tokens, temperature, top_p. Resonemangstokens tas från max_tokens-budgeten, så ett snävt tak trunkerar tänkandet innan det trunkerar utdata.

• Resonemangskontroller — reasoning/ och reasoning_effort/ över den femstegsstegen, plus include_reasoning/ för att visa eller dölja resonemangstexten.

• Struktur och verktyg — tools/, tool_choice/ (auto stöds; att tvinga en specifik funktion stöds inte), och response_format/ för JSON utan schemavalidering.

Det är hela ytan. Ingen separat vision-endpoint, inget batch-API, ingen finjusteringsväg, inga embeddingar. Multimodalinmatning går in genom samma chattanrop, vilket är bekvämt och också innebär att en stor videobilaga konkurrerar om samma kontextbudget som allt annat i konversationen.

Vilka tredjeparter har faktiskt mätt

Det är här de flesta sökresultat slutar vara noggranna, så proveniens först. Artificial Analysis, den oberoende rankningstabell som vi normalt hänvisar till för jämförelser mellan modeller, har ingen post för Space Bunny under något av namnen – kontrollerat idag via direkt förfrågan. De två tredjepartsmätningar som faktiskt finns är av olika slag, och ingen av dem är en matchad testrigg mot de modeller som den plottas bredvid.

Den första är AI BENCHY, en tredjeparts benchmarksajt som publicerar körningar per modell. Dess post för Space Bunny Alpha registrerar 7,0 av 10 vid hög resonemangsnivå, en godkännandegrad på 62,1 % av försöken, 10,0 i tillförlitlighet, en genomsnittlig svarstid på 27,38 sekunder och en registrerad kostnad på 0,000 $, och placerar den på plats 161 i sajtens egen tabell. Per kategori är dess starkaste resultat datautvinning och verktygsanrop, båda 10,0 av 10; dess svagaste är trivia med 3,0 och allmän intelligens med 4,2. Det är den sajtens siffror från dess egen svit. Det tal som är värt att läsa är godkännandegraden och spridningen mellan kategorier, inte den globala rangordningen, som är en position i någon annans ordning.

Den andra är modellens egen fälthandledning, som publicerar sina egna utvärderingar: 82,0 % på en delmängd av GPQA Diamond med 60 frågor, 75 % på MMLU-Pro och 46,1 % på en delmängd av Humanity's Last Exam med 300 frågor, med ett ungefärligt 95-procentigt konfidensintervall på 40,4–51,8 %. Webbplatsen är tydlig med att detta är dess egna delmängdskörningar och att modellerna som visas bredvid dem är publicerade referensresultat från respektive leverantör — olika antal frågor, olika testramverk, olika uppsättningar. Den reservationen är det viktiga och bör inte tyst utelämnas: de kolumnerna är inte en direkt jämförelse, och ingen har gjort en jämförelse av Space Bunny med någon av de modeller den plottas bredvid, med samma insats och samma testramverk. En sida som presenterar dessa siffror som en rangordning gör något som källan själv avstod från att göra.

Ytterligare två tredjepartsresultat är värda att ha, eftersom de testar saker som benchmarks missar. Fältguiden rapporterar ett långkontexttest där tre olika koder gömda i en enda indata på ungefär 200 000 tokens alla återgavs i rätt ordning vid ett försök – ett kapacitetstest snarare än en förmågepoäng, och den typ av kontroll som ett kontextfönster på 1M inbjuder till men sällan får. Den rapporterar också en jämförelse av token-effektivitet där Space Bunny förbrukade 305 989 utdatatokens mot 913 989 för Qwen3.8 Flash på samma benchmarks: omkring två tredjedelar färre, vilket spelar större roll än det låter när det fria fönstret väl stängs.

Det tydligaste enskilda faktumet i hela bilden är en lucka. Det finns ingen Artificial Analysis-post, inget arena-betyg och inget benchmark som har reproducerats av en andra part. En 7,0/10 från en svit och en 46,1 % från en självpublicerad delmängd, utan någon replikering någonstans, är en utgångspunkt snarare än en dom.

Vem ligger bakom det

Ouppgivet, och själva listningen säger det: modellen utvecklas och drivs av en tredjepartsleverantör som har valt att förbli anonym under förhandsvisningen, och plattformen som är värd för listningen uppger att den inte är utvecklaren, ägaren eller leverantören. Det medföljande repositoriet innehåller varken labbnamn, licens eller vikter.

Det pågår en aktiv offentlig gissningsdiskurs – rekonstruktioner av promptformat, sonderingar av tokenizerfamiljer, jämförelser av exempel – och inget av det har lett till en bekräftad identitet. Vi upprepar inte hypoteserna, av samma skäl som vi inte gjorde det när den här familjens tidigare poster var anonyma: en delad benchmarkpoäng eller ett matchande tokenantal är en likhet, inte en identifiering, och en communitygissning utklädd till ett fynd är sämre för en läsare än en ärlig lucka. Vad materialet däremot visar är att varje anonym förhandsvisning i den här serien hittills till slut har gjorts anspråk på av ett namngivet labb, vanligtvis inom dagar till veckor och ofta med en prisändring kopplad till. Det är en basfrekvens för hur dessa förhandsvisningar slutar, inte en förutsägelse om den här – och det är skälet att behandla dagens kuvert som en ögonblicksbild snarare än en specifikation.

Att utvärdera en okänd modell utan att satsa en väg på den

En ej offentliggjord operatör hindrar dig inte från att testa modellen. Den ändrar vilka frågor du kan besvara. Tre saker följer av själva listningen.

• Retentionsklausulen är den som måste respekteras. Promptar och svar kan behållas av en leverantör utan namn. Offentliga benchmarks, öppen källkod och engångsprototyper är okej; kunddata, proprietär källkod och allt som omfattas av ett compliance-regelverk är det inte, och ett gratis pris ändrar inte den ekvationen.

• Behandla varje påstående om kapacitet som en hypotes tills du har dina egna siffror. Genomströmning, latens för första token och koherens vid långa utdata är de tre siffror som ingen har publicerat för den här modellen, och de är också de tre som avgör om den passar en arbetsbelastning. De tar en eftermiddag att mäta.

• Gör den inte till den enda modellen i en väg. En leverantör utan namn, utan statussida och utan eskaleringsväg är en leverantör vars fel du inte kan utreda.

Den sista regeln är där en router förtjänar sin plats, och det är den delen vi kan tala direkt om. OrcaRouter tillhandahåller 200+ modeller bakom ett enda API utan påslag på leverantörens listpris — du betalar leverantörens eget publicerade pris, så en leverantörs prissänkning är aktiv hos oss samma dag — plus automatisk failover mellan leverantörer och ett routing-DSL som låter dig deklarera en beprövad modell som reserv bakom en experimentell. För att vara exakt snarare än generös om tillgänglighetsfrågan: Space Bunny finns inte i vår katalog idag. Vårt modell-API returnerar ingen sådan rutt under något av namnen, så vi är inte ett sätt att anropa den här modellen, och den här sidan är inte en väg till den. Vad vi är är ett sätt att hålla en uppmätt modell bakom en omätt medan du bestämmer — vilket är den enda förnuftiga hållningen gentemot en gratis förhandsvisning från en operatör som ingen kan namnge.

Vad skulle ändra den här sidan

Fyra saker, i den ordning de sannolikt dyker upp. En namngiven ägare, vilket i den här serien har kommit med en licens, ett parameterantal och ett pris. En reproduktion av benchmark från en andra part, vilket skulle vara det första kvalitetsbeviset som inte är knutet till en enda svit. Publicerad genomströmning och latens, de två tomma fält som en köpare helst vill se ifyllda. Och en ändring av prislistan, för närvarande modellens enskilt mest avgörande egenskap.

Till dess är den ärliga sammanfattningen kort. Space Bunny är en gratis, videokapabel resonemangsförhandsvisning med en miljon token och en icke offentliggjord operatör: en tredjepartskörning på 7,0/10, en uppsättning egenpublicerade delmängdsutvärderingar, ingen oberoende topplistepost och ingen siffra för genomströmning alls. Dess namn i sin enklaste form och dess alfanamn är samma modell. Allt annat om den är en datumstämplad ögonblicksbild av en listning, och den här sidan är platsen att kontrollera vilken ögonblicksbild som är aktuell.