space-bunny-alphaO Space Bunny Alpha é um modelo de linguagem em prévia «stealth»: o seu fornecedor decidiu permanecer anónimo. Apareceu no OpenRouter em 23 de setembro de 2026 com o id stealth/space-bunny-alpha e na apimodels.app está disponível como space-bunny-alpha no endpoint compatível com OpenAI /v1/chat/completions. O anunciado: contexto de 1M de tokens, até 524K tokens de saída, esforço de raciocínio ajustável (reasoning_effort, com o rastro devolvido na resposta), chamadas de ferramentas e tool_choice, response_format, e entrada de imagem e vídeo. Em vez de repetir o fornecedor, em 29 de setembro de 2026 submetemo-lo a 28 tarefas, uma chamada real por tarefa, e abrimos cada resultado: 21 aprovadas, 5 parciais, 2 reprovadas. As seis tarefas de 3D e web passaram todas, de um sistema solar em Three.js com controlo de câmara a um painel de administração em Chart.js de 64 KB cuja ordenação, filtros, modo escuro e barra lateral recolhível funcionaram no Chrome sem um único erro de consola. Escrita, 4 em 4: uma quadra chinesa com a métrica correta verso a verso, uma tradução técnica chinês-inglês sem perder um número, um artigo de engenharia de 2.300 palavras e textos de produto em japonês e coreano com qualidade de falante nativo. Raciocínio, 3 em 3, incluindo um enigma de lugares propositadamente subdeterminado em que informou com honestidade que havia quatro soluções em vez de inventar uma. Recuperou 3 em 3 factos escondidos num documento de 91.298 tokens com citações exatas e fez duas chamadas de ferramentas em paralelo com os argumentos certos em 2 segundos. As quatro tarefas de programação ficaram em parcial pela mesma razão: a lógica estava certa, mas os detalhes não foram verificados. Falhou um dos erros de uma função com limite de concorrência, escreveu 13 testes para uma cache LRU correta dos quais 3 afirmam o contrário da sua própria implementação, deixou um token corrompido numa consulta SQL de resto sólida e imprimiu uma tabela de pandas calculada «à mão» com 4 dos 12 quantis errados. Um vídeo explicativo em canvas de 1.450 linhas falhou por uma única aspa em falta; com esse carácter reposto renderizou as cinco cenas. Duas capacidades anunciadas não se confirmaram nesta rota: um esquema JSON estrito enviado por response_format foi aceite mas não aplicado (duas chaves obrigatórias renomeadas, campos a mais), portanto valide do seu lado; e o vídeo chega como alguns fotogramas amostrados sem áudio, pelo que descreve o que há num clipe mas não a sua duração, movimento ou som. A entrada de imagem é boa: identificou sozinho Preikestolen sobre o Lysefjord numa fotografia. Duas definições importam mais do que tudo. Primeiro, reasoning_effort: no valor por omissão raciocinou 4 a 5 minutos antes do primeiro carácter, mesmo num poema de quatro versos, e 4 das 28 chamadas foram cortadas a montante por volta dos 300 segundos; em low ou medium os mesmos pedidos responderam em 4 a 40 segundos até ao primeiro token sem perda visível. Segundo, max_tokens: o rastro de raciocínio é cobrado dentro de completion_tokens e sai antes da resposta, por isso um limite pequeno devolve conteúdo vazio; omita-o (o gateway não injeta nada e vale o limite do próprio modelo) ou defina-o alto. O débito ronda os 90 a 140 tokens por segundo, raciocínio incluído. O preço é $0.10 por 1M de tokens de entrada, $0.40 por 1M de saída e $0.01 a entrada em cache: o modelo é gratuito a montante durante a prévia e o preço cobre o gateway, pelo que não há lista oficial para comparar, e os tokens de raciocínio contam como saída. É uma prévia: os modelos stealth costumam ser retirados ou renomeados quando o fornecedor se revela, por isso trate o id como temporário e mantenha uma alternativa no seu código. Pelos termos do fornecedor, prompts e respostas podem ser retidos, embora não sejam usados para treino; não envie dados que não partilharia com um terceiro sem nome. Os limites de taxa são os da prévia, não os nossos: rajadas sustentadas podem devolver 429, e chamadas falhadas nunca são cobradas.
View complete API reference with all parameters and examples.
View complete API reference with streaming, thinking, and more.
Billing: Cost = (input_tokens * input_price + output_tokens * output_price) / 1,000,000
Janela de 1.000.000 de tokens e até 524K tokens de saída, segundo os metadados publicados; recuperou 3 em 3 factos escondidos num documento de 91K tokens com citações exatas
Por omissão raciocinou 4 a 5 minutos antes do primeiro carácter e 4 em 28 chamadas foram cortadas a montante; em low ou medium os mesmos pedidos responderam em 4 a 40 segundos sem perda visível
Duas chamadas de funções em paralelo com os argumentos exatos em 2 segundos. response_format é aceite, mas um esquema JSON estrito não foi aplicado no nosso teste: valide do seu lado
Identificou Preikestolen numa foto sem lhe pedirem e descreveu em detalhe uma personagem gerada. O vídeo chega como alguns fotogramas sem áudio: não serve para duração nem som
$0.10 / $0.40 por 1M enquanto a prévia durar. O fornecedor é anónimo e pode reter prompts e respostas sem treinar com eles; espere que o id mude quando for revelado
Space Bunny Alpha é uma API de modelo de linguagem da Stealth. O Space Bunny Alpha é um modelo de linguagem em prévia «stealth»: o seu fornecedor decidiu permanecer anónimo. Apareceu no OpenRouter em 23 de setembro de 2026 com o id stealth/space-bunny-alpha e na apimodels.app está disponível como space-bunny-alpha no endpoint compatível com OpenAI /v1/chat/completions. O anunciado: contexto de 1M de tokens, até 524K tokens de saída, esforço de raciocínio ajustável (reasoning_effort, com o rastro devolvido na resposta), chamadas de ferramentas e tool_choice, response_format, e entrada de imagem e vídeo. Em vez de repetir o fornecedor, em 29 de setembro de 2026 submetemo-lo a 28 tarefas, uma chamada real por tarefa, e abrimos cada resultado: 21 aprovadas, 5 parciais, 2 reprovadas. As seis tarefas de 3D e web passaram todas, de um sistema solar em Three.js com controlo de câmara a um painel de administração em Chart.js de 64 KB cuja ordenação, filtros, modo escuro e barra lateral recolhível funcionaram no Chrome sem um único erro de consola. Escrita, 4 em 4: uma quadra chinesa com a métrica correta verso a verso, uma tradução técnica chinês-inglês sem perder um número, um artigo de engenharia de 2.300 palavras e textos de produto em japonês e coreano com qualidade de falante nativo. Raciocínio, 3 em 3, incluindo um enigma de lugares propositadamente subdeterminado em que informou com honestidade que havia quatro soluções em vez de inventar uma. Recuperou 3 em 3 factos escondidos num documento de 91.298 tokens com citações exatas e fez duas chamadas de ferramentas em paralelo com os argumentos certos em 2 segundos. As quatro tarefas de programação ficaram em parcial pela mesma razão: a lógica estava certa, mas os detalhes não foram verificados. Falhou um dos erros de uma função com limite de concorrência, escreveu 13 testes para uma cache LRU correta dos quais 3 afirmam o contrário da sua própria implementação, deixou um token corrompido numa consulta SQL de resto sólida e imprimiu uma tabela de pandas calculada «à mão» com 4 dos 12 quantis errados. Um vídeo explicativo em canvas de 1.450 linhas falhou por uma única aspa em falta; com esse carácter reposto renderizou as cinco cenas. Duas capacidades anunciadas não se confirmaram nesta rota: um esquema JSON estrito enviado por response_format foi aceite mas não aplicado (duas chaves obrigatórias renomeadas, campos a mais), portanto valide do seu lado; e o vídeo chega como alguns fotogramas amostrados sem áudio, pelo que descreve o que há num clipe mas não a sua duração, movimento ou som. A entrada de imagem é boa: identificou sozinho Preikestolen sobre o Lysefjord numa fotografia. Duas definições importam mais do que tudo. Primeiro, reasoning_effort: no valor por omissão raciocinou 4 a 5 minutos antes do primeiro carácter, mesmo num poema de quatro versos, e 4 das 28 chamadas foram cortadas a montante por volta dos 300 segundos; em low ou medium os mesmos pedidos responderam em 4 a 40 segundos até ao primeiro token sem perda visível. Segundo, max_tokens: o rastro de raciocínio é cobrado dentro de completion_tokens e sai antes da resposta, por isso um limite pequeno devolve conteúdo vazio; omita-o (o gateway não injeta nada e vale o limite do próprio modelo) ou defina-o alto. O débito ronda os 90 a 140 tokens por segundo, raciocínio incluído. O preço é $0.10 por 1M de tokens de entrada, $0.40 por 1M de saída e $0.01 a entrada em cache: o modelo é gratuito a montante durante a prévia e o preço cobre o gateway, pelo que não há lista oficial para comparar, e os tokens de raciocínio contam como saída. É uma prévia: os modelos stealth costumam ser retirados ou renomeados quando o fornecedor se revela, por isso trate o id como temporário e mantenha uma alternativa no seu código. Pelos termos do fornecedor, prompts e respostas podem ser retidos, embora não sejam usados para treino; não envie dados que não partilharia com um terceiro sem nome. Os limites de taxa são os da prévia, não os nossos: rajadas sustentadas podem devolver 429, e chamadas falhadas nunca são cobradas. Pela plataforma APIMODELS, você acessa este modelo por uma API unificada com preços transparentes de pagamento por uso. Preço atual: Input: $0.10, Output: $0.40 per 1M tokens.
Crie sistemas de conversa inteligentes que respondem automaticamente e melhoram a eficiência do atendimento.
Escreva automaticamente artigos, e-mails, textos publicitários e mais para aumentar a produtividade.
Auxilie na escrita, depuração e revisão de código para acelerar o desenvolvimento.
Entenda e analise dados não estruturados, extraia insights e gere resumos.
O Space Bunny Alpha está disponível pela APIMODELS a: Input: $0.10, Output: $0.40 per 1M tokens. A cobrança é por uso — você paga apenas pelo que gera.
Cadastre-se na APIMODELS, obtenha sua chave de API e chame nosso endpoint unificado. Oferecemos documentação detalhada com exemplos em cURL, Python e Node.js.
A APIMODELS oferece o mesmo modelo Space Bunny Alpha pela nossa plataforma de agregação. Fornecemos uma interface de API unificada, então você não precisa de contas separadas por provedor: uma única chave para acessar todos os modelos.
Um modelo de linguagem em prévia «stealth» cujo fornecedor não se identificou. Apareceu no OpenRouter em 23 de setembro de 2026 como stealth/space-bunny-alpha; na apimodels é space-bunny-alpha no endpoint compatível com OpenAI /v1/chat/completions. Especificações publicadas: contexto de 1M de tokens, até 524K tokens de saída, reasoning_effort, chamadas de ferramentas, response_format, entrada de imagem e vídeo. Os modelos stealth costumam ser renomeados ou retirados quando o criador se revela, por isso trate o id como temporário e tenha um modelo de reserva no seu código.
21 aprovadas, 5 parciais, 2 reprovadas, em 29 de setembro de 2026, com uma chamada real por tarefa e cada resultado revisto. 3D e web 6 em 6 (cenas Three.js, uma página 3D em CSS puro, um painel em Chart.js, tudo a funcionar no Chrome sem erros de consola). Escrita 4 em 4, incluindo uma quadra chinesa com os tons corretos e uma tradução que manteve todos os números. Raciocínio 3 em 3; até informou que um enigma subdeterminado tinha quatro soluções em vez de inventar uma. Contexto longo 3 em 3 factos num documento de 91K tokens; chamadas de ferramentas perfeitas em 2 segundos. As quatro tarefas de programação foram parciais porque não verifica a própria saída: um erro omitido, três testes seus que contradizem a sua implementação correta, um token corrompido em SQL, quatro quantis mal calculados à mão. Uma animação em canvas falhou por uma aspa em falta.
Ponha reasoning_effort em low ou medium para tudo o que gere muito: código, páginas, planos, artigos longos. Por omissão o modelo raciocinou 4 a 5 minutos antes do primeiro carácter e 4 das nossas 28 chamadas foram cortadas a montante por volta dos 300 segundos; em low ou medium os mesmos pedidos chegaram ao primeiro token em 4 a 40 segundos sem diferença de qualidade visível. Em max_tokens, omita ou defina alto: o rastro de raciocínio é cobrado dentro de completion_tokens e sai antes da resposta, por isso um limite pequeno devolve conteúdo vazio. Se o omitir, o gateway não envia nada e vale o limite próprio do modelo de 524K. Use streaming para gerações longas.
Não como garantia. No nosso teste, um esquema JSON estrito enviado por response_format voltou como JSON válido com os factos certos, mas duas chaves obrigatórias vinham renomeadas e cada linha trazia um campo extra apesar de additionalProperties: false. Nada aplicou o esquema nesta rota, por isso valide a resposta do seu lado e repita em caso de falha. As chamadas de ferramentas, pelo contrário, foram limpas: duas chamadas de funções em paralelo com os argumentos exatos, finish_reason tool_calls, em 2 segundos.
Imagens sim, e bem: numa fotografia de paisagem identificou Preikestolen sobre o Lysefjord sem lhe pedirem, estimou corretamente a multidão no planalto e descreveu em detalhe uma personagem de fantasia gerada. O vídeo chega como uma mão-cheia de fotogramas amostrados sem áudio: descreveu com precisão o primeiro e o último fotograma de um clipe de 2,02 segundos, mas estimou a duração em 0,2 segundos e não percebeu que havia banda sonora. Use a entrada de vídeo para saber o que há num clipe, não para duração, movimento ou som.
$0.10 por 1M de tokens de entrada, $0.40 por 1M de saída e $0.01 por entrada em cache, cobrado pelo uso real; os tokens de raciocínio contam como saída e as chamadas falhadas são grátis. O modelo é gratuito a montante durante a prévia e este preço cobre o gateway, pelo que não há lista oficial para comparar. Os termos stealth do fornecedor dizem que prompts e respostas podem ser retidos, mas não são usados para treino; não envie dados que não partilharia com um terceiro sem nome. Os limites de taxa são da prévia: rajadas sustentadas podem devolver 429.
Na APIMODELS, o Space Bunny Alpha roda junto com mais de 60 modelos usando uma única chave de API e um único saldo, então escolher é questão de adequação, não de dependência. Ele suporta Stealth Preview, 1M Context, Reasoning Effort, Tool Calling, Image + Video Input e você pode avaliá-lo em preço e capacidade frente a outros modelos de modelo de linguagem, trocando ao alterar uma única string com o nome do modelo — sem nova conta ou integração. Veja todas as opções de modelo de linguagem com preços ao vivo em apimodels.app/models.
O Space Bunny Alpha suporta: Stealth Preview, 1M Context, Reasoning Effort, Tool Calling, Image + Video Input. Consulte a documentação da APIMODELS para todos os parâmetros e exemplos de chamada.
Sim. A APIMODELS expõe o Space Bunny Alpha por uma única API unificada e uma só chave, sem contas separadas por provedor e sem precisar lidar com o acesso de rede regional de cada provedor.
Aceitamos Stripe (Visa, Mastercard e outros cartões internacionais) e Alipay. O saldo fica disponível imediatamente após o pagamento.
How to get access, regional availability, and how this model compares with its alternatives.