space-bunny-alphaSpace Bunny Alpha 是一个 stealth 预览模型:提供方选择在预览期匿名,2026 年 9 月 23 日以 stealth/space-bunny-alpha 的 id 出现在 OpenRouter,本站以 space-bunny-alpha 接在 OpenAI 兼容的 /v1/chat/completions 上。公开的能力参数是 1M token 上下文、最长 524K 输出、可调推理强度(reasoning_effort,推理过程会随响应返回)、工具调用与 tool_choice、response_format,以及图片和视频输入。我们没有照抄提供方的说法,而是在 9 月 29 日用 28 个任务逐个实测,每个任务一次真实调用、每个结果都打开看过:21 个通过、5 个部分通过、2 个失败。3D 和网页 6 个全过 —— 从带轨道控制的 Three.js 太阳系,到一个 64 KB 的 Chart.js 后台仪表盘,排序、筛选、暗色模式、折叠侧栏在 Chrome 里全部生效、零控制台报错。写作 4 个全过:一首逐字合律的七言绝句、数字一个不丢的中译英技术文档、一篇 2,300 词的工程长文、母语水准的日韩产品文案。推理 3 个全过,包括一道故意欠定的座位题,它如实答「有四个解、不唯一」而不是编一个,以及一份预算、步行距离、景点数全部达标的三日行程。9.1 万 token 的文档里 3 个埋点全部精确引用原句捞出;并行调用两个工具、参数完全正确,只用 2 秒。四道编码题全是「部分通过」,原因一样:逻辑对,细节没核。异步并发函数漏了一个 bug;给一个正确的 LRU 缓存写了 13 条测试,其中 3 条断言和自己的实现相反;一条本来正确的 SQL 里混进一个乱码 token;手算的 pandas 输出表 12 个分位数错了 4 个。一个 1,450 行的 canvas 科普动画因为少一个引号整页空白,补上那一个字符后五幕全部渲染。有两项宣称的能力在这条线路上不成立:通过 response_format 传的严格 JSON schema 会被接受但不会被强制(两个必填键被改名、多出额外字段),要在你这边校验;视频输入只到达几帧抽样、没有音频,所以它能描述画面里有什么,但判断不了时长、运动和声音。图片输入是好的:它从一张照片里主动认出吕瑟峡湾上的布道石,平台上的人数也估得准。两个设置比什么都重要。第一是 reasoning_effort:默认强度下,代码、规划乃至一首四行诗,它都要先推理 4 到 5 分钟才出第一个字,28 次调用里 4 次在约 300 秒被上游掐断;改成 low 或 medium,同样的题 4 到 40 秒出第一个字,质量看不出差别。第二是 max_tokens:推理过程算在 completion_tokens 里、先于正文流出,所以上限设小会拿到空正文;不传(网关不注入,由上游按模型自身上限处理)或者设大。吞吐量含推理约每秒 90 到 140 token。价格是每百万 token 输入 $0.10、输出 $0.40,缓存输入 $0.01:预览期上游免费,这个价覆盖的是网关本身,所以没有官方定价可比,推理 token 按输出计。它是预览:stealth 模型通常在提供方揭晓后下线或改名,把这个 id 当临时的,在自己代码里留好备选。提供方的 stealth 条款写明可能留存提示词和输出,但不用于训练;不会交给一个不知名第三方的数据就别发。限流是预览本身的、不是我们的:持续高并发可能返回 429,失败的调用一律不计费。
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
按公开的端点参数:100 万 token 窗口,最长 524K 输出;9.1 万 token 文档里 3 个埋点全部精确引用捞出
默认强度先推理 4 到 5 分钟才出第一个字,28 次里 4 次被上游掐断;low 或 medium 同样的题 4 到 40 秒出字,质量看不出差别
并行两个函数调用、参数完全正确,只用 2 秒。response_format 会被接受但严格 JSON schema 在实测里没被强制,要在你这边校验
从照片里主动认出布道石,能细致描述生成的角色图。视频只到达几帧抽样、没有音频,别指望它判断时长和声音
预览期 $0.10 / $0.40 每百万 token。提供方匿名,可能留存提示词和输出但不用于训练;揭晓后 id 大概率会变
Space Bunny Alpha 是由 Stealth 提供的大语言模型 API。Space Bunny Alpha 是一个 stealth 预览模型:提供方选择在预览期匿名,2026 年 9 月 23 日以 stealth/space-bunny-alpha 的 id 出现在 OpenRouter,本站以 space-bunny-alpha 接在 OpenAI 兼容的 /v1/chat/completions 上。公开的能力参数是 1M token 上下文、最长 524K 输出、可调推理强度(reasoning_effort,推理过程会随响应返回)、工具调用与 tool_choice、response_format,以及图片和视频输入。我们没有照抄提供方的说法,而是在 9 月 29 日用 28 个任务逐个实测,每个任务一次真实调用、每个结果都打开看过:21 个通过、5 个部分通过、2 个失败。3D 和网页 6 个全过 —— 从带轨道控制的 Three.js 太阳系,到一个 64 KB 的 Chart.js 后台仪表盘,排序、筛选、暗色模式、折叠侧栏在 Chrome 里全部生效、零控制台报错。写作 4 个全过:一首逐字合律的七言绝句、数字一个不丢的中译英技术文档、一篇 2,300 词的工程长文、母语水准的日韩产品文案。推理 3 个全过,包括一道故意欠定的座位题,它如实答「有四个解、不唯一」而不是编一个,以及一份预算、步行距离、景点数全部达标的三日行程。9.1 万 token 的文档里 3 个埋点全部精确引用原句捞出;并行调用两个工具、参数完全正确,只用 2 秒。四道编码题全是「部分通过」,原因一样:逻辑对,细节没核。异步并发函数漏了一个 bug;给一个正确的 LRU 缓存写了 13 条测试,其中 3 条断言和自己的实现相反;一条本来正确的 SQL 里混进一个乱码 token;手算的 pandas 输出表 12 个分位数错了 4 个。一个 1,450 行的 canvas 科普动画因为少一个引号整页空白,补上那一个字符后五幕全部渲染。有两项宣称的能力在这条线路上不成立:通过 response_format 传的严格 JSON schema 会被接受但不会被强制(两个必填键被改名、多出额外字段),要在你这边校验;视频输入只到达几帧抽样、没有音频,所以它能描述画面里有什么,但判断不了时长、运动和声音。图片输入是好的:它从一张照片里主动认出吕瑟峡湾上的布道石,平台上的人数也估得准。两个设置比什么都重要。第一是 reasoning_effort:默认强度下,代码、规划乃至一首四行诗,它都要先推理 4 到 5 分钟才出第一个字,28 次调用里 4 次在约 300 秒被上游掐断;改成 low 或 medium,同样的题 4 到 40 秒出第一个字,质量看不出差别。第二是 max_tokens:推理过程算在 completion_tokens 里、先于正文流出,所以上限设小会拿到空正文;不传(网关不注入,由上游按模型自身上限处理)或者设大。吞吐量含推理约每秒 90 到 140 token。价格是每百万 token 输入 $0.10、输出 $0.40,缓存输入 $0.01:预览期上游免费,这个价覆盖的是网关本身,所以没有官方定价可比,推理 token 按输出计。它是预览:stealth 模型通常在提供方揭晓后下线或改名,把这个 id 当临时的,在自己代码里留好备选。提供方的 stealth 条款写明可能留存提示词和输出,但不用于训练;不会交给一个不知名第三方的数据就别发。限流是预览本身的、不是我们的:持续高并发可能返回 429,失败的调用一律不计费。 通过 APIMODELS 平台，您可以使用统一的 API 接口调用该模型，按量计费、价格透明。当前定价：Input: $0.10, Output: $0.40 per 1M tokens。
构建智能对话系统，自动回答用户问题，提升客户服务效率。
自动撰写文章、邮件、广告文案等文本内容，提高内容产出效率。
辅助代码编写、调试和代码审查，加速软件开发流程。
理解和分析非结构化数据，提取关键信息并生成报告摘要。
Space Bunny Alpha 通过 APIMODELS 平台调用，当前定价：Input: $0.10, Output: $0.40 per 1M tokens。按量计费，用多少付多少。
在 APIMODELS 注册账号并获取 API Key，然后通过我们的统一 API 端点调用即可。我们提供详细的 API 文档和 cURL、Python、Node.js 代码示例。
APIMODELS 通过聚合平台提供与官方相同的 Space Bunny Alpha 模型。我们提供统一的 API 接口，无需分别注册各平台账号，一个 API Key 即可调用所有模型。
一个 stealth 预览的语言模型,提供方没有公开身份。2026 年 9 月 23 日以 stealth/space-bunny-alpha 出现在 OpenRouter;在 apimodels 上是 space-bunny-alpha,走 OpenAI 兼容的 /v1/chat/completions。公开参数:1M token 上下文、最长 524K 输出、reasoning_effort、工具调用、response_format、图片和视频输入。stealth 模型通常在厂商揭晓后改名或下线,所以把这个 id 当临时的,代码里留一个备选模型。
2026 年 9 月 29 日,每个任务一次真实调用、每个结果都打开看过:21 通过、5 部分通过、2 失败。3D 和网页 6 个全过(Three.js 场景、纯 CSS 3D 页、Chart.js 仪表盘,在 Chrome 里全能跑、零控制台报错)。写作 4 个全过,包括一首平仄逐字正确的七言绝句和一篇数字一个不丢的译文。推理 3 个全过,连故意欠定的谜题它都如实答「四个解」而不是编一个。9.1 万 token 文档 3 个针全捞到;并行工具调用 2 秒完美。四道编码题都是部分通过,原因是它不检查自己的输出:漏一个 bug、自写的测试有三条和自己的实现相反、SQL 里一个乱码 token、手算的分位数错四个。一个 canvas 动画因为少一个引号失败。
凡是要生成大量内容的任务 —— 代码、网页、规划、长文 —— 把 reasoning_effort 设成 low 或 medium。默认强度下模型先推理 4 到 5 分钟才出第一个字,我们 28 次调用里 4 次在约 300 秒被上游掐断;low 或 medium 下同样的题 4 到 40 秒出第一个 token,质量看不出差别。max_tokens 不传或设大:推理过程算在 completion_tokens 里、先于正文流出,上限小就会拿到空正文。你不传时网关不会替你加,上游按模型自身 524K 的上限处理。长生成请用流式。
不能当保证用。实测里通过 response_format 传的严格 JSON schema,返回的是合法 JSON、事实也对,但两个必填键被改了名,每个明细项还多了一个字段,尽管 additionalProperties 已设为 false。这条线路上没有任何东西强制 schema,所以要在你这边校验、失败就重试。相比之下工具调用很干净:并行两个函数调用、参数完全正确、finish_reason 为 tool_calls,只用 2 秒。
图片可以,而且不错:一张风景照它主动认出是吕瑟峡湾上的布道石,平台上的人数估得准,生成的奇幻角色图也能细致描述。视频只到达几帧抽样、没有音频:一段 2.02 秒的片子它把首尾画面描述得很准,却把时长估成 0.2 秒,也判断不出有音轨。视频输入用来问「画面里有什么」,别用来问时长、运动和声音。
每百万 token 输入 $0.10、输出 $0.40、缓存输入 $0.01,按实际用量计费;推理 token 算输出,失败的调用不收钱。预览期上游免费,这个价覆盖的是网关,所以没有官方定价可比。提供方的 stealth 条款写明可能留存提示词和输出,但不用于训练;不会交给不知名第三方的数据就别发。限流是预览本身的:持续高并发可能返回 429。
在 APIMODELS，Space Bunny Alpha 与 60+ 个模型共用一个 API Key、一个余额，所以选型只看合不合适，不存在锁定。它支持 Stealth Preview、1M Context、Reasoning Effort、Tool Calling、Image + Video Input，你可以在价格和能力上把它和其它大语言模型模型对比，换模型只需改一个模型名字符串——无需新账号、无需重新对接。所有大语言模型模型与实时价格见 apimodels.app/models。
Space Bunny Alpha 支持：Stealth Preview、1M Context、Reasoning Effort、Tool Calling、Image + Video Input。完整参数与调用方式见 APIMODELS 的 API 文档。
可以。APIMODELS 提供可直接访问的统一 API,一个 API Key 即可调用 Space Bunny Alpha,无需分别注册官方账号、也无需自行处理官方接口的网络访问。
我们支持 Stripe（Visa、Mastercard 等国际信用卡）和支付宝付款。充值后积分即时到账。
接入方式、地区可用性,以及和同类模型的横向对比。