Space Bunny Alpha : 1 million de tokens en mode stealth

Ce qu’OpenRouter a réellement ouvert

Ce qui retient l’attention n’est pas l’anonymat, mais la combinaison de caractéristiques : Space Bunny Alpha est annoncée avec une fenêtre de contexte d’un million de tokens, une inférence rapide, de solides capacités de code et des entrées multimodales natives. La page du modèle stealth d’OpenRouter indique qu’il accepte le texte, les images et la vidéo, puis renvoie du texte.

Le modèle est accessible via l’API unifiée d’OpenRouter sous l’identifiant stealth/space-bunny-alpha. Pendant l’aperçu stealth, les requêtes et les réponses étaient facturées à zéro. Il ne s’agit ni d’un protocole distinct ni d’un habillage exotique : l’intégration ressemble à un choix de modèle standard dans un workflow habituel de chat completions.

L’effort de raisonnement réglable permet d’arbitrer entre vitesse et profondeur de réponse. C’est utile pour le code et les scénarios d’agents, où appliquer le même mode de raisonnement à chaque étape ne fait que gaspiller du temps. Toutefois, les documents disponibles ne proposent pas de tableau formel de benchmarks pour Space Bunny Alpha : les promesses de vitesse et de programmation restent donc des caractéristiques annoncées par OpenRouter, pas des mesures indépendantes.

La spécification comporte aussi un aspect moins séduisant. OpenRouter indique explicitement que le modèle appartient à un fournisseur tiers anonyme et que les requêtes et réponses peuvent être conservées, même si elles ne servent pas à l’entraînement. Pour du code propriétaire, des documents internes ou des données personnelles, ce n’est pas une note de bas de page, mais la première contrainte d’architecture.

Un million de tokens ne garantit rien à lui seul. Je testerais d’abord la récupération de faits sur l’ensemble du contexte, la dégradation dans les longues conversations, la latence sur de gros inputs et la stabilité des sorties structurées. Une grande fenêtre n’est utile que si le modèle conserve réellement les relations pertinentes, au lieu d’accepter simplement une charge immense.

Ce qui change pour les développeurs

Le changement principal est simple : les expérimentations coûteuses avec du contexte long et multimodal sont devenues plus accessibles pendant l’aperçu stealth. Une seule requête peut potentiellement contenir une grande base de code, de la documentation ou un ensemble mêlant texte et contenus visuels. Cela réduit le besoin de découper les données à l’avance, sans supprimer la nécessité de vérifier la qualité de l’extraction.

L’accès gratuit est également pratique pour les prototypes et les essais comparatifs. Il ne faut toutefois pas en faire la base de l’économie à long terme d’un produit : le créateur du modèle reste caché, et le prix comme les conditions après la période stealth ne sont pas définis dans les documents fournis. La vitesse de recherche progresse, mais la prévisibilité opérationnelle recule.

Ma conclusion d’ingénierie reste prudente : ce n’est pas du simple battage médiatique, car l’association d’un million de tokens, de multimodalité et de raisonnement réglable est réellement intéressante. Mais la valeur de Space Bunny Alpha dépendra moins de la taille de sa fenêtre que de sa qualité sur les tâches longues, de sa politique de conservation et de son comportement après la révélation du fournisseur. Pour l’instant, son paramètre le plus important est caché non dans l’API, mais dans son origine.

Nous avons déjà présenté Pony Alpha sur OpenRouter, notamment sa fenêtre de contexte de 200K et son usage pour tester des modèles à faible risque. Cette comparaison aide à situer ce que Space Bunny Alpha apporte au catalogue de modèles grandissant d’OpenRouter.