AIにコードを書かせている人へ。正体不明の宇宙うさぎが、100万トークンの作業机を無料で開放しています。

名前は Space Bunny Alpha。

OpenRouterのモデルページでは、入力・出力ともに無料。2026年9月23日に公開され、100万トークンのコンテキスト、画像・動画入力、推論の強さの調整に対応するモデルとして紹介されています。

そして、そのページには終了予定も出ています。

Going away October 5, 2026.

かわいい名前の新モデルをブックマークして、週末に触ろうと思っていたら、そのまま消えるかもしれません。

本記事は2026年10月2日時点の公開情報に基づきます。10月5日の終了表示はOpenRouter上のものです。他サービスの終了時刻や、その後の正式公開を意味しません。本記事ではモデルの推論性能を実測していません。

Space Bunny Alphaの長いコンテキストと期間限定プレビューを表現したAI生成イラスト。公式キャラクターや実験結果ではありません。

結論から言うと

Space Bunny Alphaを試すなら、公開してよいコードで、普段のAIが手を焼く変更を一つ渡すのが面白いです。

単発の質問で「賢そう」と感じるより、呼び出し元、実装、テスト、仕様の食い違いを同時に読ませる。修正案を出させて、こちらのテストで確かめる。

大きな作業机を渡したとき、変更のつながりを最後まで追えるか。

これが、今回おすすめする試し方です。

提供元の正体は、OpenRouterの掲載情報では匿名の第三者です。「次のMiniMaxなのか」「実はClaudeなのか」という推測を、この記事で確定情報に変えることはできません。まず触れるべきなのは、現在公開されているインターフェースです。

このうさぎ、チャット欄だけに閉じ込めるには惜しい

Space Bunny Alphaの公開仕様には、function calling用の tools と tool_choice が含まれます。画像と動画を入力し、返すのはテキスト。response_format によるJSON出力にも対応しますが、JSON Schemaの強制はありません。

ここから考えられる使い方は、文章の生成だけではありません。

たとえばUIの修正。スクリーンショットだけを見せると、モデルは見た目を説明できます。関連するコンポーネントも見せれば、見た目と実装を対応づける課題になります。さらにテスト結果を返せば、最初の提案を修正する課題になります。

これは実測結果ではなく、公開インターフェースから組み立てた検証案です。ただ、何を試せばよいかは、かなり具体的になります。

渡すもの	確かめたいこと
公開可能なUIのスクリーンショットと関連コード	画面の問題を、実際の変更箇所に結びつけられるか
呼び出し元・実装・既存テスト	一つの修正で別の利用箇所を壊さないか
失敗したテストのログ	自分の仮説を修正して、次の差分を出せるか

「この画面をいい感じにして」から一段進んで、画面、コード、検証結果を往復させる。

宇宙うさぎに頼みたいのは、かわいい返事より、ここです。

エージェントになる瞬間は、ツールの結果が戻ったとき

ただし、tools 対応という文字を見て、モデル自体がローカルのファイルを編集すると考えると、仕組みを取り違えます。

OpenRouterのツール呼び出しの説明では、モデルは使いたい関数と引数を返し、クライアント側が実行し、その結果をモデルに渡します。

コード修正の流れに置き換えると、こうです。

利用者: この失敗するテストを直して
    ↓
モデル: 関連ファイルを読むツールを要求
    ↓
クライアント: ファイルを読み、結果を返す
    ↓
モデル: 修正を提案し、テスト実行を要求
    ↓
クライアント: 許可された操作を実行し、結果を返す
    ↓
モデル: 結果を踏まえて続行、または完了

この図は説明用です。Space Bunny Alphaでこの課題を実行した記録ではありません。

注目したいのは、最後の往復です。

一発で正解を書く力だけなら、最初の生成で評価できます。しかし開発では、テストが落ちたり、想定と違うファイルが見つかったりします。そこで新しい情報を受け取り、手順を変えられるかが効いてきます。

クライアント側では、ツールを許可されたものに絞り、引数を検証し、実行結果を対応する tool_call_id とともに返す必要があります。モデルが要求したという理由だけで、任意のコマンドを実行する設計にはしません。

モデルを選ぶときは、最初の回答に加えて、失敗した後の二手目を見てください。

100万トークンを使うなら、まずファイルの境界を渡す

長いコンテキストを試すために、最初からリポジトリを全部貼る必要はありません。

私なら、次のような入力から始めます。以下は検証用のプロンプト案です。

目的:
既存の公開APIを維持しながら、以下の失敗を修正してください。

入力:
- 仕様
- 呼び出し元
- 実装
- 既存テスト
- 失敗ログ

各ファイルは「FILE: 相対パス」で区切ります。

最初に、関係するファイルと修正方針を示してください。
次に、変更が必要な箇所だけの差分を出してください。
入力にない関数やファイルが必要なら、存在を断定せず要求してください。
テストを実行していない場合は、実行済みと書かないでください。

ここで効くのは、容量に加えて入力の整理です。

たとえば同じ関数名が複数のファイルにある場合、ファイルの境界がなければ、どの実装を修正したのか分かりづらくなります。仕様と失敗ログが混ざっていれば、期待される動作と実際の動作も混ざります。

最初は関連ファイルだけで試す。次に別の呼び出し元を追加する。そこで提案がどう変わるかを見る。

この手順なら、長い入力を渡したことで拾えた依存関係が、差分として見えます。逆に関係のない変更が増えたなら、それも観察できます。

大きなコンテキストを、巨大な貼り付け欄で終わらせない。変更の範囲を広げても整合性を保てるか、段階的に試すわけです。

接続先は二つ。モデルIDを混ぜない

OpenRouter経由のIDは stealth/space-bunny-alpha です。公式QuickstartのHTTP形式に沿うと、最小の呼び出しは次のようになります。

以下は未実行の接続例です。OpenRouterのAPIキーを環境変数に設定し、利用時の提供状況・制限を確認してから実行してください。

curl --fail-with-body https://openrouter.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "stealth/space-bunny-alpha",
    "messages": [
      {
        "role": "user",
        "content": "Pythonで空のリストを既定引数にした関数が、呼び出すたびに状態を共有する理由と修正例を説明してください。"
      }
    ],
    "max_tokens": 4096
  }'

接続を確認したら、この質問を先ほどの公開可能なコード課題に差し替えます。最初の呼び出しは疎通確認。評価はそこからです。

OpenCodeを使っているなら、Zenの公式一覧に Space Bunny Free が掲載されています。Zen APIのIDは space-bunny-free。OpenCodeの設定で使う形式は opencode/space-bunny-free です。

経路	モデルID
OpenRouter API	`stealth/space-bunny-alpha`
OpenCode Zen API	`space-bunny-free`
OpenCodeのモデル設定	`opencode/space-bunny-free`

OpenRouterのIDをそのままZen APIへ送るような混同は避けます。既に使っているクライアントの経路に合わせて選んでください。

推論の強さを上げると、回答の予算も使う

Space Bunny Alphaには推論の強さを調整するインターフェースがあります。そこで気になるのが、「とりあえず最大にすればよいのか」です。

OpenRouterのReasoning Tokensの説明では、多くのプロバイダーで推論トークンと利用者に見える回答が同じ max_tokens の予算を使います。推論だけで予算を使い切ると、回答本文が空のまま finish_reason: "length" になることがあります。

したがって、本文が空なら、まずHTTPエラーか、打ち切りかを分けます。finish_reason と usage を確認してから、出力上限や推論設定を調整します。この説明はOpenRouterの一般的な仕様であり、Space Bunny Alphaで空回答を再現したという報告ではありません。

調整例は次の形です。

{
  "reasoning": {"effort": "medium"},
  "max_tokens": 8192
}

これも未実行の例です。対応するeffort値は、利用時のモデルメタデータで確認してください。

比較するなら、同じ課題と同じ入力で設定を変えます。単純な説明問題に深い推論を付けるより、複数ファイルの修正で追加の思考が役立ったかを見るほうが、開発での使い分けにつながります。

同じうさぎでも、データの扱いは経路で違う

コードを渡す前に、一つだけ具体的な違いを押さえておきます。

OpenRouterの掲載説明は、プロンプトと回答を提供元が保持する可能性があり、学習には使わないとしています。一方、OpenCode ZenのData retentionの説明では、Space Bunny Freeの提供元はゼロ保持で、モデル学習に使わないとしています。

同じ愛称でも、経路ごとの説明を確認する必要があります。

OpenRouterのStealth利用条件も、匿名モデルの提供が期間限定であることや、提供元へ入力が渡ることを明記しています。

試す対象を公開可能なコードにするのは、このためです。長いコンテキストに渡すファイルを選ぶ段階で、秘密情報や顧客データを含めないようにします。

10月5日までに残すなら、うさぎの回答より検証できる差分

期間限定モデルを試して、チャット履歴だけが残る。それだと、次のモデルとの比較が難しくなります。

今回なら、次の四つを一緒に保存しておくと使い回せます。

入力したファイルと課題。
利用経路、モデルID、推論設定、実行日。
提案された差分と、自分で実行したテスト結果。
失敗ログを返した後に、何が修正されたか。

終了後に別のモデルへ同じ課題を渡せば、Space Bunny Alphaが拾えた依存関係、見落とした条件、必要だった修正が比較できます。

「すごかった」という感想に、再利用できる中身が生まれます。

無料期間に手に入れたいのは、自分の開発で任せられる仕事の具体例です。

宇宙うさぎが何者なのかは気になります。でも今、公開可能なコードで確かめられることはあります。

いつものモデルが迷う変更を一つ。失敗したテストも一つ。

その二手目まで見てから、「このうさぎ、使える」と言いたいところです。

試した方は、正体予想に加えて、どんな変更を任せて、どのテストまで通ったかも教えてください。その情報なら、次に触る人が課題を選べます。

参考資料

OpenRouter — Space Bunny Alpha
https://openrouter.ai/stealth/space-bunny-alpha

OpenRouter — Quickstart
https://openrouter.ai/docs/quickstart

OpenRouter — Client Tools / Tool Calling
https://openrouter.ai/docs/guides/features/tool-calling

OpenRouter — Reasoning Tokens
https://openrouter.ai/docs/guides/best-practices/reasoning-tokens

OpenRouter — Stealth Program End User License Agreement
https://openrouter.ai/terms/stealth

OpenCode — Zen
https://opencode.ai/docs/zen/