¿Quién Es Space Bunny? Seis Modelos Investigan, Antes de la Revelación
Publicado el 2026-10-02.
El 23 de septiembre apareció un modelo nuevo en OpenRouter como stealth/space-bunny-alpha, y en OpenCode como space-bunny-free. Las llamadas eran gratis, y no aparecía ningún fabricante.
Así que le pedí a seis modelos de seis laboratorios distintos que averiguaran quién lo hizo. Cada uno corrió sus propias pruebas y escribió su respuesta antes de ver la de los demás. Esta página tiene sus respuestas, cómo las combiné, y una lista de predicciones anotadas antes de que se anuncie al laboratorio que lo desarrolló. Cuando llegue la revelación, las predicciones se calificarán en esta página.
Los reportes públicos ya apuntan a la línea M3.1 de MiniMax (KuCoin , CellCog , apimaster ).
Nuestra identificación educada
MiniMax, línea M3.1, lo más probable es que sea MiniMax-M3.1-Flash-Preview.
- MiniMax lo hizo: 95%
- Es un modelo de MiniMax más reciente que M3: 80%
- Es exactamente M3.1-Flash-Preview: 60%
Los seis investigadores dijeron MiniMax, con confianza entre 85% y 92%. Cada uno llegó a eso comparando conteos de tokens contra el tokenizador de MiniMax, usando sus propias cadenas de prueba, y los seis obtuvieron una coincidencia exacta o casi exacta. Uno además corrió la misma prueba sobre un modelo conocido, como control.
Le dimos 95% a que fuera MiniMax y me detuve ahí. Seis coincidencias convencen más que una, pero los seis usaron el mismo método, así que a todos los engañaría lo mismo: un modelo de otro laboratorio que por casualidad use el tokenizador de MiniMax. Multiplicar sus confianzas sería fingir que fueron seis líneas de evidencia separadas.
Para la generación: exactamente M3.1-Flash-Preview 60%, algún otro checkpoint de M3.x 20%, el M3 tal como se lanzó en junio 10%, M4 o posterior 5%, no MiniMax en absoluto 5%.
Cómo se hizo
Los investigadores usaron solo prompts sintéticos de conocimiento público: nada de datos personales, claves ni archivos locales. Unas 40 llamadas por investigador como máximo, con backoff ante los rate limits. Todo corrió sobre IDs de modelos gratuitos o planes de tarifa plana, así que el objetivo en sí costó $0. Nadie leyó los análisis de otro investigador antes de escribir los suyos.
Dos cosas salieron mal. A mitad de la ejecución de Qwen, el nombre de una carpeta local se filtró a lo que el objetivo podía ver. Qwen lo reportó y descartó las respuestas de identidad que obtuvo después de eso. Y una ejecución temprana de Hy4 todavía no tenía sandbox, y el objetivo se ofreció a listar una carpeta de configuración local. Las ejecuciones posteriores de Hy4 corrieron con sandbox.
| Investigador | Harness | Llamadas al objetivo |
|---|---|---|
| Claude Opus 5.5 | Claude Code | 18 |
| GLM-5.3 | opencode | 18 |
| Qwen3.8-Max | opencode | 36 |
| MiniMax-M3 | opencode | ~34 |
| Hy4-Preview | opencode | 35 |
| MiMo-V2.6-Flash | opencode | 41 (una sobre el tope) |
Dos conflictos de interés. Uno de los investigadores era MiniMax-M3, hermano de la respuesta más probable. Y la sesión de Claude que trabajó en este resumen era a la vez el investigador Claude, aunque primero escribió sus propios hallazgos.
Lo que probaron
| Método | Quién | Cuánto pesó |
|---|---|---|
| Huella del tokenizador (entrada): comparar el conteo de tokens de prompt que reporta el objetivo contra los conteos de tokenizadores locales de muchos laboratorios | Claude, Hy4, MiniMax, MiMo (más un control sobre un modelo conocido), Qwen | Decidió el laboratorio. No distingue entre generaciones de MiniMax, porque todos los tokenizadores de MiniMax desde Text-01 hasta M3 son el mismo. |
| Huella del tokenizador (salida): hacer que el objetivo repita una cadena fija y contar los tokens de salida | GLM, Claude | También apuntó a MiniMax, con más ruido. |
| Metadatos: los listados de OpenRouter, el catálogo de models.dev, la config publicada de MiniMax-M3 | Los seis | Decidió la generación. Los niveles de reasoning-effort, el contexto exacto de 1,000,000 de tokens y los pesos cerrados coinciden con el listado de M3.1-Flash-Preview. El de M3 no los tiene. |
| Las mismas pruebas enviadas a MiniMax-M3, M2.7, GLM, Kimi, gpt-oss y otros modelos desplegados | Los seis | El objetivo se comporta distinto del M3 desplegado. Las comparaciones de estilo se enturbian por el system prompt del propio harness. |
| Una imagen de prueba | Hy4, Qwen | El objetivo de verdad lee imágenes, lo que descarta los modelos M2.x de solo texto. |
| Preguntarle por su fecha de corte de conocimiento | Los seis | Inútil. Las estimaciones iban de octubre de 2025 a septiembre de 2026. |
| Preguntarle quién es | Los seis | También inútil. Dijo ser ChatGPT, Claude, Kiro sobre Amazon Nova, “Space Bunny” y “no MiniMax”. El investigador MiniMax-M3 logró que imprimiera “MiniMax” y después negara cualquier relación con MiniMax. En una sesión le dijo a Hy4 que no podía leer imágenes justo después de leer la imagen de Hy4. |
| Tics de escritura (razonamiento lacónico de “We need…”, caracteres chinos sueltos) | La mayoría | Débil. Los mismos tics aparecen en Kimi, Nemotron, Ling y dots. |
| Búsqueda web, después de las pruebas | GLM, MiMo | Coincide con el resto, pero para cuando escribieron su reporte, esos dos ya no estaban ciegos. |
Dónde coincidieron y dónde se dividieron
Cada investigador obtuvo coincidencia con el tokenizador de MiniMax, y el tokenizador de todos los demás laboratorios falló de forma clara. El segundo lugar varió según el investigador: DeepSeek para tres de ellos, el o200k de OpenAI para dos, y Qwen3.5 y LongCat para uno. Claude y Hy4 también encontraron de forma independiente que el objetivo corre bajo un system prompt oculto de unos 156 tokens, que se negó a mostrar.
Se dividieron en la generación. Hy4 y MiniMax dijeron M3. El objetivo tiene el perfil de M3: entrada de texto, imagen y video, cerca de un millón de tokens de contexto, el mismo tokenizador. Pero M3.1-Flash-Preview tiene ese mismo perfil, y ninguno de los dos había visto su listado. El propio reporte de MiniMax admite que el objetivo sabe cosas posteriores a la fecha de corte de M3, y lo llama “una instancia más reciente de M3”.
Claude, GLM, MiMo y Qwen dijeron que era más reciente que M3:
- El objetivo ofrece niveles de esfuerzo de razonamiento
low/medium/high/xhigh/max. Esa escala está en el listado de M3.1-Flash-Preview. M3 tiene en cambio un interruptor de razonamiento on/off. - Su contexto es exactamente de 1,000,000 de tokens, como el listado de M3.1-Flash-Preview. Este punto es más débil de lo que parece, porque el propio listado de M3 de MiniMax también dice 1,000,000.
- Tiempos: Space Bunny apareció el 23 de septiembre, y MiniMax anunció M3.1-Flash-Preview el 27 de septiembre.
- Se comporta distinto del M3 desplegado: descripciones de sí mismo distintas, estilo de razonamiento distinto, y en tres de los reportes sabe cosas que M3 no. Los investigadores midieron la fecha de corte del propio M3 de formas distintas, así que toma esa última parte con reservas.
GLM dio el veredicto más específico, M3.1-Flash-Preview por su nombre. Su coincidencia de metadatos cuadra con el catálogo de models.dev y con la cobertura pública del anuncio del 27 de septiembre (DataNorth , agentriot ). Tres de sus afirmaciones de respaldo no las pude confirmar: una fecha de corte en septiembre de 2026, un comentario del fundador de MiniMax de que M3.1 estaba “cerca de completarse”, y una cifra de contexto menor para M3 que contradice el catálogo.
Dos investigadores pensaron que el objetivo se entrenó en parte con salidas de modelos de otros laboratorios. Claude señaló a OpenAI: su identidad por defecto coincide con la que define el system prompt por defecto de gpt-oss, trata los mensajes de sistema como mensajes “developer” igual que hace gpt-oss, y su razonamiento se parece al estilo lacónico de OpenAI. Qwen señaló a Anthropic: a veces se presenta como “Claude” y “Kiro”, y muestra familiaridad con las etiquetas de recordatorio que usan las herramientas de programación basadas en Claude. Hy4 y MiMo encontraron el mismo estilo lacónico en modelos de varios otros laboratorios, lo que debilita la versión de Claude.
Predicciones
Se califican contra la revelación oficial. Si MiniMax nunca nombra al modelo, estas se resuelven según lo que MiniMax lance como M3.1-Flash-Preview o M3.1. La columna Realidad se actualizará entonces.
| # | Predicción | P | Realidad |
|---|---|---|---|
| 1 | El laboratorio revelado es MiniMax. | 95% | |
| 2 | El modelo revelado es MiniMax-M3.1-Flash-Preview, o MiniMax confirma que Space Bunny era ese modelo. | 60% | |
| 3 | El nombre revelado corresponde a un modelo de la línea M3.x (M3.1, M3.1-Flash, M3.5 y similares), distinto del M3 en sí. | 80% | |
| 4 | El modelo revelado es M3 tal como se lanzó el 2026-06-01, los mismos pesos. | 10% | |
| 5 | El modelo revelado es M4 o posterior. | 5% | |
| 6 | Los pesos del modelo revelado son públicos en Hugging Face en los 30 días siguientes a la revelación. | 20% | |
| 7 | La ventana de contexto oficial es de 1,000,000 o 1,048,576 tokens. | 95% | |
| 8 | Los documentos oficiales listan el video como modalidad de entrada. | 90% | |
| 9 | La API oficial expone un ajuste de reasoning-effort con al menos cuatro niveles, incluyendo xhigh o max. | 90% | |
| 10 | Un análisis público creíble, o el propio MiniMax, atribuye parte de su post-training a salidas de modelos de OpenAI. Probablemente nunca se resuelva. | 35% | |
| 11 | OpenRouter u OpenCode nombra al fabricante a más tardar el 2026-10-15. | 70% | |
| 12 | OpenRouter u OpenCode nombra al fabricante a más tardar el 2026-10-31. | 85% | |
| 13 | El modelo revelado tiene menos parámetros activos que los ~23B de M3, por pertenecer a la categoría “Flash”. | 60% |
Dos notas de una verificación de hechos del 2026-09-30, con las probabilidades intactas. La predicción 10 se apoya solo en la evidencia que Claude presentó apuntando a OpenAI; una atribución a Anthropic no contaría ni a favor ni en contra. Y la estimación de fecha de corte de septiembre de 2026 de GLM contaría en contra de la predicción 4 si es correcta, pero no está verificada.
Los investigadores
Esto fue lo que hizo cada uno.
| Investigador | Llamadas | Notas |
|---|---|---|
| Claude Opus 5.5 | 18 | Cuatro cadenas de prueba con coincidencia exacta de MiniMax, más una verificación de salida que descartó el tokenizador de OpenAI. Sin búsqueda web. El veredicto de generación más vago (“M3.5/M4-class”). |
| GLM-5.3 | 18 | Verificó contra 21 tokenizadores locales y 12 modelos desplegados. El veredicto más específico. Buscó en la web después de las pruebas. Algunas afirmaciones de respaldo sin verificar. |
| Qwen3.8-Max | 36 | Dos métodos de medición, cinco idiomas, una prueba de imagen. Reportó la filtración del nombre de una carpeta durante su propia ejecución. |
| MiniMax-M3 | ~34 | Coincidencia de tokenizador con 14 cadenas. La evidencia de respaldo más débil. Lo llamó “M3” aunque señaló que su propia evidencia apuntaba a algo más reciente. La confianza más alta de los seis (92%), sobre su propio laboratorio. |
| Hy4-Preview | 35 | La prueba de tokenizador más cuidadosa: 24 cadenas, un desplazamiento constante de 156 tokens, cero error residual. Prueba de imagen. No sabía que M3.1-Flash-Preview existía. |
| MiMo-V2.6-Flash | 41 | 11 cadenas contra 35 tokenizadores, y la única ejecución de control. Encontró el listado de M3.1 por su cuenta. Una llamada sobre el tope; buscó en la web después de las pruebas. |