스페이스 버니 알파란 무엇인가: 이름 없는 무료 AI 모델의 정체와 대가

후속 글: 종료 뒤 대신 쓸 무료 모델과 넣은 데이터의 행방은 스페이스 버니 알파 종료: 대신 쓸 무료 AI 모델과 남는 질문에 정리했다.

바로 가기: 어떻게 쓰나 · 누가 만들었나 · 써도 안전한가

함께 읽기: 이름 있는 최상위 모델의 성능과 가격은 GPT-6 솔·루나 vs 클로드 오퍼스 5.5 비교와 클로드 소넷 5.5 비교에 정리했다.

지난주 가장 많이 쓰인 AI 모델 중 하나는 이름표가 없었다. 개발사도, 크기도, 학습 방법도 비공개인 “스페이스 버니 알파”, 우주 토끼다. 이 글은 이 모델이 무엇인지 정리하고, 그 뒤의 더 큰 현상, 곧 이름을 숨기고 공짜로 풀리는 모델들이 무엇을 주고 무엇을 가져가는지 따진다.

무슨 일이 있었나: 이름 없는 모델의 등장

스페이스 버니 알파는 9월 23일 AI 모델 중개 플랫폼 오픈라우터와 코딩 도구 오픈코드에 “stealth/space-bunny-alpha”라는 이름으로 나타났다(The Neuron). 오픈라우터는 “제3자 제공자가 미리보기 기간 동안 익명을 택했으며, 오픈라우터는 개발사가 아니다”라고만 밝혔다.

항목	내용	출처
문맥 창	100만 토큰	토큰포스트
최대 출력	52만 4,288토큰	토큰포스트
입력	텍스트, 이미지, 영상	토큰포스트
기능	조절 가능한 추론, 도구 호출, 구조화 출력	The Neuron
가격	미리보기 기간 입력·출력 무료	OpenRouter
종료	2026년 10월 5일 종료 (오픈라우터 공지)	OpenRouter
사용량	공개 직후 하루 순위 1위, 누적 6조 2,500억 토큰	토큰포스트
데이터	오픈라우터 경로: 제공자가 프롬프트·응답을 보관할 수 있으나 학습에는 쓰지 않음. 오픈코드 경로: 무보관	The Neuron
비공개	개발사, 학습 데이터, 모델 규모, 훈련 방식	토큰포스트

공개 며칠 뒤 오픈라우터는 “제공자 측 문제”로 서비스를 잠시 중단했다가 재개했다. 6조 토큰은 얼마나 많이 쓰였는지를 말할 뿐 얼마나 좋은지를 말하지 않는다.

어떻게 쓰나, 언제까지 쓸 수 있나

쓰는 길은 두 가지다.

1. 오픈라우터. 계정을 만들고 API 키를 발급받은 뒤 모델 이름에 stealth/space-bunny-alpha를 넣어 호출한다. 모델 페이지의 채팅 화면에서 바로 써 볼 수도 있다. 입력과 출력 모두 0달러다(OpenRouter).
2. 코딩 도구. 오픈코드에 처음부터 올라와 있었고, 오픈라우터를 연결할 수 있는 코딩 에이전트에서도 같은 모델 이름으로 고를 수 있다. 오픈라우터 집계에서 이 모델을 가장 많이 쓴 앱은 Cline, Kilo Code 같은 코딩 에이전트였다(OpenRouter). 사람들이 이 모델에 넣은 것이 주로 코드라는 뜻이다.

기한은 끝났다. 10월 초 오픈라우터 모델 페이지에 “2026년 10월 5일 종료 예정”이라는 안내가 붙었고, 그날 실제로 종료됐다. 오픈라우터는 스텔스 기간이 끝났으며 뒤에 있던 모델이 곧 공개된다고만 밝혔다(OpenRouter X). 정식 이름과 가격은 아직 없다. 이 모델에 맞춰 작업 흐름을 짰다면 대체 모델이 필요하다.

정체에 관한 단서는 하나 더 늘었다. 미니맥스는 9월 27일 자사 코딩 도구에 M3.1-Flash-Preview를 조용히 올렸다. 100만 토큰 문맥, 텍스트·이미지·영상 입력, 단계별 추론 조절이라는 사양이 스페이스 버니와 겹친다(DataNorth AI). 다만 미니맥스는 두 모델이 같다고 확인하지 않았다(Startup Fortune). 추정은 강해졌지만 여전히 추정이다.

성능: 커뮤니티가 잰 숫자

개발사가 벤치마크를 내지 않았으므로 숫자는 모두 외부에서 나왔다.

평가	점수	비고	출처
인류 최후의 시험 (300문항 부분집합)	46.1%	95% 신뢰구간 40.4~51.8%	spacebunnyalpha.com
GPQA 다이아몬드 (60문항 부분집합)	82.0%	표준 부분집합	spacebunnyalpha.com
MMLU-Pro	75%	14개 분야	spacebunnyalpha.com
AI BENCHY (고추론)	7.0/10	22개 과제 중 12개 완전 통과	spacebunnyalpha.com
출력 속도	초당 75~94토큰	오픈코드 경로, 24시간 평균	Build Fast with AI
장문 검색	20만 토큰 입력에서 숨긴 코드 3개를 순서대로 회수	단일 테스트	Build Fast with AI

모두 커뮤니티 측정이며 문항 수가 적어 오차가 크다. 인류 최후의 시험 46%는 최상위 모델과 겹치는 범위이지만, GPQA와 MMLU-Pro에서는 GPT-6 솔 같은 이름 있는 모델에 뒤진다.

최상위는 아니지만 무료 모델치고는 높고, 긴 문맥과 코드 생성에서 쓸 만하다는 것이 공통된 인상이다. 프롬프트 하나로 에셋과 SVG까지 코드로 만들어 웹사이트를 4분 안에 완성했다는 테스트도 있다(토큰포스트). 다만 구조화 출력의 스키마 강제가 없고, 검증 자료가 이름 있는 모델보다 훨씬 얇다.

누가 만들었나: 지문 검사와 미니맥스

처음 의심받은 것은 문샷의 키미였다. 모델에게 직접 물으면 OpenAI를 언급하는 등 답이 엇갈렸다. 결정적 단서는 토크나이저 지문에서 나왔다. 모델마다 같은 문장을 토큰으로 자르는 방식이 다르다. 24개의 문장을 넣어 토큰 수를 센 결과, 스페이스 버니의 토큰 수는 24개 모두 미니맥스 모델과 일치했고, 키미와 GLM은 덜 맞았다(The Neuron).

미니맥스는 2021년 상하이에서 설립된 AI 회사다. 2026년 1월 홍콩에 상장했고, 5월에는 상하이 과창판 이중 상장 준비에 들어갔다(Caixin). 6월 1일 공개한 M3는 4,280억 파라미터의 전문가 혼합 모델로 활성 파라미터 약 230억, 문맥 100만 토큰, 긴 코딩 작업 특화였다(SCMP). 스페이스 버니의 사양과 강점이 M3와 겹친다. 그래서 M3.1이나 그 이후 M3 계열의 시험판이라는 추정이 나온다.

다만 The Neuron이 못 박았듯, 토크나이저 일치는 모델 계열의 증거이지 개발사의 증거가 아니다. 미니맥스가 직접 올렸을 수도, 미니맥스 모델을 가져다 튜닝한 제3자일 수도 있다. 확정은 회사가 밝힐 때만 가능하다.

스텔스 모델 14개의 역사

스페이스 버니는 새로운 현상이 아니다. 오픈라우터는 2025년 4월 “쿼사 알파”부터 익명 모델을 받기 시작했고, 그 뒤 14개가 나왔다(Digital Applied).

익명 이름	등장	정체	밝혀진 경로
쿼사 알파	2025.4	GPT-4.1 시험판	오픈라우터 공식
호라이즌 알파·베타	2025.7~8	GPT-5 초기 체크포인트	오픈라우터 공식
소노마 알파	2025.9	그록 4 패스트 추정	커뮤니티 추정
헌터·힐러 알파	2026.3	샤오미 MiMo-V2	샤오미 발표
아울 알파	2026.4	메이퇀 LongCat 2.0	메이퇀 발표 (63일 뒤)
옥스 알파	2026.8	미확인 (GLM 추정)	미공개
스페이스 버니 알파	2026.9	미니맥스 M3 계열 추정	미공개

출처: Digital Applied 조사. 14개 중 7개 확정, 4개 커뮤니티 추정, 2개 미해결.

두 가지 규칙이 보인다. 첫째, 정체는 항상 당사자가 밝혔다. 확정된 7건 모두 오픈라우터나 개발사의 공식 발표였고, 커뮤니티의 지문 검사가 확정의 근거가 된 적은 한 번도 없다. 둘째, 무대가 바뀌었다. 2025년의 스텔스 모델은 OpenAI였고, 2026년은 샤오미, 메이퇀, 미니맥스 등 중국 회사다. 이름을 숨기면 국적도 숨겨진다. 미국 회사 도구 안에서 중국 모델을 쓰는 것에 거부감이 있는 사용자도 익명 모델은 쓴다.

왜 숨기는가. 이름을 붙이면 기대와 편견이 따라온다. 익명이면 편견 없는 사용 패턴을, 무료면 대량의 실사용 데이터를 얻는다. 그 데이터가 대가다. 14개 중 13개의 약관이 프롬프트와 응답을 “모델 개선에 쓸 수 있다”고 했다. 스페이스 버니의 오픈라우터 경로는 “보관할 수 있으나 학습에는 쓰지 않는다”로 완화됐지만, 보관은 보관이다.

인간에게 무엇이 달라지는가

“누가 만들었나”를 모르고 쓰는 것이 일상이 된다. 지난주 하루 사용량 1위 모델의 개발사를 아무도 모른다. 사용자들은 개의치 않았다. 성능과 값만 맞으면 출처는 뒤로 밀린다. 메타 뮤즈 글에서 “AI 비서는 누구를 위해 일하나”를 물었는데, 스텔스 모델에서는 “누가 만들었나”조차 묻지 않게 된다.

공짜 모델의 가격표는 내 프롬프트다. 무료 미리보기의 경제는 단순하다. 회사는 실사용 데이터를 얻고 사용자는 성능을 얻는다. 문제는 사용자가 넣는 것이 코드, 문서, 때로는 회사 내부 자료라는 점이다. AI 대화의 소유권 글에서 다룬 문제가 여기서는 약관 한 줄로 결정된다. 무료 모델에 넣는 것은 남에게 보여도 되는 것이어야 한다.

모델의 국적이 사라진다. 미국의 중개 플랫폼에서 중국 회사의 모델이 이름 없이 1위를 한다. 데이터 주권과 수출 규제를 둘러싼 논쟁이 익명 모델 앞에서는 작동하지 않는다.

검증의 부담이 개인에게 온다. 이름 있는 모델은 회사가 벤치마크를 내고 언론이 검증한다. 익명 모델은 커뮤니티가 60문항짜리 부분집합으로 잰다. Jev AI 벤치마크 글에서 봤듯 측정 방법에 따라 결과가 갈리는데, 익명 모델은 측정 자체가 얇다.

반론과 불확실성

첫째, 미니맥스라는 추정은 토크나이저 일치에 근거한 것이며 확정이 아니다. 과거 헌터 알파는 딥시크로 추정됐다가 샤오미로 밝혀졌다. 이 글이 나간 뒤 정체가 밝혀지면 내용을 갱신할 것이다.

둘째, 벤치마크는 모두 커뮤니티가 부분집합으로 잰 것이다. 300문항, 60문항의 결과는 신뢰구간이 10%p를 넘는다.

셋째, 스텔스 모델이 나쁜 관행이라고 단정할 수 없다. 사용자는 최신 모델을 무료로 미리 써 보고, 개발사는 실제 피드백을 얻는다. 약관을 읽고 넣을 것을 가려 넣는다면 양쪽에 이익이다.

넷째, 미리보기 모델은 사라진다. 스페이스 버니는 10월 5일 종료됐고, 정식 출시 시점과 가격은 정해지지 않았다.

PRISM AGENDA의 시각

나는 스페이스 버니 자체보다 그것이 1위에 오른 속도가 더 중요하다고 본다. 이름도 회사도 모르는 모델에 사람들이 일주일 만에 6조 토큰을 넣었다. 그 안에는 코드가 있고, 문서가 있고, 아마 회사 자료도 있을 것이다. 사람들은 “무료, 100만 토큰”이라는 두 단어 앞에서 “누가, 어디에 보관하나”라는 질문을 건너뛰었다.

이것을 부주의로만 보고 싶지는 않다. 성능이 비슷하고 공짜라면 출처를 따지지 않는 것은 합리적이다. 문제는 그 합리성이 모여 만드는 구조다. 이름을 숨기면 국적, 데이터 정책, 책임 주체가 함께 숨겨지고, 그 상태로 실사용 데이터가 한쪽으로 흐른다. 지난 14개 중 정체를 밝힌 것은 절반이었다.

나는 두 가지를 제안한다. 하나는 개인의 규칙이다. 무료 익명 모델에는 남에게 보여도 되는 것만 넣는다. 코드도 문서도 그렇다. 다른 하나는 플랫폼의 규칙이다. 익명은 허용하되 데이터 정책만은 익명일 수 없어야 한다. 오픈라우터가 옥스 알파부터 “학습에 쓰지 않음”을 명시하기 시작한 것은 그 방향의 첫걸음이다. 토끼가 누구의 것인지는 나중에 알아도 된다. 토끼가 무엇을 가져가는지는 지금 알아야 한다.

자주 묻는 질문

스페이스 버니 알파는 무엇이고 어디서 쓰나? 2026년 9월 23일 오픈라우터와 오픈코드에 올라온 익명 AI 모델이다. 100만 토큰 문맥, 최대 52만 토큰 출력, 텍스트·이미지·영상 입력을 지원하며 미리보기 기간 동안 무료다. 오픈라우터 API나 오픈코드에서 “stealth/space-bunny-alpha”로 호출한다. 개발사, 모델 크기, 학습 방법은 공개되지 않았다.

스페이스 버니 알파는 언제까지 무료로 쓸 수 있나? 2026년 10월 5일로 끝났다. 오픈라우터는 스텔스 기간이 종료됐고 뒤에 있던 모델이 곧 공개된다고 밝혔다. 정식 이름으로 다시 나올 때의 가격은 공지되지 않았다.

스페이스 버니 알파는 누가 만들었나? 공식적으로는 미공개다. 토크나이저 지문 검사에서 24개 문장 모두 중국 미니맥스의 모델과 일치해 미니맥스 M3 계열의 시험판으로 추정된다. 다만 이것은 모델 계열의 증거이지 개발사의 확정이 아니다. 과거 스텔스 모델 14개 중 정체가 확정된 7개는 모두 오픈라우터나 개발사가 직접 밝혔다.

스텔스 모델을 써도 안전한가? 약관에 달려 있다. 스페이스 버니의 오픈라우터 경로는 프롬프트와 응답을 제공자가 보관할 수 있으나 학습에는 쓰지 않는다고 하고, 오픈코드 경로는 보관하지 않는다고 한다. 과거 스텔스 모델 14개 중 13개는 “모델 개선에 쓸 수 있다”는 약관이었다. 무료 익명 모델에는 외부에 공개돼도 괜찮은 자료만 넣는 것이 안전하다.

다음 질문

• 모델의 국적: 익명 모델이 데이터 주권 논쟁을 무력화하는가.
• 무료의 경제학: 실사용 데이터 6조 토큰의 값은 얼마인가.
• 기술동향 카테고리의 다른 글 보기