Bunny ist eine Reihe leichter, aber leistungsstarker multimodaler Modelle, die verschiedene sofort einsatzbereite View-Encoder und Sprach-Backbone-Netzwerke bieten. Durch eine ausgewählte Auswahl aus breiteren Datenquellen wird ein reichhaltigeres Trainingsdatensatz aufgebaut, um die Verringerung der Modellgröße auszugleichen. Das Bunny-v1.0-3B-Modell übertrifft in seiner Leistung Modelle ähnlicher Größe oder sogar größerer MLLMs (7B) und ist mit der Leistung von 13B-Modellen vergleichbar.