Alibaba HappyHorse-1.0: রহস্যময় মডেলটি যা প্রতিটি AI ভিডিও লিডারবোর্ডে শীর্ষে উঠেছে

উন্মোচন

Artificial Analysis একটি Video Arena পরিচালনা করে, যেখানে ব্যবহারকারীরা একটি prompt জমা দেন, দুটি অজ্ঞাতনামা মডেল আউটপুট তৈরি করে, এবং ব্যবহারকারীরা তাদের পছন্দেরটি বেছে নেন। ভোটগুলো একটি Elo rating system-এ যুক্ত হয় (দাবার র‌্যাঙ্কিংয়েও একই গণিত ব্যবহৃত হয়)। মূল্যায়নকারীরা কখনও জানেন না কোন মডেল কোন আউটপুট তৈরি করেছে, তাই মডেলগুলো সিস্টেমটিকে প্রভাবিত করতে পারে না।

HappyHorse-1.0 7 এপ্রিল একটি ফাঁকা প্রোফাইল নিয়ে এই arena-তে প্রবেশ করে। কোনো লোগো নেই, কোনো কোম্পানির পরিচয় নেই। 10 এপ্রিলের মধ্যে এটি চারটি র‌্যাঙ্কিং বিভাগের দুটিতে শীর্ষ স্থান দখল করে, এবং Alibaba একটি নতুন তৈরি X account ও CNBC-কে দেওয়া বিবৃতির মাধ্যমে মালিকানা নিশ্চিত করে।

সংখ্যাগুলো

HappyHorse-এর Elo score-গুলো পরিষ্কারভাবে গল্পটি বলে:

প্রেক্ষাপট হিসেবে, text-to-video-তে আগের #1 ছিল ByteDance-এর Seedance 2.0, যার Elo ছিল 1273। HappyHorse এটিকে 60 পয়েন্টে হারিয়েছে, এমন একটি ব্যবধান যা পূরণ করতে সাধারণত কয়েক মাস লাগে। image-to-video-তে, HappyHorse-এর score 1392, যেখানে Seedance 2.0-এর 1355।

অডিও অন্তর্ভুক্ত বিভাগগুলো ভিন্ন গল্প বলে। HappyHorse, Seedance 2.0-এর (Elo 1219 বনাম 1205) পেছনে #2-এ রয়েছে, যা ইঙ্গিত করে যে ভিডিওর মানের তুলনায় অডিও pipeline-এ এখনও কাজ দরকার।

আর্কিটেকচার: একটি Transformer, সবকিছু একসঙ্গে

বেশিরভাগ AI ভিডিও system আলাদা component যুক্ত করে: একটি text encoder, একটি video generator, এবং পরে সংযুক্ত একটি audio model। HappyHorse ভিন্ন পদ্ধতি গ্রহণ করেছে।

মডেলটি কোনো Cross-Attention module ছাড়া একটি 40-layer single-stream Self-Attention Transformer ব্যবহার করে। Text, video এবং audio token, সবগুলো একই transformer stack-এর মধ্য দিয়ে একই সময়ে প্রবাহিত হয়। এই unified design অপ্রয়োজনীয় parameter দূর করে এবং inference-এর জটিলতা কমায়।

Inference pipeline অস্বাভাবিকভাবে সংক্ষিপ্ত: Classifier-Free Guidance (CFG) ছাড়া মাত্র 8 denoising step। তুলনায়, অনেক প্রতিযোগী মডেল CFG সক্রিয় রেখে 25-50 step ব্যবহার করে। এটি training-এর সময় aggressive distillation-এর ইঙ্গিত দেয়, যেখানে speed-এর জন্য raw capacity-এর বিনিময় করা হয়েছে।

এর পেছনের টিম

HappyHorse এসেছে Alibaba-এর Taotian Group-এর (e-commerce বিভাগ) অধীনে থাকা Future Life Lab থেকে। নেতৃত্বে আছেন Zhang Di, Kuaishou-এর সাবেক VP এবং Kling AI-এর technical lead।

এই তথ্যটি গুরুত্বপূর্ণ। Zhang Di, 2025-এর অন্যতম শক্তিশালী AI ভিডিও মডেল Kling-এর পেছনের engineering culture গড়ে তুলেছিলেন। তিনি infrastructure challenge, training pipeline এবং evaluation gap সম্পর্কে জানেন। সেই অভিজ্ঞতাকে Alibaba-এর compute resource-এর সঙ্গে যুক্ত করা, একটি স্বতন্ত্র startup পরিচালনার চেয়ে ভিন্ন সমীকরণ।

বাজারের জন্য এটি কেন গুরুত্বপূর্ণ

এপ্রিল 2026-এ AI ভিডিও বাজার অস্বাভাবিকভাবে অস্থির:

Sora ধীরে ধীরে বন্ধ হওয়া এবং Seedance-এর আইনি সমস্যার মুখোমুখি অবস্থায়, HappyHorse এমন এক সময়ে এসেছে যখন বাজার নতুন front-runner খুঁজছে। Runway Gen-4.5 এখনও production workflow-তে শক্ত অবস্থানে রয়েছে, এবং Google Veo 3.1 enterprise integration ক্ষেত্র দখল করে আছে। কিন্তু blind human preference দিয়ে মাপা raw generation quality-তে, HappyHorse এখন শীর্ষে।

Open Source: শিগগিরই আসছে (হয়তো)

11 এপ্রিল পর্যন্ত GitHub repository এবং Hugging Face model hub, উভয়টিতেই "Coming Soon" দেখানো হচ্ছে। টিমটি commercial license-সহ সম্পূর্ণ 15-billion parameter weight open-source release-এর প্রতিশ্রুতি দিয়েছে। তা হলে HappyHorse হবে উপলব্ধ সবচেয়ে বড় open-source video model, যা LTX-Video-এর 2B parameter-এর তুলনায় উল্লেখযোগ্যভাবে বড়।

কিন্তু "coming soon" মানে "released" নয়। Weight download করা এবং স্বাধীনভাবে যাচাই না হওয়া পর্যন্ত benchmark result-এর পাশে একটি সতর্কচিহ্ন থাকবে। AI ভিডিও community বিজয়ী ঘোষণা করার আগে reproducible result-এর জন্য অপেক্ষা করতে শিখেছে।

কী নজরে রাখবেন

HappyHorse তার শীর্ষস্থান ধরে রাখতে পারবে কি না, তা তিনটি বিষয় নির্ধারণ করবে:

• ✓Open-source weight release এবং benchmark result-এর স্বাধীন পুনরুৎপাদন
• ✓অডিও অন্তর্ভুক্ত বিভাগে Seedance 2.0-এর সমকক্ষ হওয়া বা তাকে ছাড়িয়ে যেতে audio quality উন্নয়ন
• ✓API availability এবং pricing, কারণ creator-রা মডেলটি ব্যবহার করতে না পারলে benchmark-এ আধিপত্যের কোনো অর্থ নেই

AI video generation ক্ষেত্র দ্রুত বদলায়। জানুয়ারিতে, Runway Gen-4.5-কে অপ্রতিদ্বন্দ্বী মনে হয়েছিল। ফেব্রুয়ারিতে, Seedance 2.0 মুকুট দখল করে। এখন HappyHorse সেটি ধরে রেখেছে। প্রশ্নটি এটি শেষ পর্যন্ত হারবে কি না নয়, বরং কখন এবং কোথা থেকে।

আজ ভিডিও pipeline তৈরি করা creator ও developer-দের জন্য মূল বার্তাটি বাস্তবধর্মী: কোনো একক মডেল দীর্ঘদিন শীর্ষে থাকে না। একটি নামের ওপর সবকিছু বাজি রাখার বদলে, leaderboard বদলালে model বদলাতে পারে এমন workflow তৈরি করাই সেরা কৌশল।

সূত্র

• Kaiyuan Securities Research Institute: HappyHorse-1.0 1333 Elo অর্জন করেছে এবং এপ্রিল মাসে Artificial Analysis video leaderboard-এ শীর্ষে উঠেছে… (Kaiyuan Securities Research Institute)