Alibaba HappyHorse-1.0: El model misteriós que va arribar al capdamunt de totes les classificacions de vídeo AI

La revelació

Artificial Analysis gestiona una Video Arena on els usuaris envien un prompt, dos models anònims generen resultats, i els usuaris trien el que prefereixen. Els vots alimenten un sistema de puntuació Elo (la mateixa matemàtica que s'utilitza en les classificacions d'escacs). Els models no poden manipular el sistema perquè els avaluadors mai saben quin model ha produït quin resultat.

HappyHorse-1.0 va entrar en aquesta arena el 7 d'abril amb un perfil en blanc. Sense logotip, sense atribució d'empresa. El 10 d'abril ocupava la primera posició en dues de les quatre categories de classificació, i Alibaba va confirmar-ne la propietat a través d'un compte X creat recentment i una declaració a CNBC.

Les xifres

Les puntuacions Elo de HappyHorse parlen per si mateixes:

Per posar-ho en context, l'anterior #1 en text-to-video era Seedance 2.0 de ByteDance amb Elo 1273. HappyHorse el va superar per 60 punts, una diferència que normalment triga mesos a tancar-se. En image-to-video, HappyHorse va aconseguir 1392 enfront dels 1355 de Seedance 2.0.

Les categories amb àudio expliquen una altra història. HappyHorse se situa en segona posició darrere de Seedance 2.0 (Elo 1219 contra 1205), cosa que suggereix que el pipeline d'àudio encara necessita feina en comparació amb la qualitat del vídeo.

Arquitectura: un Transformer, tot alhora

La majoria de sistemes de vídeo AI encadenen components separats: un codificador de text, un generador de vídeo i un model d'àudio afegit després. HappyHorse adopta un enfocament diferent.

El model utilitza un Transformer Self-Attention single-stream de 40 capes sense mòduls Cross-Attention. Els tokens de text, vídeo i àudio flueixen tots pel mateix stack de Transformer simultàniament. Aquest disseny unificat elimina paràmetres redundants i redueix la complexitat d'inferència.

El pipeline d'inferència és inusualment lleuger: només 8 passos de denoising sense Classifier-Free Guidance (CFG). Per comparació, molts models competidors utilitzen 25-50 passos amb CFG activat. Això suggereix una distillation agressiva durant l'entrenament, on es canvia capacitat bruta per velocitat.

L'equip darrere del model

HappyHorse prové del Future Life Lab sota el Taotian Group d'Alibaba (la branca de comerç electrònic). El líder és Zhang Di, antic vicepresident de Kuaishou i director tècnic de Kling AI.

Aquest detall importa. Zhang Di va construir la cultura d'enginyeria darrere de Kling, un dels models de vídeo AI més potents de 2025. Coneix els reptes d'infraestructura, els pipelines d'entrenament i les llacunes d'avaluació. Portar aquesta experiència als recursos computacionals d'Alibaba és una equació diferent que gestionar una startup independent.

Per què això importa per al mercat

El mercat del vídeo AI a l'abril de 2026 és inusualment volàtil:

Amb Sora en procés de tancament i Seedance enfrontant problemes legals, HappyHorse arriba en un moment en què el mercat busca un nou líder. Runway Gen-4.5 continua sent fort en fluxos de treball de producció, i Google Veo 3.1 domina l'espai d'integració empresarial. Però pel que fa a la qualitat bruta de generació mesurada per preferència humana a cegues, HappyHorse ara ocupa el primer lloc.

Codi obert: properament (potser)

El repositori de GitHub i el hub de models de Hugging Face mostren tots dos "Coming Soon" a data d'11 d'abril. L'equip ha promès una publicació de codi obert dels pesos complets de 15 mil milions de paràmetres amb llicència comercial. Si això passa, HappyHorse seria el model de vídeo de codi obert més gran disponible, significativament més gran que els 2B paràmetres de LTX-Video.

Però "properament" no és "publicat." Fins que els pesos siguin descarregables i verificats independentment, els resultats dels benchmarks porten un asterisc. La comunitat de vídeo AI ha après a esperar resultats reproduïbles abans de declarar guanyadors.

Què cal vigilar

Tres coses determinaran si HappyHorse manté el seu lideratge:

• ✓Publicació dels pesos en codi obert i reproducció independent dels resultats dels benchmarks
• ✓Millores en la qualitat d'àudio per igualar o superar Seedance 2.0 en les categories amb àudio
• ✓Disponibilitat de l'API i preus, ja que dominar els benchmarks no significa res si els creadors no poden accedir al model

L'espai de generació de vídeo AI es mou ràpidament. Al gener, Runway Gen-4.5 semblava intocable. Al febrer, Seedance 2.0 va prendre la corona. Ara la té HappyHorse. La pregunta no és si alguna cosa el superarà eventualment, sinó quan i des d'on.

Per als creadors i desenvolupadors que construeixen pipelines de vídeo avui, la conclusió és pràctica: cap model es manté al capdamunt durant gaire temps. La millor estratègia és construir fluxos de treball que puguin canviar de model a mesura que la classificació evoluciona, en lloc d'apostar-ho tot a un sol nom.