Alibaba HappyHorse-1.0: Mysteerimalli, joka nousi jokaisen AI-videovertailun kärkeen

Paljastus

Artificial Analysis ylläpitää Video Arena -alustaa, jossa käyttäjät lähettävät promptin, kaksi anonyymiä mallia tuottaa tulokset ja käyttäjät valitsevat paremman. Äänet syötetään Elo-luokitusjärjestelmään (sama matematiikka kuin shakin rankingissa). Mallit eivät voi pelata järjestelmää, koska arvioijat eivät koskaan tiedä, kumpi malli tuotti kumman tuloksen.

HappyHorse-1.0 astui areenalle 7. huhtikuuta tyhjällä profiililla. Ei logoa, ei yritystietoja. 10. huhtikuuta mennessä se oli kärkisijalla kahdessa neljästä ranking-kategoriasta, ja Alibaba vahvisti omistajuuden vasta perustetun X-tilin ja CNBC:lle annetun lausunnon kautta.

Luvut

HappyHorsen Elo-pisteet kertovat selkeän tarinan:

Vertailun vuoksi: edellinen ykkönen text-to-video-kategoriassa oli ByteDancen Seedance 2.0 Elo-arvolla 1273. HappyHorse voitti sen 60 pisteellä, ero joka tyypillisesti vaatii kuukausia kurottavaksi. Image-to-video-kategoriassa HappyHorse sai 1392 Seedance 2.0:n 1355:tä vastaan.

Äänen sisältävät kategoriat kertovat eri tarinan. HappyHorse on kakkossijalla Seedance 2.0:n takana (Elo 1219 vs. 1205), mikä viittaa siihen, että äänipipeline kaipaa vielä työtä videolaatuun verrattuna.

Arkkitehtuuri: Yksi Transformer, kaikki kerralla

Useimmat AI-videojärjestelmät ketjuttavat erillisiä komponentteja: tekstikooderin, videogeneraattorin ja jälkikäteen liitetyn äänimallin. HappyHorse tekee asiat toisin.

Malli käyttää 40-kerroksista yhden virran Self-Attention Transformer -arkkitehtuuria ilman Cross-Attention-moduuleja. Teksti-, video- ja äänitokenit kulkevat samanaikaisesti saman transformer-pinon läpi. Tämä yhtenäinen rakenne poistaa redundantit parametrit ja vähentää päättelyn monimutkaisuutta.

Päättelypipeline on poikkeuksellisen kevyt: vain 8 denoising-askelta ilman Classifier-Free Guidance (CFG) -menetelmää. Vertailun vuoksi, monet kilpailevat mallit käyttävät 25-50 askelta CFG:n kanssa. Tämä viittaa aggressiiviseen tislaamisen käyttöön koulutuksessa, jossa raaka kapasiteetti on vaihdettu nopeuteen.

Tiimi mallin takana

HappyHorse tulee Future Life Labista, joka toimii Alibaban Taotian Groupin (verkkokauppa-haaran) alaisuudessa. Vetäjänä toimii Zhang Di, Kuaishoun entinen varatoimitusjohtaja ja Kling AI:n tekninen johtaja.

Tämä yksityiskohta on merkittävä. Zhang Di rakensi Klingin taustalla olevan insinöörikulttuurin, ja Kling oli yksi vuoden 2025 vahvimmista AI-videomalleista. Hän tuntee infrastruktuurihaasteet, koulutuspipelinet ja arviointipuutteet. Tämän kokemuksen yhdistäminen Alibaban laskentaresursseihin on eri yhtälö kuin itsenäisen startupin pyörittäminen.

Miksi tällä on merkitystä markkinoille

AI-videomarkkina huhtikuussa 2026 on poikkeuksellisen epävakaa:

Soran alasajon ja Seedancen oikeudellisten ongelmien keskellä HappyHorse saapuu hetkellä, jolloin markkina etsii uutta kärkitekijää. Runway Gen-4.5 pysyy vahvana tuotantotyönkuluissa ja Google Veo 3.1 hallitsee enterprise-integraatioiden kenttää. Mutta raa'an generointilaadun osalta, mitattuna sokkona tehdyllä ihmisarvioinnilla, HappyHorse on nyt kärjessä.

Avoin lähdekoodi: Tulossa pian (ehkä)

GitHub-repositorio ja Hugging Face -mallihubi näyttävät molemmat "Tulossa pian" 11. huhtikuuta. Tiimi on luvannut avoimen lähdekoodin julkaisun kaikille 15 miljardin parametrin painoille kaupallisella lisenssillä. Jos tämä toteutuu, HappyHorse olisi suurin saatavilla oleva avoimen lähdekoodin videomalli, merkittävästi suurempi kuin LTX-Videon 2 miljardia parametria.

Mutta "tulossa pian" ei ole sama kuin "julkaistu". Kunnes painot ovat ladattavissa ja itsenäisesti varmennettuja, benchmark-tulokset kantavat asteriskia. AI-videoyhteisö on oppinut odottamaan toistettavia tuloksia ennen voittajien julistamista.

Mitä seurata

Kolme asiaa ratkaisee, pystyykö HappyHorse säilyttämään johtoasemansa:

• ✓Avoimen lähdekoodin painojen julkaisu ja benchmark-tulosten itsenäinen toistaminen
• ✓Äänenlaadun parannukset Seedance 2.0:n tasolle tai ohi äänen sisältävissä kategorioissa
• ✓API:n saatavuus ja hinnoittelu, sillä benchmark-hallinta ei merkitse mitään, jos sisällöntuottajat eivät pääse käyttämään mallia

AI-videogeneroinnin kenttä liikkuu nopeasti. Tammikuussa Runway Gen-4.5 näytti lyömättömältä. Helmikuussa Seedance 2.0 otti kruunun. Nyt HappyHorse pitää sitä. Kysymys ei ole, voittaako jokin sen lopulta, vaan milloin ja mistä suunnasta.

Sisällöntuottajille ja kehittäjille, jotka rakentavat videopipelineja tänään, johtopäätös on käytännöllinen: yksikään malli ei pysy kärjessä kovin pitkään. Paras strategia on rakentaa työnkulkuja, jotka voivat vaihtaa mallia sitä mukaa kun ranking muuttuu, sen sijaan että panostaa kaiken yhteen nimeen.