Alibaba HappyHorse-1.0: Dularfulla líkanið sem náði toppsæti á öllum AI vídeó stigatöflum

Afhjúpunin

Artificial Analysis rekur Video Arena þar sem notendur senda inn lýsingu, tvö nafnlaus líkön búa til úttök, og notendur velja það sem þeir kjósa. Atkvæði fara í Elo matskerfið (sama stærðfræðin og notuð er í skákröðun). Líkön geta ekki svindlað á kerfinu vegna þess að matsmenn vita aldrei hvaða líkan framleiddi hvaða úttak.

HappyHorse-1.0 fór inn á þennan vettvang þann 7. apríl með auðan prófíl. Ekkert lógó, engin fyrirtækjatilvísun. Þann 10. apríl var það komið í efsta sæti í tveimur af fjórum flokkunum, og Alibaba staðfesti eignarhald í gegnum nýstofnaðan X reikning og yfirlýsingu til CNBC.

Tölurnar

Elo stig HappyHorse segja skýra sögu:

Til samanburðar var fyrsta sætið í text-to-video áður hjá Seedance 2.0 frá ByteDance með Elo 1273. HappyHorse sló það um 60 stig, bil sem venjulega tekur mánuði að loka. Í image-to-video náði HappyHorse 1392 á móti 1355 hjá Seedance 2.0.

Flokkarnir sem innihalda hljóð segja aðra sögu. HappyHorse er í öðru sæti á eftir Seedance 2.0 (Elo 1219 á móti 1205), sem bendir til þess að hljóðleiðslan þarfnist enn vinnu miðað við vídeógæðin.

Arkitektúr: Einn Transformer, allt í einu

Flest AI vídeó kerfi keðja saman aðskildum íhlutum: textakóðara, vídeóframleiðanda og hljóðlíkani sem bætt er við á eftir. HappyHorse tekur aðra leið.

Líkanið notar 40 laga single-stream Self-Attention Transformer án Cross-Attention eininga. Text, vídeó og hljóð tokens fara öll í gegnum sama transformer stafla samtímis. Þessi sameinaða hönnun útilokar óþarfa færibreytur og dregur úr flækjum við keyrslu.

Keyrsluleiðslan er óvenju slétt: aðeins 8 denoising skref án Classifier-Free Guidance (CFG). Til samanburðar nota mörg samkeppnislíkön 25-50 skref með CFG virkt. Þetta bendir til kröftugrar distillation í þjálfun, þar sem hráum getu er skipt út fyrir hraða.

Teymið á bak við

HappyHorse kemur frá Future Life Lab undir Taotian Group hjá Alibaba (netverslunararminum). Leiðtoginn er Zhang Di, fyrrverandi varaforseti Kuaishou og tæknistjóri Kling AI.

Þetta skiptir máli. Zhang Di byggði upp verkfræðimenninguna á bak við Kling, eitt sterkasta AI vídeó líkan ársins 2025. Hann þekkir innviðaáskoranirnar, þjálfunarleiðslurnar og matsbilið. Að færa þá reynslu yfir á tölvuauðlindir Alibaba er önnur jafna en að reka sjálfstætt sprotafyrirtæki.

Hvers vegna þetta skiptir máli fyrir markaðinn

AI vídeó markaðurinn í apríl 2026 er óvenju sveiflukenndur:

Þar sem Sora er að hætta og Seedance á við lagaleg vandamál að stríða, kemur HappyHorse á augnabliki þegar markaðurinn leitar að nýjum leiðtoga. Runway Gen-4.5 stendur enn sterkt í framleiðsluverkflæði, og Google Veo 3.1 er ráðandi á sviði fyrirtækjasamþættingar. En hvað varðar hráa myndunargæði mælt með blindu mannlegu vali, situr HappyHorse nú á toppnum.

Opinn hugbúnaður: Kemur bráðlega (kannski)

GitHub geymslan og Hugging Face líkanasafnið sýna bæði "Coming Soon" frá og með 11. apríl. Teymið hefur lofað opinni útgáfu á heildarþyngdum 15 milljarða færibreytna með viðskiptaleyfi. Ef það gerist yrði HappyHorse stærsta opna AI vídeó líkanið sem til er, verulega stærra en LTX-Video með 2B færibreytur.

En "kemur bráðlega" er ekki "gefið út." Þar til þyngdir eru niðurhalanlegar og staðfestar óháð, bera samanburðarniðurstöðurnar stjörnu við. AI vídeó samfélagið hefur lært að bíða eftir endurgerðanlegum niðurstöðum áður en sigurvegarar eru útnefndir.

Hvað á að fylgjast með

Þrjú atriði munu ráða því hvort HappyHorse haldi forystu sinni:

• ✓Útgáfa opinna þyngda og óháð endurgerð á samanburðarniðurstöðum
• ✓Hljóðgæðabætur til að ná eða slá Seedance 2.0 í flokkunum sem innihalda hljóð
• ✓API aðgengi og verðlagning, þar sem toppsæti á stigatöflum þýðir ekkert ef höfundar fá ekki aðgang að líkaninu

AI vídeó myndun þróast hratt. Í janúar virtist Runway Gen-4.5 ósigrandi. Í febrúar tók Seedance 2.0 krúnuna. Nú heldur HappyHorse henni. Spurningin er ekki hvort eitthvað muni að lokum slá það, heldur hvenær og hvaðan.

Fyrir höfunda og þróunaraðila sem byggja vídeóleiðslur í dag er aðalatriðið hagnýtt: ekkert eitt líkan heldur toppsætinu lengi. Besta aðferðin er að byggja verkflæði sem geta skipt um líkön eftir því sem stigataflan breytist, frekar en að veðja öllu á eitt nafn.