Alibaba HappyHorse-1.0: paslaptingas modelis, užėmęs pirmą vietą visuose AI vaizdo įrašų reitinguose

Atskleidimas

Artificial Analysis vykdo Video Arena, kurioje vartotojai pateikia užklausą, du anoniminiai modeliai generuoja rezultatus, o vartotojai pasirenka geresnį. Balsai patenka į Elo reitingų sistemą (ta pati matematika, kuri naudojama šachmatų reitinguose). Modeliai negali apgauti sistemos, nes vertintojai niekada nežino, kuris modelis sukūrė kurį rezultatą.

HappyHorse-1.0 į šią areną įžengė balandžio 7 d. su tuščiu profiliu. Jokio logotipo, jokio įmonės priskyrimo. Iki balandžio 10 d. jis užėmė pirmą poziciją dviejose iš keturių reitingų kategorijų, o Alibaba patvirtino nuosavybę per naujai sukurtą X paskyrą ir pareiškimą CNBC.

Skaičiai

HappyHorse Elo balai kalba patys už save:

Kontekstui: ankstesnis pirmos vietos turėtojas teksto pavertimo vaizdo įrašu kategorijoje buvo ByteDance Seedance 2.0 su Elo 1273. HappyHorse jį aplenkė 60 taškų, atotrūkiu, kuriam uždaryti paprastai prireikia mėnesių. Vaizdo pavertimo vaizdo įrašu kategorijoje HappyHorse surinko 1392 prieš Seedance 2.0 1355.

Kategorijose su garsu situacija kitokia. HappyHorse užima antrą vietą po Seedance 2.0 (Elo 1219 prieš 1205), o tai rodo, kad garso apdorojimo grandinė dar turi tobulėti, palyginti su vaizdo kokybe.

Architektūra: vienas Transformer, viskas vienu metu

Daugelis AI vaizdo įrašų sistemų sujungia atskirus komponentus: teksto koduotoją, vaizdo generatorių ir garso modelį, prijungtą vėliau. HappyHorse renkasi kitokį kelią.

Modelis naudoja 40 sluoksnių vieno srauto Self-Attention Transformer be Cross-Attention modulių. Teksto, vaizdo ir garso tokenai teka per tą patį Transformer bloką vienu metu. Šis vienalytis dizainas pašalina perteklinius parametrus ir sumažina išvedimo sudėtingumą.

Išvedimo procesas neįprastai paprastas: tik 8 triukšmo šalinimo žingsniai be Classifier-Free Guidance (CFG). Palyginimui, daugelis konkuruojančių modelių naudoja 25-50 žingsnių su įjungtu CFG. Tai rodo agresyvų distiliavimą mokymo metu, aukojant neapdorotą talpą dėl greičio.

Komanda už modelio

HappyHorse kilęs iš Future Life Lab, priklausančio Alibaba Taotian Group (e. prekybos padaliniui). Vadovas yra Zhang Di, buvęs Kuaishou viceprezidentas ir Kling AI techninis vadovas.

Ši detalė svarbi. Zhang Di sukūrė inžinerinę kultūrą už Kling, vieno stipriausių AI vaizdo modelių 2025 metais. Jis žino infrastruktūros iššūkius, mokymo procesus ir vertinimo spragas. Perkelti tą patirtį prie Alibaba skaičiavimo resursų yra visai kita lygtis nei vadovauti savarankiškam startupui.

Kodėl tai svarbu rinkai

AI vaizdo įrašų rinka 2026 m. balandį yra neįprastai nestabili:

Sora baigiant veiklą ir Seedance susiduriant su teisinėmis problemomis, HappyHorse pasirodo tuo metu, kai rinka ieško naujo lyderio. Runway Gen-4.5 vis dar tvirtai laikosi profesionaliuose darbo procesuose, o Google Veo 3.1 dominuoja įmonių integracijos erdvėje. Tačiau pagal grynąją generavimo kokybę, matuojamą aklojo žmogaus pasirinkimo testu, HappyHorse dabar yra viršuje.

Atviras kodas: netrukus (gal būt)

GitHub saugykla ir Hugging Face modelių centras iki balandžio 11 d. rodo "Coming Soon". Komanda pažadėjo atvirai paskelbti visus 15 milijardų parametrų svorius su komercine licencija. Jei tai įvyks, HappyHorse taps didžiausiu atvirojo kodo vaizdo modeliu, gerokai didesniu nei LTX-Video 2B parametrų.

Bet "netrukus" nereiškia "išleista". Kol svoriai nebus parsisiunčiami ir nepriklausomai patikrinti, etalonų rezultatai turi žvaigždutę. AI vaizdo bendruomenė jau išmoko laukti atkuriamų rezultatų prieš skelbiant nugalėtojus.

Ką stebėti toliau

Trys dalykai nulems, ar HappyHorse išlaikys savo poziciją:

• ✓Atvirojo kodo svorių paskelbimas ir nepriklausomas etalonų rezultatų atkūrimas
• ✓Garso kokybės patobulinimai, kad pasiektų arba pralenktų Seedance 2.0 kategorijose su garsu
• ✓API prieinamumas ir kainos, nes etalonų dominavimas nieko nereiškia, jei kūrėjai negali pasiekti modelio

AI vaizdo generavimo erdvė keičiasi greitai. Sausį Runway Gen-4.5 atrodė nepasiekiamas. Vasarį karūną perėmė Seedance 2.0. Dabar ją laiko HappyHorse. Klausimas ne ar kažkas jį galiausiai pralenks, o kada ir iš kur.

Kūrėjams ir programuotojams, šiandien kuriantiems vaizdo įrašų apdorojimo procesus, praktinė išvada aiški: joks modelis ilgai neišsilaiko viršuje. Geriausia strategija yra kurti darbo eigas, kurios gali keisti modelius pagal reitingų pokyčius, o ne statyti viską ant vieno pavadinimo.