Alibaba HappyHorse-1.0: Noslēpumainais modelis, kas ieņēma pirmo vietu visos AI video reitingos

Atklāšana

Artificial Analysis uztur Video Arena, kur lietotāji iesniedz uzvedni, divi anonīmi modeļi ģenerē rezultātus, un lietotāji izvēlas to, kas tiem patīk labāk. Balsis tiek ievadītas Elo vērtēšanas sistēmā (tā pati matemātika, ko izmanto šaha reitingos). Modeļi nevar manipulēt sistēmu, jo vērtētāji nekad nezina, kurš modelis radīja kuru rezultātu.

HappyHorse-1.0 ienāca šajā arēnā 7. aprīlī ar tukšu profilu. Bez logotipa, bez uzņēmuma atribūcijas. Līdz 10. aprīlim tas ieņēma augstāko pozīciju divās no četrām reitingu kategorijām, un Alibaba apstiprināja īpašumtiesības caur tikko izveidotu X kontu un paziņojumu CNBC.

Skaitļi

HappyHorse Elo rādītāji runā paši par sevi:

Kontekstam: iepriekšējais #1 text-to-video kategorijā bija ByteDance Seedance 2.0 ar Elo 1273. HappyHorse to pārspēja par 60 punktiem. Tāda starpība parasti prasa mēnešus, lai to aizvērtu. Image-to-video kategorijā HappyHorse sasniedza 1392 pret Seedance 2.0 rādītāju 1355.

Kategorijas ar audio stāsta citu stāstu. HappyHorse atrodas otrajā vietā aiz Seedance 2.0 (Elo 1219 pret 1205), kas norāda, ka audio cauruļvads vēl prasa darbu salīdzinājumā ar video kvalitāti.

Arhitektūra: viens Transformer, viss uzreiz

Lielākā daļa AI video sistēmu sasaista atsevišķus komponentus: teksta kodētāju, video ģeneratoru un audio modeli, kas tiek pievienots pēc tam. HappyHorse izmanto citu pieeju.

Modelis izmanto 40 slāņu single-stream Self-Attention Transformer bez Cross-Attention moduļiem. Teksta, video un audio tokeni visi plūst caur vienu un to pašu Transformer kaudzi vienlaicīgi. Šis vienotais dizains novērš liekas parametrus un samazina secinājumu sarežģītību.

Secinājumu cauruļvads ir neparasti vienkāršs: tikai 8 denoising soļi bez Classifier-Free Guidance (CFG). Salīdzinājumam daudzi konkurējošie modeļi izmanto 25-50 soļus ar ieslēgtu CFG. Tas norāda uz agresīvu distillation treniņa laikā, kur neapstrādāta jauda tiek apmainīta pret ātrumu.

Komanda aiz tā

HappyHorse nāk no Future Life Lab zem Alibaba Taotian Group (e-komercijas atzara). Vadītājs ir Zhang Di, bijušais Kuaishou viceprezidents un Kling AI tehniskais vadītājs.

Šī detaļa ir svarīga. Zhang Di izveidoja inženierijas kultūru aiz Kling, viena no spēcīgākajiem AI video modeļiem 2025. gadā. Viņš zina infrastruktūras izaicinājumus, treniņu cauruļvadus un novērtēšanas nepilnības. Šīs pieredzes pārnešana uz Alibaba skaitļošanas resursiem ir cits vienādojums nekā atsevišķa starta uzņēmuma vadīšana.

Kāpēc tas ir svarīgi tirgum

AI video tirgus 2026. gada aprīlī ir neparasti nestabils:

Sora beidzot un Seedance saskaroties ar juridiskām problēmām, HappyHorse ierodas brīdī, kad tirgus meklē jaunu līderi. Runway Gen-4.5 joprojām ir spēcīgs produkcijas darbplūsmās, un Google Veo 3.1 dominē uzņēmumu integrācijas jomā. Taču attiecībā uz neapstrādātu ģenerēšanas kvalitāti, ko mēra ar aklu cilvēku izvēli, HappyHorse tagad atrodas augšgalā.

Atvērtais pirmkods: drīzumā (varbūt)

GitHub repozitorijs un Hugging Face modeļu centrs abi rāda "Coming Soon" uz 11. aprīli. Komanda ir apsolījusi atvērtā pirmkoda izlaišanu ar pilniem 15 miljardu parametru svariem un komerciālu licenci. Ja tas notiks, HappyHorse būtu lielākais pieejamais atvērtā pirmkoda video modelis, ievērojami lielāks nekā LTX-Video ar 2B parametriem.

Taču "drīzumā" nav "izlaists." Kamēr svari nav lejupielādējami un neatkarīgi verificēti, etalonu rezultāti nes zvaigznīti. AI video kopiena ir iemācījusies gaidīt reproducējamus rezultātus pirms uzvarētāju pasludināšanas.

Kam sekot līdzi

Trīs lietas noteiks, vai HappyHorse saglabās savu vadību:

• ✓Atvērtā pirmkoda svaru izlaide un neatkarīga etalonu rezultātu reproducēšana
• ✓Audio kvalitātes uzlabojumi, lai sasniegtu vai pārspētu Seedance 2.0 kategorijās ar audio
• ✓API pieejamība un cenas, jo etalonu dominance neko nenozīmē, ja satura veidotāji nevar piekļūt modelim

AI video ģenerēšanas joma mainās strauji. Janvārī Runway Gen-4.5 izskatījās nesasniedzams. Februārī Seedance 2.0 paņēma kroni. Tagad to tur HappyHorse. Jautājums nav par to, vai kaut kas to galu galā pārspēs, bet gan kad un no kurienes.

Satura veidotājiem un izstrādātājiem, kas šodien veido video cauruļvadus, secinājums ir praktisks: neviens atsevišķs modelis ilgi neturas virsotnē. Labākā stratēģija ir veidot darbplūsmas, kas var mainīt modeļus, reitingam mainoties, nevis likt visu uz vienu vārdu.