Alibaba HappyHorse-1.0: Mô hình bí ẩn đã chiếm đỉnh mọi bảng xếp hạng AI Video

Hé lộ danh tính

Artificial Analysis vận hành một Video Arena, nơi người dùng gửi prompt, hai mô hình ẩn danh tạo ra kết quả, và người dùng chọn kết quả tốt hơn. Phiếu bầu được đưa vào hệ thống xếp hạng Elo (cùng công thức toán học dùng trong xếp hạng cờ vua). Các mô hình không thể gian lận vì người đánh giá không bao giờ biết mô hình nào tạo ra kết quả nào.

HappyHorse-1.0 tham gia đấu trường này vào ngày 7 tháng 4 với hồ sơ trống. Không logo, không tên công ty. Đến ngày 10 tháng 4, nó đã chiếm vị trí đầu trong hai trên bốn hạng mục xếp hạng, và Alibaba xác nhận quyền sở hữu thông qua tài khoản X mới tạo và tuyên bố với CNBC.

Những con số biết nói

Điểm Elo của HappyHorse cho thấy rõ ràng thực lực:

Để so sánh, mô hình số 1 trước đó ở hạng mục text-to-video là Seedance 2.0 của ByteDance với Elo 1273. HappyHorse vượt qua 60 điểm, một khoảng cách thường phải mất nhiều tháng mới thu hẹp được. Ở hạng mục image-to-video, HappyHorse đạt 1392 so với 1355 của Seedance 2.0.

Các hạng mục có âm thanh lại cho thấy bức tranh khác. HappyHorse xếp thứ 2 sau Seedance 2.0 (Elo 1205 so với 1219), cho thấy pipeline âm thanh vẫn cần cải thiện so với chất lượng video.

Kiến trúc: Một Transformer duy nhất xử lý tất cả

Hầu hết các hệ thống AI video đều nối nhiều thành phần riêng biệt: bộ mã hóa văn bản, bộ tạo video, và mô hình âm thanh được gắn thêm sau. HappyHorse đi theo hướng hoàn toàn khác.

Mô hình sử dụng Transformer Self-Attention đơn luồng 40 lớp mà không có module Cross-Attention. Token văn bản, video và âm thanh đều chạy qua cùng một chồng Transformer cùng lúc. Thiết kế hợp nhất này loại bỏ các tham số dư thừa và giảm độ phức tạp suy luận.

Pipeline suy luận gọn nhẹ bất thường: chỉ 8 bước khử nhiễu mà không dùng Classifier-Free Guidance (CFG). Để so sánh, nhiều mô hình đối thủ sử dụng 25-50 bước với CFG được bật. Điều này cho thấy quá trình chưng cất mạnh mẽ trong huấn luyện, đánh đổi dung lượng thô để đổi lấy tốc độ.

Đội ngũ phát triển

HappyHorse ra đời từ Future Life Lab thuộc Tập đoàn Taotian của Alibaba (nhánh thương mại điện tử). Người phụ trách là Zhang Di, cựu Phó Chủ tịch Kuaishou và trưởng nhóm kỹ thuật Kling AI.

Chi tiết này rất quan trọng. Zhang Di đã xây dựng văn hóa kỹ thuật đằng sau Kling, một trong những mô hình AI video mạnh nhất năm 2025. Ông hiểu rõ các thách thức hạ tầng, pipeline huấn luyện và những điểm mù trong đánh giá. Khi mang kinh nghiệm đó đến kết hợp với tài nguyên tính toán của Alibaba, kết quả sẽ rất khác so với việc điều hành một startup độc lập.

Ý nghĩa đối với thị trường

Thị trường AI video tháng 4 năm 2026 đang biến động mạnh:

Khi Sora sắp ngừng hoạt động và Seedance đối mặt với rắc rối pháp lý, HappyHorse xuất hiện đúng thời điểm thị trường đang tìm kiếm người dẫn đầu mới. Runway Gen-4.5 vẫn giữ vị thế vững chắc trong quy trình sản xuất chuyên nghiệp, và Google Veo 3.1 thống trị mảng tích hợp doanh nghiệp. Nhưng xét về chất lượng tạo sinh thuần túy, được đo bằng sự ưa thích của con người qua đánh giá mù, HappyHorse hiện đang đứng đầu.

Mã nguồn mở: Sắp ra mắt (có thể)

Tính đến ngày 11 tháng 4, kho GitHub và trung tâm mô hình Hugging Face đều hiển thị "Coming Soon". Đội ngũ đã hứa sẽ công bố mã nguồn mở toàn bộ trọng số 15 tỷ tham số với giấy phép thương mại. Nếu điều đó xảy ra, HappyHorse sẽ trở thành mô hình video mã nguồn mở lớn nhất, vượt xa LTX-Video với 2 tỷ tham số.

Nhưng "sắp ra mắt" không phải "đã ra mắt". Cho đến khi trọng số có thể tải xuống và được xác minh độc lập, kết quả benchmark cần được nhìn nhận với sự thận trọng. Cộng đồng AI video đã học được rằng cần chờ kết quả có thể tái tạo trước khi tuyên bố người chiến thắng.

Những điều cần theo dõi

Ba yếu tố sẽ quyết định liệu HappyHorse có giữ được vị trí dẫn đầu hay không:

• ✓Phát hành trọng số mã nguồn mở và tái tạo độc lập kết quả benchmark
• ✓Cải thiện chất lượng âm thanh để sánh bằng hoặc vượt qua Seedance 2.0 ở các hạng mục có âm thanh
• ✓Khả dụng API và giá cả, vì thống trị benchmark chẳng có ý nghĩa gì nếu người sáng tạo không thể truy cập mô hình

Lĩnh vực tạo video bằng AI thay đổi rất nhanh. Tháng 1, Runway Gen-4.5 trông như bất khả chiến bại. Tháng 2, Seedance 2.0 chiếm ngôi vương. Giờ đây HappyHorse nắm giữ nó. Câu hỏi không phải là liệu cuối cùng có thứ gì đó sẽ vượt qua nó hay không, mà là khi nào và từ đâu.

Đối với những người sáng tạo và nhà phát triển đang xây dựng pipeline video hiện nay, bài học thực tế rất rõ ràng: không mô hình đơn lẻ nào giữ được vị trí đầu lâu dài. Chiến lược tốt nhất là xây dựng quy trình làm việc có thể linh hoạt chuyển đổi mô hình khi bảng xếp hạng thay đổi, thay vì đặt cược tất cả vào một cái tên.