阿里巴巴 HappyHorse-1.0: 登顶所有 AI 视频排行榜的神秘模型

揭晓真相

Artificial Analysis 运营着一个 Video Arena,用户提交提示词,两个匿名模型分别生成输出,用户选出更好的那个。投票结果进入 Elo 评分系统(与国际象棋排名使用的数学模型相同)。由于评估者无法得知哪个模型生成了哪个输出,模型无法作弊。

HappyHorse-1.0 于 4 月 7 日以空白资料进入这个竞技场。没有 logo,没有公司署名。到 4 月 10 日,它已在四个排名类别中的两个占据榜首,阿里巴巴通过新注册的 X 账户和对 CNBC 的声明确认了所有权。

数据说话

HappyHorse 的 Elo 分数清晰地讲述了这个故事:

作为参照,此前文本生成视频的第一名是字节跳动的 Seedance 2.0,Elo 为 1273。HappyHorse 以 60 分的优势胜出,这个差距通常需要数月才能弥合。在图片生成视频方面,HappyHorse 得分 1392,而 Seedance 2.0 为 1355。

含音频类别则呈现不同的格局。HappyHorse 以 1205 的 Elo 分数排在 Seedance 2.0(1219)之后,位居第二。这表明相较于视频质量,其音频管线仍有提升空间。

架构: 单一 Transformer 处理一切

大多数 AI 视频系统是将多个独立组件串联起来: 文本编码器、视频生成器,以及后续接入的音频模型。HappyHorse 采用了完全不同的方法。

该模型使用 40 层单流 Self-Attention Transformer,不含 Cross-Attention 模块。文本、视频和音频 token 同时通过同一个 Transformer 堆栈处理。这种统一设计消除了冗余参数,降低了推理复杂度。

推理管线异常精简: 仅需 8 个去噪步骤,且不使用 Classifier-Free Guidance (CFG)。相比之下,许多竞品模型需要 25-50 个步骤并启用 CFG。这表明训练过程中进行了激进的蒸馏,以速度换取原始容量。

幕后团队

HappyHorse 出自阿里巴巴淘天集团(电商事业群)旗下的 Future Life Lab。负责人是张迪,前快手副总裁,Kling AI 技术负责人。

这个细节很关键。张迪打造了 Kling 背后的工程文化,而 Kling 是 2025 年最强劲的 AI 视频模型之一。他深谙基础设施挑战、训练管线和评估盲区。将这种经验带入阿里巴巴的算力资源中,产生的化学反应与运营一家独立创业公司截然不同。

这对市场意味着什么

2026 年 4 月的 AI 视频市场异常动荡:

在 Sora 即将退出、Seedance 面临法律纠纷的背景下,HappyHorse 恰好在市场寻找新领军者的时刻登场。Runway Gen-4.5 在专业制作工作流中依然强势,Google Veo 3.1 主导着企业集成领域。但在以盲评人类偏好衡量的原始生成质量方面,HappyHorse 现在位居榜首。

开源: 即将到来(也许吧)

截至 4 月 11 日,GitHub 仓库和 Hugging Face 模型中心均显示"Coming Soon"。团队已承诺将以商业许可证开源完整的 150 亿参数权重。如果兑现,HappyHorse 将成为目前最大的开源视频模型,远超 LTX-Video 的 20 亿参数。

但"即将到来"不等于"已发布"。在权重可供下载且经独立验证之前,这些基准测试结果仍需打上问号。AI 视频社区已经学会在宣布赢家之前等待可复现的结果。

值得关注的动向

三个因素将决定 HappyHorse 能否保持领先地位:

• ✓开源权重发布及基准测试结果的独立复现
• ✓音频质量提升,以在含音频类别中追平或超越 Seedance 2.0
• ✓API 可用性与定价,因为如果创作者无法使用模型,基准测试的领先毫无意义

AI 视频生成领域变化极快。一月,Runway Gen-4.5 看似不可撼动。二月,Seedance 2.0 夺下桂冠。现在,HappyHorse 接过了王座。问题不是最终是否会有模型超越它,而是何时、由谁来超越。

对于当下正在构建视频管线的创作者和开发者而言,这里有一个务实的建议: 没有任何单一模型能长期保持领先。最佳策略是搭建能够随排行榜变动灵活切换模型的工作流,而非把全部赌注押在一个名字上。