阿里巴巴 HappyHorse-1.0: 稱霸所有 AI 影片排行榜的神秘模型

揭曉真相

Artificial Analysis 經營著一個 Video Arena,使用者提交提示詞,兩個匿名模型分別產生輸出,使用者選出較好的那個。投票結果進入 Elo 評分系統(與國際象棋排名使用的數學模型相同)。由於評估者無法得知哪個模型產生了哪個輸出,模型無法作弊。

HappyHorse-1.0 於 4 月 7 日以空白檔案進入這個競技場。沒有 logo,沒有公司署名。到 4 月 10 日,它已在四個排名類別中的兩個佔據榜首,阿里巴巴透過新註冊的 X 帳號和對 CNBC 的聲明確認了所有權。

數據說明一切

HappyHorse 的 Elo 分數清楚地說明了一切:

作為參照,此前文字生成影片的第一名是字節跳動的 Seedance 2.0,Elo 為 1273。HappyHorse 以 60 分的優勢勝出,這個差距通常需要數月才能彌合。在圖片生成影片方面,HappyHorse 得分 1392,而 Seedance 2.0 為 1355。

含音訊類別則呈現不同的格局。HappyHorse 以 1205 的 Elo 分數排在 Seedance 2.0(1219)之後,位居第二。這顯示相較於影片品質,其音訊管線仍有提升空間。

架構: 單一 Transformer 處理一切

大多數 AI 影片系統是將多個獨立組件串接起來: 文字編碼器、影片生成器,以及後續接入的音訊模型。HappyHorse 採用了截然不同的方法。

該模型使用 40 層單流 Self-Attention Transformer,不包含 Cross-Attention 模組。文字、影片和音訊 token 同時通過同一個 Transformer 堆疊處理。這種統一設計消除了冗餘參數,降低了推理複雜度。

推理管線異常精簡: 僅需 8 個去噪步驟,且不使用 Classifier-Free Guidance (CFG)。相比之下,許多競品模型需要 25-50 個步驟並啟用 CFG。這顯示訓練過程中進行了激進的蒸餾,以速度換取原始容量。

幕後團隊

HappyHorse 出自阿里巴巴淘天集團(電商事業群)旗下的 Future Life Lab。負責人是張迪,前快手副總裁,Kling AI 技術負責人。

這個細節相當關鍵。張迪打造了 Kling 背後的工程文化,而 Kling 是 2025 年最強勁的 AI 影片模型之一。他深諳基礎設施挑戰、訓練管線和評估盲區。將這種經驗帶入阿里巴巴的算力資源中,產生的效果與經營一家獨立新創公司截然不同。

這對市場意味著什麼

2026 年 4 月的 AI 影片市場異常動盪:

在 Sora 即將退出、Seedance 面臨法律糾紛的背景下,HappyHorse 恰好在市場尋找新領軍者的時刻登場。Runway Gen-4.5 在專業製作工作流中依然強勢,Google Veo 3.1 主導著企業整合領域。但在以盲評人類偏好衡量的原始生成品質方面,HappyHorse 現在位居榜首。

開源: 即將到來(也許吧)

截至 4 月 11 日,GitHub 儲存庫和 Hugging Face 模型中心均顯示「Coming Soon」。團隊已承諾將以商業授權開源完整的 150 億參數權重。若兌現承諾,HappyHorse 將成為目前最大的開源影片模型,遠超 LTX-Video 的 20 億參數。

但「即將到來」不等於「已發布」。在權重可供下載且經獨立驗證之前,這些基準測試結果仍需打上問號。AI 影片社群已經學會在宣布贏家之前等待可複現的結果。

值得關注的動向

三個因素將決定 HappyHorse 能否維持領先地位:

• ✓開源權重發布及基準測試結果的獨立複現
• ✓音訊品質提升,以在含音訊類別中追平或超越 Seedance 2.0
• ✓API 可用性與定價,因為如果創作者無法使用模型,基準測試的領先毫無意義

AI 影片生成領域變化極快。一月,Runway Gen-4.5 看似不可撼動。二月,Seedance 2.0 奪下桂冠。現在,HappyHorse 接過了王座。問題不是最終是否會有模型超越它,而是何時、由誰來超越。

對於當下正在建構影片管線的創作者和開發者而言,這裡有一個務實的建議: 沒有任何單一模型能長期保持領先。最佳策略是搭建能夠隨排行榜變動靈活切換模型的工作流,而非把全部賭注押在一個名字上。