昨天刷到這樣一條視頻：

Seedance 2.0的 AI視頻王座還沒坐熱乎，就被一個神秘模型「Happy Horse」搶走了。

花了1000w拿 Seedance 2.0接口的大哥，繃不住了......

先看一波X網(wǎng)友生成的效果：

讓大哥破防的 「Happy Horse」，這兩天突然出現(xiàn)在 Artificial Analysis的Video Arena榜單， 以1350上下的Elo積分，穩(wěn)坐文生視頻賽道第一。第二名是火出圈的字節(jié)Seedance 2.0，被甩開了七八十分。

七八十分是什么概念？榜單上第二名到第十九名，所有選手的分差加在一起，也就七十分出頭。

我得先解釋一下這個榜單為什么重要。

Artificial Analysis的Video Arena，不是那種廠商自己跑個分、貼張圖就能上的排行榜。它的機制很簡單也很殘酷：給你看兩段視頻，你不知道哪段是誰家的模型生成的，憑直覺選一個更好的。數(shù)千個普通人這么投票，最后算出Elo積分。

也就是不看名氣、參數(shù)，只看實力。

在這套機制下，HappyHorse不光拿了文生視頻的第一，圖生視頻賽道更離譜，跑出了1400分以上的成績，直接刷新了榜單歷史紀錄。

而在對聲畫同步要求更高的有音頻賽道，它和Seedance 2.0咬得很緊，兩家?guī)缀醪⒘小?/p>

一個沒有發(fā)布會、沒有技術(shù)博客、沒有任何企業(yè)背書的匿名模型，就這么把Google Veo、OpenAI Sora、字節(jié)Seedance、快手可靈，統(tǒng)統(tǒng)踩在了腳下。

全網(wǎng)的第一反應(yīng)是：這誰？然后就是各種找線索，猜身份。

第一條線索藏在官網(wǎng)的語言排列里。普通話和粵語被放在了英語前面，一個想做全球生意的產(chǎn)品，如果出自硅谷，絕不會這么排。方向基本鎖定：中國。

第二條線索是名字。今年是農(nóng)歷馬年，HappyHorse這個命名幾乎是在明牌致敬生肖。年初另一個匿名模型Pony Alpha也用過同樣的套路。

于是猜測四起。馬云姓馬，馬化騰也姓馬，兩家大廠自動入圍。有人覺得是雷軍的風格，悶頭干活然后突然亮劍。有人懷疑DeepSeek，因為DS此前有過悄悄上線視覺模型又悄悄撤掉的前科。還有人直覺認為這是阿里萬相Wan 2.7的換皮版本。

但國內(nèi)圈子里流傳更廣的是另一個版本：HappyHorse出自阿里淘天集團的未來生活實驗室，操盤人是張迪。

而就在剛剛，快樂小馬的主人來認領(lǐng)了。是的，出自阿里！

來自阿里的ATH創(chuàng)新事業(yè)部，是正在內(nèi)測的產(chǎn)品。

但不管它姓阿里還是姓什么，真正值得聊的，是它做對了什么。

先說技術(shù)。

HappyHorse是一個150億參數(shù)的視頻生成模型。150億聽起來不小，但在動輒幾百億參數(shù)的視頻模型里，它算輕量級選手。

架構(gòu)上它走了一條少有人走的路：40層單流Transformer，把文字、畫面、聲音三種信號統(tǒng)統(tǒng)塞進同一根管道。大多數(shù)競品的做法是各管各的，視頻一個模塊，音頻一個模塊，最后縫合。HappyHorse不縫，它從一開始就讓三種信息在同一個空間里互相感知。

這意味著什么？你敲一段文字進去，出來的不是一段啞巴視頻加一段需要手動對口型的配音，而是一段聲畫天然同步的成品。人物張嘴的幅度、嘴唇的形狀，和聲音是咬合的。

而且這個口型同步覆蓋了七種語言：普通話、粵語、英語、日語、韓語、德語、法語。理論上你可以讓一個虛擬角色先用中文講一遍產(chǎn)品介紹，再一鍵切成法語版，嘴型自動跟著變。對做跨境內(nèi)容的團隊來說，這個功能的想象空間不小。

速度也值得一提。它用蒸餾技術(shù)把生成過程中的去噪步驟從常規(guī)的幾十步壓到了8步，而且甩掉了傳統(tǒng)上很吃算力的CFG引導(dǎo)機制。實際跑起來，在H100顯卡上生成一段5秒的1080p視頻，大約38秒。同等條件下，很多模型還在慢悠悠地跑第二十步。

用150億參數(shù)做出了過去需要兩三百億參數(shù)才能達到的效果。

它贏盲測的秘密不是蠻力，是效率。每一分算力都花在了刀刃上。

但，HappyHorse目前有幾個短板，而這些短板恰恰決定了它到底是曇花一現(xiàn)，還是真能改變格局。

第一，它的舒適區(qū)是單人出鏡。畫面里只要多出一兩個角色，或者場景層次變復(fù)雜，畫質(zhì)和連貫性就會肉眼可見地往下掉。這不是后期能修的問題，而是訓(xùn)練階段的設(shè)計取舍，它把絕大部分精力押在了肖像上。

第二，時長是個硬傷，最長僅支持30秒，并且同樣也會偶爾走形。

第三，你家里的電腦大概率跑不動它。實測需要H100這個級別的專業(yè)顯卡，普通游戲卡想都別想。社區(qū)在研究量化壓縮方案，但短期內(nèi)個人用戶本地部署基本不現(xiàn)實。

第四，也是最容易被忽略的一點，考試本身可能偏科了。

有人統(tǒng)計過，Artificial Analysis盲測池里的樣本，肖像類和配音類內(nèi)容加起來占了六成以上。而HappyHorse最拿手的恰恰就是人臉。Elo分數(shù)本質(zhì)上是一個綜合觀感偏好值，不是逐項能力的精確測量。它告訴你誰更討人喜歡，但不告訴你誰更全面。

確實有測試者在X上說得很直接：拿HappyHorse和Seedance 2.0放在一起細看，人物細節(jié)的精度和動態(tài)場景的穩(wěn)定性，差距還是看得出來的。

那HappyHorse真正的意義在哪？不在榜單本身。在于它撕開了一道口子。

過去兩年，AI視頻這條賽道有個心照不宣的潛規(guī)則：開源的東西能拿來學(xué)習(xí)，但別指望拿去交差。開源模型和商業(yè)產(chǎn)品之間橫著一條肉眼可見的質(zhì)量線。拿開源模型出的片子給甲方看，甲方皺眉；拿Seedance或可靈出的片子給甲方看，甲方點頭。

這條線就是閉源產(chǎn)品收費的底氣。可靈3.0生成一段10秒1080p視頻，大概8塊錢。Seedance 2.0便宜點，5塊左右。即夢最近開了VIP快速通道，價格直接躥到14塊一條。算下來，做一個兩分鐘的短片，光生成費用就能燒掉兩百多。

個人創(chuàng)作者肉疼，批量出內(nèi)容的團隊更肉疼。

HappyHorse給出的承諾是：全部開源，全部可商用。基礎(chǔ)模型、輕量蒸餾版、超分辨率模塊、推理代碼，一個不留。

但假設(shè)它兌現(xiàn)了呢？

那意味著一個在盲測中壓過所有商業(yè)產(chǎn)品的模型，任何人都可以免費拉下來，跑在自己的機器上，用自己的數(shù)據(jù)去調(diào)教，生成的內(nèi)容歸自己，不按秒計費，不擔心隱私外泄。

這是開源視頻模型頭一次在普通人的感知層面，和閉源產(chǎn)品站到了同一條線上。

哪怕這次的對齊有考題偏科的成分，哪怕HappyHorse面對復(fù)雜場景還會露怯，光是這個信號就夠讓閉源陣營坐不住了。道理很簡單：開源社區(qū)一旦嘗到甜頭，后面的量化壓縮、場景微調(diào)、推理提速，會像滾雪球一樣越滾越快，速度遠超任何一家公司的內(nèi)部迭代。

閉源產(chǎn)品真正的護城河從來不是技術(shù)壁壘，而是效果落差制造的心理門檻。門檻一旦被踏平，價格戰(zhàn)就在眼前了。

2026年4月的AI視頻行業(yè)，正處在一個很有意思的時間窗口。

Sora剛剛宣布關(guān)停。兩年前那個讓全世界屏住呼吸的視頻生成先驅(qū)，沒能走到商業(yè)化的終點就退場了。與此同時，字節(jié)的Seedance 2.0火得一塌糊涂，快手的可靈3.0在分鏡控制上越做越深，昆侖萬維的SkyReels V4把生成、補全、編輯塞進了同一個接口。格局看起來已經(jīng)很清晰了。

然后一匹帶著面具的快樂小馬沖了進來。

我想起了，1997年，IBM的深藍擊敗了國際象棋世界冠軍卡斯帕羅夫。當時所有人在討論的是：機器是不是比人聰明了？但真正改變棋壇的不是深藍這臺機器，而是它證明了一件事，機器可以贏。這個認知一旦建立，后面的一切只是時間問題。

HappyHorse之于AI視頻，也許就是這樣一個時刻。

它不需要在每個維度上都壓過Seedance。它只需要讓人們看到：一個開源模型，可以在普通人的眼睛里，和最好的商業(yè)產(chǎn)品不相上下。

這個認知一旦成立，游戲規(guī)則就變了。

如果你有任何看法，歡迎在評論區(qū)一起討論

如果有一點收獲，可以點贊、轉(zhuǎn)發(fā)、推薦文章，關(guān)注「AI機器人茶館」