文 | AIX財經(jīng) 陳丹
編輯 | 魏佳
一匹匿名黑馬，成為了AI視頻圈最熱的話題。
近日，Artificial Analysis的視頻競技場排行榜更新。一個從未出現(xiàn)過的名字——HappyHorse-1.0，同時出現(xiàn)在四個子榜單的前兩位：截至4月9日中午，文生視頻（無音頻）賽道Elo1378分，領(lǐng)先第二名Seedance2.0整整105分；圖生視頻（無音頻）賽道Elo1411分，刷新全平臺歷史最高紀(jì)錄。在帶音頻的賽道上，它以1分和2分的微弱優(yōu)勢與Seedance 2.0并駕齊驅(qū)。
圖源 / Artificial Analysis
沒有發(fā)布會，沒有任何公司背書，這匹黑馬在短時間內(nèi)完成了從零到雙榜第一的跨越，將此前穩(wěn)坐榜首數(shù)月的字節(jié)跳動Seedance2.0拉下了王座。在它的模型名稱旁邊，只有四個字：“即將推出”。這匹馬，還沒有真正跑起來。
這匹“快樂馬”究竟是什么來頭？它的第一有多少含金量？更重要的是，它會對行業(yè)帶來什么？
01 HappyHorse的第一，含金量如何？
要理解HappyHorse的真實水平，需先拆解它在Artificial Analysis（以下簡稱“AA”）不同榜單上的得分情況。
AA視頻競技場設(shè)四大核心賽道：文生視頻（無音頻）、圖生視頻（無音頻）、文生視頻（帶音頻）、圖生視頻（帶音頻）。截至4月9日的最新數(shù)據(jù)，在純畫質(zhì)維度，HappyHorse已經(jīng)建立統(tǒng)治地位；但一旦進入音畫融合，它的領(lǐng)先優(yōu)勢并沒有那么明顯。
在文生視頻（無聲）賽道，HappyHorse斬獲1378分，領(lǐng)先第二名字節(jié)跳動Seedance2.0 105 分。在Elo體系中，超過百分的差距意味著用戶在盲測中幾乎呈現(xiàn)“一邊倒”的偏好。而在圖生視頻（無聲）賽道，它跑出的1411分更是刷新了平臺歷史記錄。對于追求極致運鏡與畫面質(zhì)感的創(chuàng)作者而言，這匹馬目前就是行業(yè)天花板。
然而，一旦加入音頻維度，戰(zhàn)局瞬間反轉(zhuǎn)。HappyHorse與Seedance2.0的分差收縮至1-2分，幾乎可以忽略不計。這也說明，在音畫同步、音頻質(zhì)量及語義對齊層面，HappyHorse并未實現(xiàn)大幅超越，雙方仍處于同一技術(shù)水平線。
結(jié)合社交媒體上的技術(shù)拆解與用戶反饋，HappyHorse的優(yōu)勢大致可以歸結(jié)為兩個方向。
其一是架構(gòu)層面的統(tǒng)一建模路徑：多個信源指出，它采用約150億參數(shù)規(guī)模的純自注意力單流Transformer，將文本、視頻與音頻token放入同一序列進行聯(lián)合建模，這種方式區(qū)別于常見的“視頻生成+音頻后處理”的拼接方案，使聲音與畫面在生成之初就處于同一語義空間，從而在口播與人物場景中呈現(xiàn)出更自然的同步效果。
其二是對人像場景的針對性優(yōu)化：根據(jù)公開信息，多位參與AA盲測的用戶反饋，其人物面部紋理更加細(xì)膩、鏡頭切換更為流暢，在復(fù)雜提示詞下的人物一致性表現(xiàn)也更穩(wěn)定，一位用戶在連續(xù)對比Pyramid-Flow、Veo 3.1 Lite與PixVerse V6后甚至表示“只要出現(xiàn)HappyHorse基本都會選它”。
而這一主觀體驗恰好與Elo高分形成呼應(yīng)。在AA的評測樣本中，人像與口播類內(nèi)容占比超過60%，使得這一局部優(yōu)勢被持續(xù)放大，并最終體現(xiàn)在整體排名上。
但高分并不意味著全能，社交媒體上的批評聲同樣不少。
不少用戶指出，已經(jīng)發(fā)布的視頻中水體抖動細(xì)節(jié)不自然、快速運動中的條紋物體崩壞以及在大屏顯示下的畫質(zhì)劣化等問題。這些缺陷在無音頻賽道的高分掩蓋下往往被忽略，但在影視級應(yīng)用中卻是致命傷。一位AIGC導(dǎo)演告訴「AIX財經(jīng)」，從流出的片段看，它的感官很接近Seedance2.0，真實度不錯，但劇烈運動時的“AI感”依然濃重。
X用戶daniel.dmai更是直言不諱：“別把排名太當(dāng)回事。當(dāng)HappyHorse碰到的都是些舊模型時，大家自然會選那個看起來更順眼的。它跟 Seedance2.0比還差得遠(yuǎn)?！?/p>
這種分歧，正好指向Elo盲測機制的優(yōu)勢與局限。
在AA評測中，用戶先提交提示詞或參考圖像，系統(tǒng)調(diào)用兩個模型生成結(jié)果并進行匿名展示，用戶在不知模型來源的情況下進行選擇，所有投票被納入類似國際象棋排名的Elo系統(tǒng)，根據(jù)勝負(fù)關(guān)系動態(tài)調(diào)整分?jǐn)?shù)，從而得到最終排名。
作為AI視頻領(lǐng)域最具公信力的評測體系之一，Artificial Analysis的權(quán)威性正是來自于這套能夠捕捉用戶真實偏好的游戲規(guī)則。HappyHorse的高分是超過9000次真實用戶盲選結(jié)果，比任何實驗室跑出來的技術(shù)指標(biāo)都更接近真實用戶感受。
但其局限同樣明確。首先，樣本分布并非均衡，人像與口播類內(nèi)容占比過高，使得在該場景中表現(xiàn)突出的模型更容易獲得高分。另外，“刷榜”風(fēng)險同樣存在。有研究指出，Elo評分系統(tǒng)在特定情況下，可能通過數(shù)學(xué)變換掩蓋底層數(shù)據(jù)的不確定性，從而影響評分。
因此，榜單高分不等于實際應(yīng)用中的完美表現(xiàn)。在實際項目中，高分辨率下細(xì)節(jié)的穩(wěn)定性、長時間視頻的連貫性等，都是榜單盲測難以覆蓋的。
更需要強調(diào)的是，目前除了官方榜單與有限的外部樣本外，HappyHorse尚未經(jīng)過充分的第三方使用與驗證。這匹“匿名快馬”的真實速度與能力，需等模型真正披露后才會揭曉。
02 這匹馬來自哪里？
隨著HappyHorse霸榜，尋找這匹馬的“主人”成了本周AI圈最熱鬧的猜謎游戲。
目前流傳最廣的線索，主要來自兩個方向。
第一條線索來自技術(shù)側(cè)的逐項對比。
有開發(fā)者將HappyHorse在榜單中的公開基準(zhǔn)表現(xiàn)，與已知模型逐項對比，試圖通過“能力特征”反推其來源。X用戶Vigo Zhao的比對結(jié)果指向一個高度重合的對象——daVinci-MagiHuman。視覺質(zhì)量4.80、文本對齊4.18、物理一致性4.52、語音字錯率14.60%，四項核心指標(biāo)幾乎一一對應(yīng)。與此同時，兩者在官網(wǎng)架構(gòu)描述、演示視頻風(fēng)格上的相似性，也讓這一猜測進一步增強。
公開信息顯示，daVinci-MagiHuman由上海創(chuàng)智學(xué)院（SII）生成式人工智能研究實驗室（GAIR）與AI初創(chuàng)公司Sand.ai聯(lián)合研發(fā)，已于今年3月在GitHub開源。如果這一鏈條成立，那么HappyHorse并非“橫空出世”，而是一次技術(shù)復(fù)用。
相比于技術(shù)比對，第二條線索更具戲劇性，它指向了一個名字——張迪。
多個信源將HappyHorse與張迪聯(lián)系在一起。公開信息顯示，張迪在2010年畢業(yè)于上海交大后加入阿里，在阿里媽媽體系內(nèi)長期負(fù)責(zé)大數(shù)據(jù)與機器學(xué)習(xí)架構(gòu)。2020年，他轉(zhuǎn)投快手，擔(dān)任技術(shù)副總裁，主導(dǎo)搭建可靈大模型體系，并推出可靈1.0 / 2.0視頻生成模型，被業(yè)內(nèi)稱為“可靈之父”。2025年短暫加入B站后，又在同年回歸阿里，出任淘天集團未來生活實驗室負(fù)責(zé)人。
如果傳聞屬實，時間線在這里變得耐人尋味。張迪回歸阿里約5個月后，HappyHorse登頂，這意味著一支剛剛重組的團隊，在半年內(nèi)就用一款更輕量、更高效的模型實現(xiàn)了對行業(yè)頭部的“反殺”。這是技術(shù)能力的體現(xiàn)，也意味著人才流動正在重新塑造競爭格局。
「AIX財經(jīng)」向阿里相關(guān)人員求證，對方回復(fù)“這個事情我們不太了解”。但資本市場已先行一步。消息發(fā)酵當(dāng)天，阿里巴巴港股一度上漲超過 7%。
不過，無論最終身份指向Sand.ai、阿里，還是其他團隊，HappyHorse的出場方式本身，或許比“它是誰”更重要。
從命名到發(fā)布路徑，它都帶有明顯的“設(shè)計痕跡”。2026年是農(nóng)歷馬年，“HappyHorse”本身藏著馬年梗；官方支持語言中將普通話與粵語并列，也進一步強化了其出自亞洲團隊的可能性。更關(guān)鍵的是，它選擇的不是發(fā)布會，而是榜單，不是講故事，而是直接給結(jié)果。
這一策略并非孤例。今年2月，神秘模型Pony Alpha在OpenRouter平臺上線時，同樣沒有任何背景信息，卻迅速引發(fā)行業(yè)“猜爹”，最終被證實為智譜AI的GLM-5。路徑幾乎完全一致：匿名上線-榜單出圈-身份揭曉。
先盲測，再發(fā)布——正在成為一種可復(fù)制的行業(yè)打法。
把模型丟進第三方評測平臺，剝離品牌溢價，只拼性價比，讓用戶用鼠標(biāo)投票。如果跑出好成績，自然引發(fā)行業(yè)關(guān)注和媒體報道。
這種策略特別適合資源有限但技術(shù)尖端的亞洲團隊。不用砸錢做營銷，只需要一個足夠好的模型和一個足夠公信的評測平臺。HappyHorse的參數(shù)規(guī)模約150億，并不算當(dāng)前視頻模型中的“巨無霸”，Seedance2.0的體量普遍被認(rèn)為更大，但它通過架構(gòu)設(shè)計與評測場景的精準(zhǔn)匹配，實現(xiàn)了“以小博大”的效果。
但這種策略也有短板。
匿名發(fā)布，本質(zhì)上是一種“預(yù)期管理套利”。當(dāng)用戶不知道模型來自哪里時，評價標(biāo)準(zhǔn)被壓縮到最單一的維度——好不好用。一旦身份揭曉、產(chǎn)品開放，用戶的判斷會迅速疊加品牌、穩(wěn)定性、成本與可控性等因素，預(yù)期也會隨之抬升。如果實際體驗無法支撐這種預(yù)期，熱度往往會迅速回落。
Pony Alpha在身份確認(rèn)后的關(guān)注度明顯低于匿名階段，正是一個典型例子。因此，與其說HappyHorse的懸念在于“它是誰”，不如說在于當(dāng)這匹馬真正亮相之后，它還能不能跑出現(xiàn)在這樣的速度。
03 “快樂馬”讓誰不快樂？
如果把時間線拉長，AI視頻賽道正處于一場劇烈的重構(gòu)之中。
2026年初，字節(jié)跳動的Seedance2.0爆火出圈，接過了“行業(yè)標(biāo)桿”的接力棒。而曾經(jīng)的領(lǐng)跑者OpenAI卻在3月突然按下停止鍵——Sora全面關(guān)停。這款曾被視為“視頻生成GPT時刻”的產(chǎn)品，最終倒在了經(jīng)濟賬面前：日均1500萬美元的推理成本，對比生命周期內(nèi)僅約210萬美元的總收入，這種嚴(yán)重的“成本-收益”倒掛，讓先行者最終成了先烈。
Sora退場留下的真空，迅速被字節(jié)與快手填補。Seedance2.0承接了技術(shù)天花板的預(yù)期；可靈則以超6000萬用戶和正向毛利率的商業(yè)化實績，穩(wěn)扎穩(wěn)打地推進變現(xiàn)。兩者共同點很明顯，均為閉源模型，均在積極商業(yè)化，均在用真金白銀驗證AI視頻的商業(yè)模式是否成立。
直到HappyHorse突然出現(xiàn)。它帶來的沖擊，不只是性能上“更強一點”。
對于開發(fā)者而言，HappyHorse的開源基因意味著游戲規(guī)則的重寫。一旦模型權(quán)重與推理代碼全量披露，用戶可以繞過高昂的API付費體系，轉(zhuǎn)向自部署與深度定制。它挑戰(zhàn)的就不再是某一款產(chǎn)品，而是整個閉源商業(yè)模式的底層邏輯。
換句話說，它動的是規(guī)則，而不僅僅是排名。
150億的參數(shù)規(guī)模，意味著相對更低的推理門檻。一旦支持私有化部署，對于高頻使用視頻生成的工作室和營銷團隊而言，邊際成本將隨使用量增加而持續(xù)攤薄。
雖然HappyHorse尚未公測亦未公布定價，但業(yè)內(nèi)已出現(xiàn)強烈預(yù)期，不少討論認(rèn)為其費用或僅為Seedance的一半。這種價格預(yù)期背后，折射出專業(yè)創(chuàng)作群體對現(xiàn)有閉源模型高成本壓力的集體焦慮。
當(dāng)然，這一切的前提是——開源真正落地。
除了開源之外，對于HappyHorse而言，真正問題在于上線后能不能贏下市場。
即夢與可靈的壁壘，除了技術(shù)本身，還有與業(yè)務(wù)場景的深度融合。在電商直播、廣告投放、內(nèi)容分發(fā)等場景中，視頻生成能力只是插件，流量分配權(quán)與業(yè)務(wù)流閉環(huán)才是真正的護城河。HappyHorse可以贏在盲測的第一眼驚艷里，但要進入真實生產(chǎn)流，還有更長的路要走。
與此同時，更殘酷的現(xiàn)實是，技術(shù)領(lǐng)先的“保質(zhì)期”正在急劇縮短。
從去年9月至今，可靈2.5Turbo、Seedance2.0、SkyReelsV4等模型輪流登頂，幾乎每月一次“新王登基”。好耶科技創(chuàng)始人吳杰茜曾對「AIX財經(jīng)」表示，視頻大模型的競爭是一場永不停歇的燒錢長跑。一旦投入強度稍有松懈，或迭代速度慢于對手，用戶會毫不猶豫地倒向更新、更強的模型。“贏家通吃”的法則，迫使廠商持續(xù)加碼，稍有松懈即被淘汰。
HappyHorse的出現(xiàn)，短期內(nèi)讓享受Sora退場紅利的頭部廠商感受到了切實壓力。長期來看，它向整個行業(yè)拋出了一組更本質(zhì)的拷問：開源與閉源，哪種路徑能跑通長效盈利？在迭代周期以月為單位的賽道里，真正的護城河究竟是模型本身，還是那張看不見的商業(yè)分發(fā)網(wǎng)絡(luò)？
Sora的失敗證明了一件事，技術(shù)領(lǐng)先不能替代商業(yè)閉環(huán)。而HappyHorse的出現(xiàn)提醒了另一件事：在開源浪潮面前，閉源模型的定價權(quán)與壁壘，或許比想象中更加脆弱。