阿里“歡樂馬”超越Seedance 2.0，誰能成為馬年真正的AI視頻之王？

四月的AI視頻生成賽道突然變得有趣起來。一個名叫HappyHorse的匿名模型，在沒有任何官方宣傳的情況下，悄然登頂Artificial Analysis的AI Video Arena排行榜，文生視頻和圖生視頻兩個無音頻類別均排名全球第一，直接超過了字節跳動的Seedance 2.0和快手的可靈。

而這個模型，現在基本可以確認出自阿里巴巴淘天集團。

1.音視頻同步生成，技術架構足夠純粹

HappyHorse 1.0的技術方案走了一條與眾不同的路。大多數開源視頻模型的處理流程是先生成無聲視頻，再用另一個模型配音，再找工具做口型對齊，工序多、誤差大。

HappyHorse用一個統一的Transformer同時處理視頻和音頻，一次推理直接輸出帶聲音的成片，口型、腳步聲、環境音都在同一個過程里生成，不需要后期拼接。

模型參數量150億，架構上是純自注意力Transformer，沒有交叉注意力，沒有獨立的音頻分支，把所有模態的token拼成同一個序列，讓模型自己學會跨模態對齊。

這種極簡設計在當下動輒數百億參數、各種復雜模塊堆疊的模型中，顯得相當克制。

速度方面也做了優化。采用DMD-2蒸餾技術把去噪步數壓縮到8步，再配合MagiCompiler編譯加速，單張H100上生成1080p視頻只需約38秒，256p預覽版本2秒左右就能出來。

模型還原生支持七種語言的唇形同步，包括英語、普通話、粵語、日語、韓語、德語和法語，這些語言的口型、語調和語音時序是和視頻一起聯合訓練出來的，不是后期貼上去的。

2.匿名登頂，來自“可靈之父”的回歸之作

這個神秘模型引發的最大討論就是它的身份。網友在X平臺上各種猜測，有人說是阿里萬相Wan 2.7的馬甲，有人指向快手。

最終，多方信息確認，HappyHorse 1.0由淘天集團未來生活實驗室團隊打造，項目由張迪領銜。

張迪這個名字在AI視頻圈并不陌生。他曾經是快手副總裁、可靈AI技術負責人，被業界稱為“可靈之父”。

2025年8月快手組織架構調整后，張迪不再擔任可靈AI事業部技術部負責人，9月初短暫加入嗶哩嗶哩，一個多月后離開，11月重返阿里巴巴，出任淘天集團未來生活實驗室負責人，直接向淘天集團首席科學家鄭波匯報 。

僅用了大約五個月，張迪就帶著團隊拿出了HappyHorse 1.0。從快手可靈到阿里歡樂馬，張迪的身份轉換本身就是一個有意思的變量。

一個人在同一個賽道先后服務兩家直接競爭的大廠，這種人才流動在AI行業已經不算罕見，但每次都會重新洗牌競爭格局。

3.榜單數據好看，但樣本量有差距

從Artificial Analysis的盲測數據來看，HappyHorse 1.0在文生視頻（無音頻）Elo跑分1386，圖生視頻（無音頻）Elo跑分1412，均領先Seedance 2.0。在有音頻的兩個榜單上，Seedance 2.0仍保持微弱領先。

不過需要留意的是，HappyHorse的對比評測樣本量約3500次，遠低于Seedance 2.0的約7500次，排名后續仍有波動的可能。

國聯民生證券的研報也提到，這是一款“畫面和場景很強、音頻也不錯，但復雜動作和分鏡控制還不如Seedance等玩家那么成熟”的高質量視頻模型。

這意味著歡樂馬在某些維度上確實領先，但在更精細的控制能力上還有追趕空間。

4.開源+匿名發布，中國AI的新打法

值得注意的不僅是模型本身的能力，還有它的發布方式。先以化名發布模型，靠產品性能在社區自然發酵，再擇機官宣，正在成為中國AI公司的新打法。

此前小米的“Hunter”模型也是類似路徑。這種匿名發布的好處是可以讓評測結果更客觀，規避品牌光環對用戶判斷的干擾。

更關鍵的是，HappyHorse 1.0宣布完全開源。從萬相Wan到通義千問Qwen，阿里的AI模型一直堅持開源路線，歡樂馬的加入進一步豐富了這一矩陣。

而字節跳動的Seedance 2.0、快手的可靈都是閉源模型，開源與閉源的路線分歧在這個賽道上越來越明顯。

開源能不能在商業化和社區生態上真正撼動閉源玩家，目前還沒有答案。但張迪帶著可靈的經驗回歸阿里，選擇了一條與老東家截然不同的技術路線，這本身就值得玩味。

5.競爭的終點在哪里

騰訊正在打磨“探夢DreamNow”AI內容平臺，混元3.0計劃4月發布，但視頻生成模塊的具體參數至今未披露，跨代升級能跳多遠，外界只能猜。

快手可靈已實現4K輸出和最長3分鐘視頻生成，字節Seedance 2.0在今年2月上線后引發創作者圈層震動，連《黑神話：悟空》制作人馮驥都給出了“地表最強”的評價。阿里此時帶著歡樂馬入場，三家大廠在AI視頻賽道上基本到齊了。

AI視頻生成的技術迭代斜率在顯著加快，但單段生成時長仍然受限，角色跨鏡頭一致性剛達到商業可探索門檻，復雜情感表演和物理交互還不成熟。

技術指標的突破速度再快，最終還是要回答一個更根本的問題，當所有大廠都能做出相似水平的視頻模型時，用戶會因為什么而選擇其中一家？是技術參數，是生態整合，還是使用成本？這個答案現在誰都給不出來。