Full text · 原文
1,748 字
听雨 发自 凹非寺<br>
量子位 | 公众号 QbitAI<br>
一个神秘模型——HappyHorse-1.0悄然登顶Artificial Analysis的AI Video Arena排行榜，力压Seedance和可灵。<br>
从昨天开始，它在文本转视频（无音频）赛道便登顶第一。根据当前实时数据，其Elo分数已达到1375，直接甩开第二名Seedance 2.0大概100分左右。<br>
这个分差相当夸张，简直是断层式碾压。要知道，从第二名的Seedance 2.0到第十名，相差也不过50分左右。<br>
在图像转视频（无音频）赛道，它更是跑出了1409的恐怖高分，刷新了该榜单的历史纪录。<br>
而在有音频赛道，目前HappyHorse-1.0也已经拿下全球第一的成绩，超越Seedance 2.0。<br>
多方消息称，HappyHorse-1.0出自阿里旗下张迪领衔的淘天集团未来生活实验室。<br>
屠榜视频Arena<br>
Artificial Analysis的Video Arena的排名机制，是数千名真实用户在完全不知情的情况下，对两段生成结果进行盲测对比得出的Elo体系。<br>
也就是说，多数用户在不知道视频由哪家模型生成的情况下，选择了HappyHorse-1.0。<br>
我也迫不及待地上手试了一下，在连续几次盲测都选中「欢乐马」之后，我开始感觉它的实力真的不容小觑。<br>
先看第一个案例：<br>
对比两个视频，可以明显看出右边的生成效果更具真实感，细节也更加丰富。无论是整体色调还是镜头的设置，都很像一个电影开场。<br>
而左边的嘛……虽然提示词要求“血红色的天空背景”，但这天空未免也太红了，有点过于夸张。<br>
选择之后答案揭晓：右边是「欢乐马」，左边是Pyramid-Flow。<br>
再来看看这个：<br>
很显然，右边的画面更加自然，特写-近景-远景的镜头切换也很流畅，完全还原了提示词要求的“长枪短炮”的新闻发布会场面。<br>
相比之下，左边的效果一开场就显得有些怪异，主人公站的位置不太合理，也没有营造出足够热烈的现场氛围。<br>
答案揭晓——右边是「欢乐马」，左边则是Veo 3.1 Lite。<br>
接下来是第三个案例：<br>
可能因为输入了提示图片，这两个模型的生成效果乍一看差不多。<br>
但我还是选择了右边。原因是左边的镜头拉近速度有点太快了，不太符合现场专注工作的安静氛围。<br>
并且右边的镜头拉近之后，会发现人物脸上的纹理被还原得更好，更具真实感；而左边人物则显得面部太光滑了。<br>
投票之后，答案又揭晓了：右边还是这匹「欢乐马」，左边则是PixVerse V6。<br>
盲测了十几个案例之后，但凡出现「欢乐马」的，我大部分都选中了，只有少数几个案例我没有选择「欢乐马」而选了其他模型。<br>
这实力可想而知，也难怪空降屠榜了。<br>
根据目前已知消息，Happy Horse-1.0采用40层单流Transformer架构，原生支持音视频同步生成，仅需8步去噪即可输出1080P视频。<br>
在H100显卡上生成5秒片段仅需38秒，推理速度较传统模型大幅提升。其技术突破包括多模态统一建模、无CFG引导生成等。<br>
原生支持中文（包括粤语）、英语、日语、韩语、德语、法语。<br>
更重要的是，据说完全开源——基础模型+蒸馏模型+超分+推理代码，都会开源出来。<br>
或出自阿里淘天<br>
关于Happy Horse-1.0背后是哪家公司，目前猜测主要集中在国内。<br>
而在众多选项中，呼声最高的是阿里淘天未来生活实验室，由前快手Kling一号位张迪领导。<br>
张迪，上海交通大学本硕毕业，职级P11，直接向淘天集团首席科学家兼阿里妈妈CTO郑波汇报。<br>
他于2010年毕业后便加入阿里，担任资深技术专家，负责阿里妈妈大数据与机器学习工程架构。<br>
2020年，他曾转战快手，历任技术副总裁、大模型与多媒体技术团队负责人。在快手，他牵头了可灵大模型的底层架构研发与应用落地，成功推出了可灵1.0/2.0视频生成模型。<br>
2025年9月初，张迪加入哔哩哔哩，出任技术条线负责人。<br>
2025年11月，张迪离开哔哩哔哩，重返阿里，担任淘天集团未来生活实验室负责人。<br>
目前，Happy Horse-1.0还处于无官网（目前出现的几个官网都被打假了）、无技术报告、无代码库的状态。<br>
有消息称团队现在每晚都在加班加点，10号会正式发布，也是可以期待一下了。