HappyHorse 在 AI Video Blind Test 中匿名夺冠，阿里巴巴的淘天和 Sand.ai 受到了审查

据 1M AI News 的监测，名为 HappyHorse-1.0 的匿名模型上周在 AI 视频评测平台 Artificial Analysis 的 Video Arena 排名中登顶，在文本到视频和图像到视频两个类别（不含音频）中均获得第一名。此举使字节跳动的 Seedance 2.0 跌至第二名。在音频类别中，Seedance 2.0 仍以微弱优势领先。尚未举行新闻发布会、没有技术博客、也没有公司归属信息，而且目前还没有人公开认领。Video Arena 排名基于 Elo 盲测系统：用户在不知道模型身份的情况下，在两段生成选项中投票选择自己更偏好的视频。HappyHorse 上榜时间不长，样本量约为 3,500，少于 Seedance 2.0 的一半，因此置信区间较宽（±12-13 分）。不过，在无音频类别中的领先幅度（文本到视频约 76 分、图像到视频约 48 分）远超误差范围。基于官网上的语言顺序（在英语之前列出了中文和粤语）以及 “HappyHorse” 参考了 2026 年的马年，业界人士推测该模型来自一家中国团队。

目前有两种主流说法：1）多家行业媒体声称，该模型来自阿里巴巴淘天集团的未来生活实验室 Future Life Lab，由张迪带领。张迪此前曾担任快手科技技术副总裁，并将于 2024 年起负责 Keling AI 的开发，计划于 2025 年 4 月发布 Keling 2.0 Master Edition。同年 11 月，他将回到阿里。2）用户 Vigo Zhao 做了细致对比，发现 HappyHorse 完全匹配多个 daVinci-MagiHuman 的基准指标；daVinci-MagiHuman 于今年 3 月由 AI 视频初创公司 Sand.ai 开源发布，而官网结构也高度相似。Sand.ai 由 Swin Transformer 的第一作者 Cao Yue 创立，在业界被称为 “AI 视频领域的 DeepSeek”。HappyHorse 的官方网站显示，该模型有 150 亿参数、40 层自注意力变换器，采用 Transfusion 架构（在同一模型内统一文本自回归预测与视频音频扩散生成），推理为 8 步，输出带同步音频的 1080p 视频，并支持七种语言的口型同步：中文、English、Japanese、Korean、German、French 和 Cantonese。它完全开源，并允许商业使用。