HappyHorse 在 AI 影片盲測中匿名奪冠，阿里巴巴的淘天與 Sand.ai 受到審查

根據 1M AI News 的監測，上週一款名為 HappyHorse-1.0 的匿名模型在 AI 影像評估平台 Artificial Analysis 的「Video Arena」排名中奪得冠軍，在文字轉影像到影片（text-to-video）與影像轉影片（image-to-video）兩個類別（不包含音訊）都拿下第一名。這使得字節跳動（ByteDance）的 Seedance 2.0 下滑至第二名。

在音訊類別中，Seedance 2.0 仍以些微優勢領先。目前並沒有召開記者會、沒有技術部落格、也沒有公司歸屬說明，且截至目前尚未有人公開認領。

Video Arena 排名係基於 Elo 盲測系統：使用者在不知道模型身分的情況下，對兩個生成選項中自己較偏好的影片進行投票。HappyHorse 上榜時間不長，樣本數約 3,500，少於 Seedance 2.0 的一半以上，因而造成較大的信心水準區間（±12-13 分）。

不過，在不含音訊的類別中（文字轉影片約 76 分、影像轉影片約 48 分），其領先幅度遠超誤差範圍。根據官方網站上的語言排序（中文與粵語列在英文之前）以及「HappyHorse」提及其 2026 年為「馬年」，業界內部人士推測該模型出自中國團隊。

目前有兩種主流說法：1. 多家業界媒體指出，該模型來自阿里巴巴（Alibaba）的 Taotian Group「Future Life Lab」，負責人是張迪（Zhang Di）。他此前曾擔任快手（Kuaishou）的技術副總裁，並將自 2024 年起領導 Keling AI 的開發，計畫於 2025 年 4 月推出 Keling 2.0 Master Edition。同年 11 月，他將回到阿里巴巴。 2. 使用者 Vigo Zhao 進行了詳細比對，並發現 HappyHorse 完全符合多項 daVinci-MagiHuman 的基準指標；而 daVinci-MagiHuman 由 AI 影片初創 Sand.ai 在今年 3 月開源。官方網站的結構也高度相似。Sand.ai 由 Swin Transformer 的第一作者 Cao Yue 創辦，業界將其稱為「AI 影片領域的 DeepSeek」。HappyHorse 的官方網站顯示，該模型具備 150 億參數、包含 40 層自注意力（self-attention）Transformer，使用 Transfusion 架構（在同一個模型內統一文字自回歸預測與影片音訊擴散生成），採用 8-step 推理；可輸出具同步音訊的 1080p 影片，並支援七種語言的口型同步（lip-sync）：中文、英文、日本語、韓文、德文、法文與粵語。該模型完全開源，並允許商業使用。