Hi，大家好！我是蜡笔，你的AI入门学习指南💡
HappyHorse是阿里ATH创新事业部正在内测中的产品；于4.10日在微博发布确认；因在全球盲测中屠榜第一而闻名，上线前就已经在全球盲测里干掉了Seedance2.0和Kling。
不过我深挖下信息，发现一切皆有可能的。
特意去搜集下：ATH创新事业部背景，张迪其人，有着"可灵之父"的履历，上海交通大学计算机硕士，2010年加入阿里做广告算法，后来跳到快手，2023年开始主导大模型和视觉生成，可灵AI就是他带出来的。
2025年8月，快手内部调整，张迪卸任离开。然后他去了B站。待了一个多月，又走了。
2025年11月，他回到阿里，进了淘天集团「未来生活实验室」，直接向淘天技术总裁汇报。
一个做出可灵的人，带着可灵的经验，重新做一个视频模型；这并非籍籍无名之人，这种积累不是从零开始，而是有优秀视觉模型经验的积累。这也是为什么HappyHorse一出来就能屠榜吧。
分享一个倒放老师测评合集，已征得本人授权。
很可惜上述对比，没有抽到seedance2.0的对比，因为是随机的。
根据现有的内容分析，HappyHorse解决了一个很多人都会遇到的难题，用AI生成视频，加了配音，嘴型对不上。HappyHorse换了新思路：视频和音频同时生成。技术上叫单流Transformer架构，40层，约150亿参数，一次推理同步输出视频和音频。结果就是：口型对得上，环境音自然，音效跟画面是一体的，不需要额外处理。
一个简单的类比：其他模型像先拍画面再后期配音，HappyHorse像拍电影时现场同期收音。还有一个优点： 它用了DMD-2蒸馏技术，只需8步去噪，生成速度比普通扩散模型快不少，按目前测评反馈，约38秒生成一段视频。
不过目前最火的seedance2.0其实也做到了画面音效统一的效果，Seedance 2.0 用的是 双分支架构 视频和音频各走一条分支，两条分支通过"跨模态注意力桥接模块"实时联动。简单说：两个人一起干活，随时互相对齐，视觉流管画面，音频流管声音，底层训练时就绑在一起了。
Artificial Analysis是一个独立的AI模型评测平台，视频生成榜单叫Video Arena：用的是盲测机制：把不同模型生成的视频混在一起，让用户在不知道是哪个模型的情况下投票选更好的，最后用Elo积分排名。这种方式相对客观，因为用户没有品牌偏见。
附上地址：
https://artificialanalysis.ai
HappyHorse在这个榜单的文生视频（T2V）和图生视频（I2V）两个赛道同时登顶，超过了Seedance 2.0和Kling 3.0。
但有个事大家不要误解：盲测第一≠全场景最强。
根据已知信息，首先两个模型在可实现的多模态程度都不一样，而且Elo积分反映的是综合观感：画面好不好看、动作流不流畅、整体有没有电影感。它不能告诉你这个模型在你的具体使用场景里表现怎样。
HappyHorse是以匿名方式登上榜单的：先屠榜，再公布自己是谁。这种打法不排除是一种营销策略，但也说明团队很清楚自己产品的实力，也清楚怎么制造话题。
我猜，大家都希望HappyHorse给力一些，毕竟有些模型一家独大，一个月已经涨价好几回了，怨声载道，但又不得不用，因为确实目前最好。
结论：现在还不能用。
HappyHorse-1.0目前处于内测阶段，计划2026年4月30日开放API接入，看到lovart官方有发也会接入。
截止（4.12）为止，官方已经明确发出警告：目前网上流传的所有"HappyHorse官网"、"内测申请入口"、"内测码领取"链接，全部不是真实官方渠道。我自己都被骗了好几回
，所以这次好好做功课才分享出来。
在那之前，普通用户没有官方渠道可以使用，不排除发布前自媒体博主有内测渠道。如果哪位大佬有，求个内测机会（鞠躬）！
想尝鲜的，去Artificial Analysis盲测试试；也可以关注我，只要得到内测机会，我会第一时间分享。
HappyHorse这次最值得关注的，不是它屠了哪个榜，而是它选择的技术方向：音视频联合生成。
甚至还还有计划开源的传果方向在实际使用中真的稳定，接下来半年会有越来越多的模型跟进做同样的事。
HappyHorse不一定是终点，但它会是这个方向被认真对待的起点。
不过盲测第一是真的，架构创新是真的。但实际创作场景里稳不稳定、提示词好不好写、有没有奇怪的失控——这些只有上手用了才知道。
4月30日，我会第一时间去测，出亲测对比。 如果你也在等，关注我，一起看结果。如果能得到内测机会，会更早！！
既然看到这里了
THANKS FOR READING