HappyHorse 是谁家的，这个问题今天炸了全球AI圈

一匹马突然冲进来

没有发布会。没有技术博客。没有公司署名。

一款名为 HappyHorse-1.0 的文本转视频模型，悄然登顶权威 AI 评测平台 Artificial Analysis 的 AI Video Arena 排行榜，以更高的 Elo 分数压过了 Seedance 2.0，还将可灵、天工等一众主流玩家甩在了身后。

你知道这个榜有多难刷吗。

Artificial Analysis 的视频竞技场采用的是类似国际象棋等级分的 Elo 评分机制，用户在不知道模型身份的情况下，对两段视频进行盲测投票，胜者得分，败者失分。这种方式比单纯的技术指标更接近真实的人类审美偏好。

不是厂商自己跑分，不是 Demo 炫技，是真人盲测。你的视频好不好看，普通人说了算。

image

image

成绩单摆出来，有点吓人

HappyHorse-1.0 目前领跑 Artificial Analysis 文生视频无音频赛道，Elo 分数 1357，第二名 Seedance 2.0 是 1273。

差了整整 60 分。

2 到 5 名，Seedance 2.0、SkyReels V4、Kling 3.0 Pro、PixVerse V6，四个顶级模型挤在 1239 到 1273 之间，彼此差距最大不超过 34 分。而 HappyHorse 和整个集团之间的距离，是 60 分。

换句话说，字节、快手、爱诗这几家大厂的旗舰模型互相之间的差距加起来，还没它甩开第一梯队的距离大。

图生视频赛道同样第一。在图像转视频无音频赛道，它跑出了 1391-1406 分，刷新了该榜单的历史纪录。

有一个小细节要说清楚，加了音频之后情况有变化。加入音频维度，Seedance 2.0 反超 HappyHorse 拿到第一，差距是有音频文生视频赛道 14 分，图生视频有音频赛道仅差 1 分。 原生音频这块，字节目前还是更稳。

那它到底是谁家的

image

image

这才是今天 X 上最炸的部分。

没有任何人公开认领 HappyHorse-1.0。Artificial Analysis 在宣布将该模型加入竞技场时，用了 pseudonymous（匿名）这个词，意思是提交方没有附上可验证的团队或机构信息。

社区开始自己查。

X 上的猜测来得很快，最先被人注意到的是官网的语言排序，普通话和粤语排在英语前面。对于一个面向全球用户的产品，这个顺序有点反常，背后团队来自中国，基本可以确认。

有人猜这是阿里 Wan 2.7 的下一代。社区里的猜测炸开了，有人问是不是 Wan 2.7 的改版，有人问是不是字节 Seedance 团队的内部实验，还有人觉得是某个没公开过的亚洲实验室突然亮了一张底牌。

然后，有人开始逐条比对技术数据。

X 用户 Vigo Zhao 把 HappyHorse-1.0 的公开基准数据拿去和已知模型逐一核对，结果找到了一个高度吻合的对象，daVinci-MagiHuman，也就是 3 月上线 GitHub 的开源模型，达芬奇魔法人类。视觉质量、文本对齐、物理一致性、语音字错率，两份数据逐项对得上，官网架构描述、性能表格、演示视频的呈现风格，都像是出自同一套模板。

巧合，解释不了这种程度的重合。

image

image

反转来了，真正的主角浮出水面

就在它登顶之后，X、Reddit 和微信公众号上几乎同时解出了谜底，HappyHorse-1.0 背后的团队，是张迪领衔的淘天集团未来生活实验室。

张迪是谁。

前快手副总裁，可灵 AI 技术负责人。2025 年底他加入了阿里淘天集团，主导未来生活实验室，这是阿里电商核心算法团队的 AI 攻坚阵地，专注大模型和多模态前沿技术，成立仅一年有余，已在国际顶会发表十余篇论文。

可灵的核心技术负责人，跑去阿里搞了个实验室，悄悄做了这个东西，然后用匿名身份丢到评测榜上，直接炸了。

但这里还有另一条线。目前技术圈认可度最高的结论是，HappyHorse 是 daVinci-MagiHuman 联合开发方之一的 Sand.ai，基于开源模型优化的迭代版本，核心目的是验证模型在用户真实偏好下的表现上限，为后续商业化落地做铺垫。

daVinci-MagiHuman 在 2026 年 3 月 23 日正式开源，是两支年轻团队合作的产物，一支来自上海创智学院生成式人工智能研究实验室，带头人是学者刘鹏飞，另一支是北京的 Sand.ai，创始人曹越同样有学术背景，公司方向是自回归世界模型。

所以现在圈子里有两个版本在流传，阿里淘天张迪团队，或者 Sand.ai 基于开源达芬奇魔法人类的进化版。两个都未经官方证实，但都有一定程度的技术证据支撑。

image

image

它的技术到底牛在哪

不管背后是谁，技术层面的事情倒是能说清楚一些。

HappyHorse-1.0 是 150 亿参数、40 层单流自注意力 Transformer 架构，把文本、视频、音频 token 全部放进同一个统一序列进行联合建模，这是开源社区第一次真正从零开始实现了音视频的端到端联合预训练。

传统模型是多流架构，各有各的编码器，靠 Cross-Attention 互相沟通，参数冗余，推理时要来回搬运。HappyHorse 1.0 把这一切压进了单一 pipeline，一个 40 层自注意力 Transformer，文本、视频、音频 token 同时处理，所有模态编码进同一个 token 序列，直接在相同的注意力空间里建模。

速度方面，官网标注的推理速度大约是 256p 分辨率 5 秒视频需要 2 秒，1080p 在 H100 上需要约 38 秒，但这些是自报数字，没有第三方独立验证。

还有一个现实问题没法绕开。它跑起来需要 H100，普通消费级显卡基本没戏，虽然社区在研究量化方案，但短期内个人用户想本地部署还有难度。

另外，它目前主要擅长单一人物，一旦多人出镜或者场景变复杂，效果就会掉下来，这和它专注人像的设计取向有直接关系，生成时长一般也就 10 秒上下，再长容易乱，高清输出还得靠超分插件补。

image

image

还有一个悬念没解

官网 happyhorse-ai.com 上写着，基础模型、蒸馏模型、超分辨率模型和推理代码全部已开放，一切都是开源的。但截至 2026 年 4 月 8 日，GitHub 链接和模型仓库链接全部显示 coming soon，指向空白。

说全部开源，但模型根本下载不了。

没有可下载的权重，没有任何人能在模型创建者之外独立验证参数量、架构细节或硬件需求。

这种，突然出现，屠榜，然后悄悄下架，的节奏，通常意味着两件事，要么实验室在做匿名 A/B 测试，要么背后公司还在准备正式发布，因为流量意外爆发被迫提前撤回了。

image

image

这件事真正意味着什么

更大的震撼在于，它是完全开源的，却第一次在真实用户感知层面，正面硬刚了顶级闭源模型。多家媒体评论说，开源和闭源之间那道看得见的性能鸿沟，这次被彻底砸穿了。

字节花了多少资源训 Seedance，可灵背后是整个快手的数据闭环，结果一个没有公司背书的匿名模型，盲测里把他们全压住了。

这件事更值得关注的，不是 HappyHorse 到底是谁家的，而是，如果一个小团队或者实验室，用开源路线，能在两周内做出比大厂旗舰更高用户偏好的东西，那接下来这个赛道的竞争逻辑，可能要重写。

当然，还有几个问题等着被回答。

开源权重什么时候真的放出来。

背后的团队最终会不会站出来认领。

以及，下一个匿名黑马，会在哪里冒出来。