推翻字节Seedance2.0王朝!HappyHorse是谁?
今年4月初,名为HappyHorse-1.0的模型未做预热便登上了全球权威AI视频评测平台Artificial Analysis的榜首。该平台采用类国际象棋等级分的Elo评分机制,通过用户盲测投票决定排名,这种机制比单纯技术指标更接近真实的人类审美偏好。榜单数据显示,在视频生成核心赛道,HappyHorse已实现对头部竞品的全面超越。
01榜单数据对比
| 排名 | 模型名称 | Elo评分 |
|---|---|---|
| 1 | HappyHorse-1.0 | 1337 |
| 2 | Seedance 2.0 | 1273 |
| 3 | SkyReels V4 | 1246 |
| 4 | Kling 3.0 Pro | 1241 |
| 5 | PixVerse V6 | 1238 |
文生视频(T2V)无音频赛道Top 5排名
在文生视频(T2V)无音频榜单中,排名第2至第5的Seedance 2.0、SkyReels V4、Kling 3.0 Pro和PixVerse V6评分集中在1239至1273之间,最大差距仅34分。这四个顶级模型实力处于同一水平线,而HappyHorse以1337分位居第一,将身后整个第一集团甩开60分。这一差距接近头部模型内部差距的两倍,显示出其在纯视觉质量维度的绝对统治力。在图生视频(I2V)无音频赛道,HappyHorse同样以1392分排名榜首,领先第二名的Seedance 2.0(1355分)37分。
不过在加入音频维度后,排名出现反转。Seedance 2.0凭借原生音频生成的优势,在T2V有音频榜上以1219分领先HappyHorse的1205分;在I2V有音频榜上,两者几乎打平,Seedance 2.0仅以1分优势险胜。这表明HappyHorse在纯视觉生成上具备压倒性优势,而Seedance 2.0在视听结合方面仍保有护城河。
02技术架构与策略
HappyHorse的身世至今成谜,官网仅简练介绍其为极速、以人为核心、完全开源的最新视频生成模型。技术层面,其设计思路极为极简激进,采用单一自注意力Transformer替代多流架构。通过40层Transformer同时处理文本、视频、音频,全程使用自注意力,无需交叉注意力。推理过程只需8步去噪,无需CFG,并通过全图融合编译实现约1.2倍端到端加速。
- 统一序列去噪
文本token、参考图像潜变量、带噪声的视频和音频token在同一序列中联合去噪。 - 高效推理
仅需8步去噪,无需分类器自由指导(CFG)。 - 多语言原生支持
涵盖中文、英文、日文、韩文、德文、法文。 - 完全开源
开放基础模型、蒸馏模型、超分辨率模型和推理代码。
03竞争格局演变
开源 VS 闭源
开源激进派
全面开源模型权重与代码
纯视觉质量(T2V/I2V)第一
技术架构极简统一
身份神秘,社区猜测来自亚洲团队


闭源生态派
依托字节跳动系统能力
原生音频生成能力领先
拥有超40亿月活分发网络
发布三个月内建立强大影响力
HappyHorse的出现标志着AI视频赛道竞争进入新阶段。在盲测机制下,它跑赢了包括字节跳动、快手、阿里在内的所有大厂竞品。这种打法表明,即便是小团队,通过极致的技术优化和开源策略,也能借助社区力量快速扩大影响力,对拥有巨大资源优势的闭源巨头构成实质性挑战。
当前文章无评论,是时候发表评论了