阿里 HappyHorse 1.0 来了：15B 参数开源视频模型登顶权威榜单

核心要点

模型：HappyHorse 1.0，15B 参数开源视频生成模型
发布：2026年4月27日，fal 云正式上线 API
归属：阿里巴巴淘天集团 Future Life Lab（Token Hub 事业部）
Leader：张笛，前快手副总裁、Kling AI 技术负责人，2025年底回归阿里
排名：Artificial Analysis Video Arena 盲测第一（文本生视频 1333 Elo，图生视频 1392 Elo）
特点：文/图/参考视频/视频编辑四种模式，7语种唇音同步，音画联合生成

一、发布即登顶

4月27日，fal 云宣布面向开发者和企业开放 HappyHorse 1.0 的 API 访问。这是阿里淘天集团 Future Life Lab（隶属 Token Hub 事业部）发布的开源视频生成模型，上榜第一天即登顶 Artificial Analysis 视频Arena 盲测排行榜。

Artificial Analysis 的评测方式完全盲测：用户同时观看两个未知来源的视频片段并选择更好者，系统根据大量投票计算 Elo 分数。HappyHorse 1.0 在文本生视频（Text-to-Video）拿到 1333 Elo，图生视频（Image-to-Video）拿到 1392 Elo，双项均压过 Seedance 2.0、SkyReels V4、PixVerse V6 和 Kling 3.0 等所有竞品。

模型	T2V Elo	I2V Elo
HappyHorse 1.0	1333	1392
Seedance 2.0	1273	—
SkyReels V4	1245	—
PixVerse V6	1241	—
Kling 3.0	1241	—

二、技术架构

HappyHorse 1.0 的核心是一套40层统一自注意力 Transformer，在业内首次实现视频和音频的同 Pass 联合生成：

统一多模态架构：文本、视频画面、音频 token 在单一序列中处理，无需跨注意力模块，也无需单独的音频后处理流程
DMD-2 蒸馏：将去噪步数从 50+ 压缩到仅 8 步，无需 Classifier-Free Guidance，配合自研 MagiCompiler 推理加速 runtime
生成速度：单卡 NVIDIA H100 上，1080p 视频约 38 秒生成（FP8 量化后可单卡部署）
分辨率：最高 1080p 输出，支持 16:9、9:16、4:3、3:4、21:9、1:1 等多种比例

三、核心亮点：音画一体 + 7语种唇音同步

传统视频模型只能生成静音画面，音频需要单独配音。HappyHorse 1.0 在业内首次做到：

在同一模型 forward pass 中，同步输出画面、对话、环境音、Foley 音效，且天然唇音同步。

支持 7 种语言：英语、普通话、粤语、日语、韩语、德语、法语，Word Error Rate（WER）极低，适用于数字人、跨境电商、教育内容等场景。

配合镜头语言指令（slow dolly push-in、overhead crane shot、breeze vs strong wind 等）也能较好还原，是目前对导演级提示词理解最精准的开源视频模型。

四、API 现状：已上线，权重待开源

目前 HappyHorse 1.0 已在 fal 云正式提供 API，分为 4 个端点：

端点	说明
`text-to-video`	文本生视频
`image-to-video`	图片生视频
`reference-to-video`	参考图+文本生视频
`video-edit`	视频编辑

支持 720p / 1080p 输出，定价分为三档：

套餐	额度	价格
Basic	540 credits/月（≈54个视频）	$11.90/月
Pro	2040 credits/月（≈204个视频）	$39.90/月
Enterprise	6000 credits/月 + 专属客户经理	$99.99/月