Что такое HappyHorse-1.0? Загадочная AI-видеомодель №1

Привет, ребята. Это Дора. Я отслеживаю таблицу лидеров Artificial Analysis Video Arena почти каждую неделю — слепые голоса пользователей, рейтинги Эло, никаких самоотчётов от лабораторий. На прошлой неделе имя, которое я никогда прежде не видела, оказалось на вершине как в категории text-to-video, так и image-to-video. HappyHorse-1.0. Неизвестная команда. Никакого бренда. Ссылки на GitHub и HuggingFace с пометкой «coming soon».

Если вы оцениваете видеомодели перед интеграцией в пайплайн — и научились скептически относиться к хайпу вокруг таблиц лидеров — это разбор того, что подтверждено, что лишь заявлено, и что разрыв между этими двумя вещами означает для принятия решений прямо сейчас.

Как HappyHorse-1.0 появился на радарах

Artificial Analysis Video Arena: что это за таблица лидеров и почему она важна

Artificial Analysis ведёт видеоарену. Пользователи отправляют текстовый запрос или референсное изображение. Система генерирует результаты от двух моделей. Пользователи видят оба рядом, не зная, какая модель что сгенерировала, и выбирают предпочтительный вариант.

Эти голоса поступают в систему рейтинга Эло — та же математика, что используется в шахматных рейтингах. Рейтинг модели растёт, когда пользователи выбирают её, и падает, когда не выбирают, с поправкой на силу противника. В результате получается рейтинг, основанный исключительно на совокупных предпочтениях людей в слепых условиях. Никаких отобранных вручную материалов от лабораторий. Никаких самоотчётных бенчмарков.

Слепые голоса пользователей и Эло: не самоотчётные бенчмарки

У каждого другого рейтинга видеомоделей, который я видела, одна и та же проблема — люди, сообщающие цифры, это те же люди, которые создали модель. Artificial Analysis это устраняет. Сигнал качества исходит исключительно от пользователей, которые не знают, за что голосуют.

Различия в Эло относительны. Разрыв в 60 очков означает, что одна модель выигрывает примерно в 58–59% прямых столкновений. Разрыв в 5 очков — это шум.

T2V №1 (Эло 1333), I2V №1 (Эло 1392) — что эти цифры означают в контексте

По состоянию на начало апреля 2026 года, позиции HappyHorse-1.0 в таблице лидеров Artificial Analysis:

Категория	Эло	Место
Text-to-Video (без аудио)	1333	№1
Image-to-Video (без аудио)	1392	№1
Text-to-Video (с аудио)	1205	№2
Image-to-Video (с аудио)	1161	№2

Предыдущим №1 в T2V без аудио была Dreamina Seedance 2.0 с показателем 1273. Разрыв в 60 очков Эло — это немало. В категории I2V без аудио HappyHorse опережает Seedance 2.0 на 37 очков.

С аудио картина меняется на противоположную — Seedance 2.0 обходит HappyHorse и занимает №1. Разрыв там невелик: 14 очков в T2V с аудио, 1 очко в I2V с аудио.

Важно сохранять честность: рейтинги Эло для новодобавленных моделей более волатильны, чем у устоявшихся. У Seedance 2.0 более 7500 голосов в категории T2V. Количество голосов HappyHorse ещё не разбито по категориям публично. Эти цифры будут меняться по мере поступления новых голосов. Направление этого изменения неизвестно. У этого вывода есть срок годности — модели обновляются быстро.

Что мы знаем о модели

Всё в этом разделе взято с happyhorses.io. Я обозначаю это сразу, потому что ни одно из этих технических утверждений не было независимо проверено третьей стороной на дату публикации этой статьи (8 апреля 2026 года).

Единая архитектура Transformer с самовниманием, 40-слойная конструкция (заявлено happyhorse-ai.com, не верифицировано)

Сайт описывает единый унифицированный Transformer с 40 слоями. Текстовые токены, латентное представление референсного изображения, а также зашумлённые видео- и аудиотокены — по данным сайта — совместно денойзируются в одной последовательности токенов. Первые и последние 4 слоя, по имеющимся данным, используют модально-специфичные проекции. Средние 32 слоя делят параметры между всеми модальностями. Без кросс-внимания.

На отдельном маркетинговом сайте (happy-horse.art) заявляется 15 миллиардов параметров. Это число не фигурирует ни на основном домене, ни в каких-либо независимых материалах.

Описание архитектуры достаточно конкретно, чтобы его можно было опровергнуть — если и когда веса станут доступны, кто-нибудь верифицирует или опровергнет это в течение нескольких часов.

Многоязычная генерация аудио-видео: китайский, английский, японский, корейский, немецкий, французский (заявлено)

Сайт перечисляет шесть языков с нативной поддержкой для совместной генерации аудио-видео: китайский, английский, японский, корейский, немецкий и французский. На странице happy-horse.art добавляется кантонский как седьмой язык и упоминается «синхронизация губ с ультранизким WER».

У меня нет возможности проверить эти заявления. Нет весов, нет API, нет воспроизводимого демо. Результаты арены, видимые на Artificial Analysis, систематически не тестируют многоязычные аудиовозможности.

Text-to-video и image-to-video в одном пайплайне (сообщается)

Сайт описывает единый пайплайн, обрабатывающий как T2V, так и I2V. Это согласуется с данными таблицы лидеров — HappyHorse-1.0 появляется в обеих аренах под одним и тем же именем модели, что предполагает единую модель, а не отдельные специализированные.

Сайт также заявляет о совместном синтезе аудио — диалоги, фоновые звуки и звуковые эффекты Фоли, генерируемые вместе с видео в один проход. Позиции №2 в категориях «с аудио» предполагают, что генерация аудио существует и конкурентоспособна, даже если не лидирует.

Что пока не верифицировано

Идентификация команды: псевдонимная по данным Artificial Analysis, предположительно азиатского происхождения

Никто публично не заявил о своей причастности к HappyHorse-1.0. Сами специалисты Artificial Analysis использовали слово «псевдонимная» при анонсировании добавления модели в арену — имея в виду, что она была представлена без верифицируемой команды или организации.

Сообщество в X выдвигало предположения об азиатском происхождении. Логика частично основана на многоязычных возможностях (языки CJK занимают видное место), частично — на паттернах времени, напоминающих предыдущие скрытые релизы из китайских ИИ-лабораторий. Ничто из этого не является подтверждением. Спекуляции о происхождении — не идентификация происхождения.

Заявление об открытом исходном коде: ссылки на GitHub и HuggingFace помечены как «coming soon», недоступны на момент публикации

Сайт happyhorse-ai.com заявляет: «Базовая модель, дистиллированная модель, модель суперрезолюции и код вывода — всё опубликовано». Также говорится: «Всё открыто.»

По состоянию на 8 апреля 2026 года как ссылка на GitHub, так и ссылка на Model Hub на том же сайте говорят «coming soon». Они никуда не ведут. Я искала веса HappyHorse на HuggingFace и GitHub. Ничего.

Сайт утверждает, что всё опубликовано. Ссылки говорят об обратном. Это не соответствовало документации.

Количество параметров и требования к оборудованию: нет независимого подтверждения

Заявление о 15 миллиардах параметров фигурирует на вторичном сайте (happy-horse.art), а не на основном домене. Основной сайт упоминает скорость вывода — примерно 2 секунды для 5-секундного клипа при 256p, примерно 38 секунд для 1080p на H100 — но это самоотчётные данные вендора. Ни одна третья сторона не опубликовала независимые бенчмарки по скорости вывода или требованиям к памяти.

Без загружаемых весов никто за пределами создателей модели не может верифицировать количество параметров, детали архитектуры или требования к оборудованию. На этом мои данные заканчиваются.

Спекуляции о WAN 2.7: что их движет и почему они остаются неподтверждёнными

Часть сообщества предположила, что HappyHorse-1.0 — это на самом деле WAN 2.7, следующая версия из семейства видеомоделей WAN от Alibaba, тестируемая под псевдонимом перед официальным запуском.

Логика такова: WAN 2.6 находится в таблице лидеров Artificial Analysis с рейтингом Эло 1189 для T2V (значительно ниже HappyHorse). Анонимные дропы моделей перед запусками стали паттерном в китайской ИИ-экосистеме. Ситуация с Pony Alpha в феврале 2026 года — наиболее чёткий прецедент: загадочная модель появилась на OpenRouter, вызвала игру в угадайку и оказалась GLM-5 от Z.ai, проводящей скрытый стресс-тест.

Но параллельные паттерны не доказывают идентичность. Описание архитектуры на сайте HappyHorse явно не совпадает с публично известной архитектурой WAN. Никаких утечек весов, никаких API-отпечатков, никаких инсайдерских подтверждений, связывающих эти две модели, нет. Я не знаю. Лучше не придумывать.

Почему «таинственное происхождение» важно для разработчиков

Эло слеп — сигнал качества реален вне зависимости от идентификации команды

Пользователи, проголосовавшие за результаты HappyHorse выше Seedance 2.0 и Kling 3.0, не знали, за что голосуют. Если модель стабильно выигрывает слепые сравнения, это говорит вам кое-что реальное о качестве вывода — вне зависимости от того, кто её создал.

Сигнал качества не требует знания команды. Он требует доверия к методологии.

Неопределённость доступа: сегодня нет ни стабильного API, ни публичных весов

Сигнал качества и практическая применимость — две разные вещи. На сегодняшний день: нет публичного API, нет загружаемых весов, нет задокументированного ценообразования, нет SLA.

Для тех, кто строит пайплайн или выпускает продукт, HappyHorse-1.0 пока не существует как опция. Позиция в таблице лидеров реальна. Доступ — нет.

За чем следить: релиз на GitHub, доступность весов, сигналы о доступе к API

Три вещи могли бы перевести HappyHorse из «записи в таблице лидеров» в «реальную опцию»: репозиторий GitHub с реальными весами и кодом вывода, карточка модели на HuggingFace с верифицируемыми деталями и лицензией, или API-эндпоинт с задокументированным ценообразованием.

На момент написания этого текста ничего из этого не существует.

Место в текущем ландшафте видеомоделей

Текущий контекст таблицы лидеров T2V и I2V

Топ таблицы лидеров Artificial Analysis T2V (без аудио), начало апреля 2026 года:

Место	Модель	Эло	API доступен	Выпущена
№1	HappyHorse-1.0	1333	Нет	Апр 2026
№2	Seedance 2.0 720p	1273	Нет публичного API	Мар 2026
№3	SkyReels V4	1245	Да ($7.20/мин)	Мар 2026
№4	Kling 3.0 1080p Pro	1241	Да ($13.44/мин)	Фев 2026
№5	PixVerse V6	1240	Да ($5.40/мин)	Мар 2026

I2V (без аудио) следует той же закономерности: HappyHorse с рейтингом 1392, Seedance 2.0 — 1355, PixVerse V6 — 1338, Grok Imagine Video — 1333, Kling 3.0 Omni — 1297.

Две наиболее качественные модели по рейтингу Эло — HappyHorse и Seedance 2.0 — недоступны через публичный API. Позиции с 3-й по 5-ю в T2V разделены 5 очками Эло — статистическая ничья.

Почему это важно для команд, оценивающих стеки генерации видео

Два отдельных вопроса. Какая модель производит наилучший результат в слепых сравнениях? HappyHorse-1.0 — согласно текущим данным. Какую модель вы можете реально интегрировать сегодня? Не HappyHorse.

Практическая таблица лидеров начинается с позиции №3. SkyReels V4 предлагает наилучшее соотношение качества и цены среди доступных вариантов. Kling 3.0 Pro стоит дороже, но нативно работает в 1080p. PixVerse V6 — самый дешёвый за минуту в верхнем эшелоне.

Если HappyHorse выпустит веса или API в ближайшие недели, расклад изменится. Это реальная возможность — сценарий «скрытый дроп, а затем релиз» разыгрывался несколько раз в этом году. Также возможно, что ничего не появится месяцами.

FAQ

Кто создал HappyHorse-1.0?

Неизвестно. Artificial Analysis описывает его как «псевдонимный». Сообщество предполагает азиатскую команду, но ни одна организация не заявила о своей причастности.

Доступен ли HappyHorse-1.0 для использования прямо сейчас?

Не в каком-либо готовом к продакшену виде. Ссылки на GitHub и Model Hub говорят «coming soon». Нет публичного API, нет загружаемых весов, нет задокументированного ценообразования по состоянию на 8 апреля 2026 года.

Является ли HappyHorse-1.0 тем же, что и WAN 2.7?

Не подтверждено. Спекуляция существует потому, что анонимные предзапусковые дропы распространены в китайской ИИ-экосистеме — наиболее свежим прецедентом является Pony Alpha / GLM-5. Нет прямых доказательств, связывающих HappyHorse с семейством WAN от Alibaba.

Как Artificial Analysis ранжирует видеомодели?

Слепое голосование пользователей. Пользователи сравнивают два видео по одному запросу, не зная, какая модель что сгенерировала, и выбирают предпочтительный вариант. Голоса поступают в систему рейтинга Эло.

Когда будут выпущены веса HappyHorse-1.0?

Никаких сроков не указано. «Coming soon» для GitHub и Model Hub. Никаких публичных обязательств, которые можно было бы предъявить.

Цифры в таблице лидеров реальны. Всё остальное — команда, веса, доступ, сроки — ожидает подтверждения.

Попробуйте HappyHorse-1.0 на WaveSpeedAI

HappyHorse-1.0 теперь доступен на WaveSpeedAI:

Предыдущие публикации: