阿里推出新一代多模态视频模型HappyHorse 开启灰度测试

2026年4月，阿里巴巴ATH创新事业部推出新一代多模态视频生成模型HappyHorse（内部昵称“神马”），目前已进入灰度测试阶段。该模型在第三方测评平台Arena.ai的文生视频、图生视频、视频编辑三大核心榜单中表现优异，可输出1080P超高清影视级画质，支持800词复杂指令解析、9张参考图输入，生成15秒高质量剧情视频仅需2-5分钟，成为全球AI视频赛道的有力竞争者。

和目前多数面向C端的轻量化AI视频模型不同，HappyHorse将画质精度与深度语义理解放在了产品研发的核心位置。它主打1080P超高清输出，对各类视觉风格的还原能力远超行业平均水平：无论是复古港式街区的霓虹光影，还是古装大场景的宏大氛围，乃至新中式动漫的水墨质感，都能通过自然的镜头运动和细腻的纹理细节还原创作者需求。

在语义一致性层面，HappyHorse解决了当前行业普遍存在的“长指令遗忘、细节走形”痛点。它支持处理最长800词的复杂剧情指令，同时允许用户输入最多9张参考图，提前锁定人物形象、场景构件、道具细节的特征，大幅降低了后期修正的成本。目前生成一段15秒的高质量剧情视频，整体耗时仅需要2至5分钟，效率表现也跻身行业第一梯队。

除了核心生成能力的突破，HappyHorse还针对多元创作场景做了功能补齐。它已经兼容粤语、英语、法语等多语种指令输入，对中文方言的语义识别精度，解决了不少非普通话创作者的适配难题。