搜索
在视频生成模型这个赛道，有一个大厂投入了太多，不光使出了“骑马找驴”，还在持续的“内部赛马”，它就是阿里。
今年4月，HappyHorse以匿名模型的身份突然出现在Artificial Analysis榜单上，并一口气拿下文生视频、图生视频等多个榜单第一。
几天之后，阿里正式认领这匹“欢乐马”。
一个此前在AI视频领域存在感并不算强的互联网大厂，也终于拥有了自己的明星模型。
HappyHorse官网截图
只是HappyHorse的风头还没有持续多久，阿里的另一条视频模型路线又开始活跃。
8月6日，
相比此前的Wan 2.7，新模型将单次生成时长从15秒提升到30秒，并把文生视频、图生视频、参考生视频和视频编辑整合进同一个模型。
从产品定位到目标用户，Wan 3.0几乎覆盖了HappyHorse现有的全部能力。
更有意思的是，它的价格还更低：720P视频每秒0.6元，HappyHorse 1.1则是每秒0.9元；到了1080P，两者同为每秒1.2元。
换句话说，阿里不仅在同时维护两套功能高度重合的视频模型，还让它们在同一个百炼平台上，用不同的价格争夺同一批客户。
这让一个原本还能被解释为“内部赛马”的故事，开始显得有些没有必要。
内部竞争当然不是坏事。
HappyHorse的出现至少证明，阿里内部不同技术团队可以绕开既有路线，迅速做出一款进入行业第一梯队的产品。
根据壹娱观察从相关人士透露了解，阿里内部在统一
赛马的目的应该是跑出结果，而不是让两匹马永远并排跑下去。
特别是在视频生成这一门仍然烧钱、很难赚钱，也远没有找到稳定商业模式的生意里，阿里越早让Wan和HappyHorse真正合流，越符合现实。
视频模型，本就不适合赛马
某种程度上看，Wan和HappyHorse从一开始确实是两条不同的路线。
Wan来自通义体系，更接近一套标准的基础模型，强调通用技术能力、开发者生态和云端API，也承接了阿里在开源社区中的品牌认知。
HappyHorse则来自原淘天未来生活实验室，更贴近创作者和商业内容生产，突出原生音频、人物表现、多图参考，以及广告、短剧等具体场景。
差异化曾经足以支撑两支团队同时存在。
Wan 3.0生成视频截图
基础模型团队负责拓展能力上限，产品团队则从真实需求出发，寻找更快的商业化路径。
如果HappyHorse只是一款建立在Wan之上的创作者工具，两者甚至可以形成相当自然的上下游关系。
实际情况并非如此。
HappyHorse不是调用Wan的上层应用，而是另一套独立的视频生成模型。它拥有自己的文生视频、图生视频、参考生视频和视频编辑能力，也有独立官网、模型版本、API和价格体系。
Wan 2.7能做的事情，HappyHorse 1.1大部分都能做；HappyHorse曾经主打的原生音频、人物一致性和多镜头叙事，又逐渐被Wan吸收。
从Artificial Analysis目前的榜单来看，Wan与HappyHorse仍然处在相近梯队。
图源：Artificial Analysis
两者之间当然存在能力差异，但这种差异更像同一水平线上的路线偏好，而不是足以划分市场、区隔用户的代际差距。用户很难说清楚什么任务必须用HappyHorse完成，又有什么场景只能交给Wan。
到了Wan 3.0，原本就不算清晰的边界进一步消失。
30秒生成、全模态参考、原生音频、人物与场景一致性、视频编辑，以及面向短剧、广告和企业内容的应用方向，几乎每一项都进入了HappyHorse的传统领地。
Wan 3.0甚至还用更低的720P价格，直接削弱了后者作为“高性价比商业模型”的位置。
更何况，两支团队在组织上已经不再独立。
今年6月，阿里将通义大模型事业部和未来生活实验室合并，成立由吴泳铭直接负责的Token Foundry事业部，HappyHorse团队也一并进入新部门。
调整本身就说明，阿里已经意识到基础模型研发与商业场景探索各自为战的问题，需要把研究、工程和产品能力重新集中起来。
图源：网络
但组织架构合并之后，两套模型仍然按照各自的节奏继续更新。6月下旬，HappyHorse 1.1发布；一个多月后，Wan 3.0开启公测。
表面上看，这是同一个事业部同时拥有了两张牌；放到具体研发中，却意味着两套模型仍然需要分别完成数据准备、训练、后训练、评测和推理优化，产品端还要分别维护入口、文档、定价与用户认知。
这已经不再是用少量资源进行多路线探索，而是在最昂贵的模型类别之一上重复“造轮子”。
技术路线尚未确定时，让多个团队同时寻找答案很正常；但当两款模型已经功能趋同、团队合并、客户重合，继续赛马的边际收益只会越来越低。
没有一技之长，低价和全能就没有意义
更关键的问题是，无论HappyHorse还是Wan 3.0，实际上都没有撼动当前视频生成市场格局。
HappyHorse以匿名模型登顶时，确实制造了足够大的声量，但这种领先并没有持续转化成稳定的市场位置。
随着Seedance、可灵、
Wan 3.0虽然补齐了时长、音频、全模态输入和视频编辑等能力，目前同样没有建立一项足以改变市场认知的决定性优势。
阿里现在维护仅仅只是两个功能高度重合、能力互有长短，却都还没有摆脱追赶者身份的模型。
视频生成发展到今天，真正能够让用户记住一个模型的，通常不是它的功能列表有多长，而是它在哪一件事情上做得明显更好。
有人依靠动作表现和镜头控制建立专业影视口碑，有人凭借人物一致性进入短剧和广告，还有人通过开源与低成本扩大基础用户规模。
只有先形成一块足够长的长板，模型才有机会围绕它建立用户认知和商业闭环。
Wan 3.0的问题恰恰在于，它看起来什么都能做，却还没有证明自己在哪一件事情上不可替代。
30秒视频、原生音频，以及支持PDF、PPT、表格和网页输入，当然都是功能上的进步。但如果人物运动、长时一致性、镜头理解和指令遵循仍然没有显著领先，这些新增能力更多只是把产品清单拉得更长。
Wan 3.0生成视频截图
把一份PPT自动变成视频，也很适合拿来演示，却未必是一项经过验证的高频需求。
用户真正需要的不是“模型可以读取PPT”，而是它生成的内容足够准确、稳定和可控，能够直接进入生产流程。如果结果仍然需要反复检查、重做和剪辑，那么多一种输入格式并没有创造新的生产力，只是给原有能力增加了一个入口。
HappyHorse所强调的广告、短剧和创作者场景也是一样。
使用场景多元化不能替代基础能力的突破。人物一致性足够强，才有资格谈连续短剧；商品还原足够准确，才有资格谈电商广告；镜头和动作足够可控，才有资格进入专业制作。
在单项能力尚不突出的情况下急着覆盖更多场景，本质上是在用产品包装掩盖技术差距。
happyhorse生成视频截图
价格同样不是独立存在的优势。
Wan 3.0的720P视频每秒0.6元，看上去比HappyHorse更便宜，但视频生成的真实成本从来不只是单次调用价格，而是得到一条可用视频需要尝试多少次。
按照现有定价，一段30秒1080P视频需要36元；如果反复生成十次才得到可用结果，反复抽开后的调用成本就会达到360元，还没有计算筛选、剪辑和修改的时间。
因此，一段更便宜但无法使用的视频，并不比一段价格更高却能一次成功的视频更有性价比。
对专业用户来说，价格从每秒0.9元降到0.6元，远没有提高可用率重要。模型公司真正需要降低的，不是价格表上的数字，而是用户获得最终结果的总成本。
这也使同时维护Wan和HappyHorse越来越缺乏意义。
视频生成需要大量训练与推理资源，商业需求却仍然集中在广告、电商、短剧和社交媒体等低频、定制化场景。在商业闭环尚未稳定之前，阿里最不需要的，就是让两套模型分别扩展相似的功能清单。
Wan 3.0和HappyHorse 1.1模型能力对比
更合理的方式，是让Wan成为统一的视频基础模型，吸收HappyHorse在人物表现、音画协同和商业场景上的积累；HappyHorse则保留为面向创作者的产品品牌，负责工作流、模板和行业方案。
底层集中训练一套模型，上层仍然可以拥有不同入口。
HappyHorse此前已经完成了自己的任务。它证明阿里可以迅速做出一款进入第一梯队的视频模型，也迫使Wan加快迭代。
但如果一场内部赛马始终无法选出主线，那么赛马就会从激励机制变成组织惯性。
阿里真正需要的不是两个模型继续比谁功能更多、价格更低，而是集中资源做出一项足以改变市场格局的核心能力。
只有先把一件事情做到不可替代，讨论价格才有价值，场景扩张才有基础。归根结底产品赛马的思维模式其实还是前AI时代的互联网产品思维，或者说阿里其实也还没适应新的AI时代。
