快樂馬從AI黑馬淪為電商牛馬

是騾子是馬，拉出來遛遛。

作者|景行

編輯|古廿

開啟灰測后的快樂馬，反而爆發(fā)了更大的口碑分歧。

一部分用戶覺得它“名不副實”。在固定特寫、簡單場景里，快樂馬能做出接近實拍的畫面質(zhì)感，人物細(xì)節(jié)、材質(zhì)紋理、環(huán)境氛圍都足夠在線；但一旦進(jìn)入復(fù)雜運動、鏡頭調(diào)度和物理交互，它的短板就會迅速暴露。

“快樂馬的固定特寫鏡頭表現(xiàn)出色，在簡單場景下能實現(xiàn)接近實拍的畫面水平，但一到運動鏡頭、物理規(guī)則理解就較為吃力，與Seedance2.0有顯著差距。”有用戶對「市象」表示。

類似判斷也出現(xiàn)在機(jī)構(gòu)研報中。國聯(lián)民生證券列舉快樂馬的長短板：其在環(huán)境豐富度、空間層次、材質(zhì)紋理和畫面飽滿度上完成度較高。但當(dāng)動作復(fù)雜度提升后，模型容易出現(xiàn)動作理解不到位、肢體關(guān)系錯亂、連貫性下降等問題。

換句話說，快樂馬更像固定鏡頭專家，而不是成熟的動作導(dǎo)演。

這與它此前橫空出世的姿態(tài)形成反差。4月，快樂馬曾以匿名身份空降A(chǔ)rtificial Analysis全球AI視頻評測榜榜首，在文生視頻、圖生視頻兩大賽道力壓字節(jié)Seedance 2.0。彼時，它被視作AI視頻賽道的神秘黑馬，甚至一度被外界期待為新的SOTA變量。

但灰測之后，神秘感很快被真實使用體驗稀釋。

“我試了三個視頻。”有評測用戶對「市象」表示：“可靈有一些小問題，但多抽卡幾次無傷大雅，Seedance2.0基本準(zhǔn)確，快樂馬結(jié)果和我要的基本不沾邊。”

也有用戶表示，快樂馬與Seedance訓(xùn)練邏輯不同，使用時不宜套用Seedance提示詞。使用得當(dāng)?shù)那疤嵯拢鞓否R在人物細(xì)節(jié)、場景渲染上能力仍然出眾。

相較側(cè)重骨骼綁定和人物演出精細(xì)度的可靈，側(cè)重畫面敘事與鏡頭調(diào)度的Seedance 2.0，快樂馬的模型特征是高效率、高質(zhì)量、高可控、低成本，優(yōu)勢場景為批量生產(chǎn)短視頻、廣告片、口播視頻等，而不是承接普通用戶對“AI電影導(dǎo)演”的全部想象。

從技術(shù)路線到定價區(qū)間，快樂馬的戰(zhàn)略目標(biāo)都不是做一款全面碾壓競品的SOTA視頻模型，而是瞄準(zhǔn)量產(chǎn)短片市場，成為一款高性價比的商業(yè)內(nèi)容工具。

所以，快樂馬的口碑落差并不難理解。普通用戶想要的是一個能理解復(fù)雜劇情、調(diào)度鏡頭、完成動作敘事的AI導(dǎo)演；阿里想要的，則更像一條能穩(wěn)定出片、持續(xù)消耗、面向商家交付的廣告片流水線。

只想干活的快樂馬，確實很難讓每個普通用戶都快樂。那些對它產(chǎn)生心理落差的人，某種程度上是在擅自期待，也在擅自失望。

盲測第一失靈了？

最能展現(xiàn)快樂馬與Seedance 2.0產(chǎn)品哲學(xué)差距的，在于模型架構(gòu)。

從技術(shù)路徑看，兩者選擇了完全不同的路線。Seedance 2.0采用雙分支擴(kuò)散變換器架構(gòu)，快樂馬則采用單流 Transformer 架構(gòu)。前者像一支分工明確的電影劇組，后者是一條高效運轉(zhuǎn)的內(nèi)容生產(chǎn)線。

如果把視頻模型理解成電影制作，Seedance 2.0 的思路更接近“專業(yè)劇組協(xié)作”：一條分支負(fù)責(zé)視頻生成，另一條分支負(fù)責(zé)音頻生成，包括背景音樂、人物對白和環(huán)境音效。

相比此前視頻生成模型“先生成視頻、再疊加音軌”的主流方案，Seedance 2.0的突破在于，為兩個制作組安排了統(tǒng)一“導(dǎo)演”，通過這種跨模態(tài)對齊機(jī)制，實現(xiàn)畫面與聲音在生成過程中保持更高程度的一致性。

快樂馬走的是另一條路，單個團(tuán)隊全包。單流Transformer架構(gòu)把音頻、視頻、文字打包成一個任務(wù)一口氣生成，勝在生成效率更高，同時能保障音畫同步精細(xì)度。

劣勢是一個團(tuán)隊的上限就擺在那里。快樂馬用一個架構(gòu)同時處理文本、圖像、視頻和音頻四種模態(tài)的信息，代價是放棄復(fù)雜任務(wù)下的穩(wěn)定性。

從模型參數(shù)指標(biāo)來看，阿里快樂馬為150億，而字節(jié)Seedance 2.0為220億。在復(fù)雜長視頻工程中，快樂馬單架構(gòu)的能力稍顯不足，這也是快樂馬的市場口碑先高后低的原因之一。

在Artificial Analysis評測中，用戶僅通過盲測方式對同一提示詞，不同模型生成結(jié)果進(jìn)行投票。快樂馬拿下冠軍席位，意味著在畫面精細(xì)度、音視頻同步等能力上已經(jīng)達(dá)到行業(yè)頂尖水平。

但在用戶實測中，一旦遇到鏡頭運動、角色一致性、分鏡頭設(shè)計等專業(yè)要求，快樂馬的短板很快就暴露出來。盲測看的是“這一條視頻夠不夠驚艷”，真實使用中會放大“能不能穩(wěn)定復(fù)現(xiàn)”的差距。

阿里選擇這條技術(shù)路線的原因或許是追求極致效率。相較組建一個龐大劇組，一個團(tuán)隊單打獨斗可實現(xiàn)省算力、提推理速度兩大目標(biāo)。

按照官方口徑，快樂馬支持七種語言的精準(zhǔn)唇形匹配，不僅降低后期成本，同時推理速度為行業(yè)主流模型的2至3倍，單張H100顯卡生成5秒1080P視頻僅需38秒，算力消耗降低約六成。

這讓快樂馬有能力在定價策略上，猛挖Seedance 2.0的墻角。

從目前市場的公開信息來看，純視頻輸出價格方面，Seedance 2.0約為1元/秒，而快樂馬720P、1080P視頻為0.9元/秒、1.6元/秒，包月價格下降至0.44元/秒、0.78元/秒。官方宣傳，快樂馬擁有突出的性價比優(yōu)勢。

高效、低價、短平快，多要素綜合起來，才是一個真實的快樂馬。看起來更像是擅長拉貨且性價比拉滿的驢，而非此前把用戶心理預(yù)期拉滿，性能碾壓同類的汗血寶馬。

吃草擠奶才是阿里想要的AI味

相比做一款視頻SOTA模型，快樂馬似乎更關(guān)注如何解決商家痛點，這也是快樂馬負(fù)責(zé)人對AI需求理解的起點。

“在多模態(tài)生成方面，AIGC正以前所未有的效率重塑電商場景的內(nèi)容生態(tài)。”在 CNCC2025大會上，快樂馬團(tuán)隊負(fù)責(zé)人、原淘天集團(tuán)算法技術(shù)負(fù)責(zé)人鄭波曾這樣描述淘寶對多模態(tài)生成的理解。

他舉了一個很典型的電商場景：過去商家展示一條裙子，商品頁里往往只有幾張平鋪圖、模特圖；現(xiàn)在可以讓虛擬模特在不同場景中完成擺拍，也可以把圖片生成視頻講解，進(jìn)一步拼接成一條完整的帶貨視頻。

盡管彼時尚未有快樂馬，但是這段理解其實點明了阿里AI產(chǎn)品的味道。

快樂馬誕生于淘天旗下原未來生活實驗室，團(tuán)隊聚焦的命題，就是如何利用AI技術(shù)降低電商內(nèi)容的生產(chǎn)門檻。這一基因決定了，快樂馬的技術(shù)路線與可靈、即夢不同，即便后續(xù)劃入ATH事業(yè)群，來自淘天系的電商內(nèi)容化需求，依然是它最初的底色。

鄭波介紹過的淘寶星辰視頻生成模型3.0，與快樂馬可以被視作阿里電商內(nèi)容化的兩條戰(zhàn)線：淘寶星辰更偏向解決商家圖生視頻、商品視頻化的直接需求；快樂馬則探索電商創(chuàng)意廣告的大批量生成方案。

從首批邀請客戶畫像，也能看到快樂馬的增長路徑。

4月27日ATH宣布，快樂馬通過阿里云百煉平臺逐步開放API測試，首批邀測對象為企業(yè)級客戶。

對電商品牌而言需求不是生成電影級的復(fù)雜視頻，而是更實際的問題——口播音畫同步是否精確，圖片生成視頻是否還原，以及視頻制作成本能否碾壓傳統(tǒng)拍攝模式？

這恰好是快樂馬的優(yōu)勢區(qū)間。

在產(chǎn)品頁官方描述中，快樂馬擅長以電影級光影質(zhì)感直出專業(yè)畫面，運鏡穩(wěn)定轉(zhuǎn)場自然，人物表情細(xì)膩動作真實，中近景敘事清晰適配劇情與對話，深度適配廣告、電商、短漫劇與社媒創(chuàng)意等生產(chǎn)場景。

以口播支持能力為例，快樂馬支持中英日韓德法粵七種語言的音畫同步匹配，這也是快樂馬的核心賣點之一，這無疑是電商商家的剛需訴求。

在商品演示場景下，畫面不需要反復(fù)運鏡，不需要展示多復(fù)雜的物理運動，但需要展示口播聲音與口型同步演出，人物動作與音效協(xié)調(diào)無延遲。

這曾是淘天未來生活實驗室的重點技術(shù)方向。鄭波表示，淘寶全模態(tài)大模型TStars-Omni重點打磨了語音識別能力，尤其是電商場景的用戶語音，在語音合成方面優(yōu)化了情感合成、音色克隆等能力，以適配不同場景的配音需求。

千問官方則對快樂馬與通義萬相的特征，給出了精確結(jié)論——前者勝在自然穩(wěn)定，鏡頭更有戲，在視聽精度上建立護(hù)城河；后者勝在敘事與運動表現(xiàn)。

這讓快樂馬也更契合阿里巴巴ATH事業(yè)群的核心KPI——以token貨幣化為核心，創(chuàng)造token使用場景。

與ATH當(dāng)前力推的商家智能體近似，快樂馬不需要做一款驚艷市場的通用爆款視頻模型，而是需要深入電商場景做基礎(chǔ)設(shè)施，讓商家像消耗水電一樣自然使用AI內(nèi)容供給，如文生視頻、圖生視頻，將產(chǎn)品做成符合要求的動態(tài)畫面。

但這并不意味著，快樂馬的目光僅限于電商場景。

在阿里云產(chǎn)品頁，快樂馬展示了動漫創(chuàng)作、電影級分鏡創(chuàng)作、皮克斯動畫電影風(fēng)格、賽博朋克風(fēng)格等不同應(yīng)用場景。面向商業(yè)廣告場景特化，并不影響快樂馬向短劇、動漫劇等場景進(jìn)發(fā)的決心。

而圍繞快樂馬展開的用戶爭議，更多來自評測用戶的擅自期待，擅自失望。

從OpenAI的Sora帶火視頻模型至今，AI視頻賽道正從追求通用模型轉(zhuǎn)向?qū)Ｓ媚Ｐ汀?/p>

OpenAI在上月宣布停止獨立的Sora服務(wù)，原因便在于無力駕馭這條算力吞金獸，不僅無力維護(hù)穩(wěn)定付費客群，還深陷版權(quán)侵權(quán)壓力，在沖刺IPO背景下，有必要將經(jīng)營重心轉(zhuǎn)向GPT等核心業(yè)務(wù)。

到國產(chǎn)視頻模型領(lǐng)域，各頭部產(chǎn)品已經(jīng)出現(xiàn)明顯分化。

快手可靈聚焦在人物表演上，追求極致的復(fù)雜肢體動作表現(xiàn)力；字節(jié)Seedance2.0關(guān)注如何讓AI視頻更接近電影，在多鏡頭、分鏡設(shè)計、畫面敘事能力上做出突破。

快樂馬則思考如何讓AI視頻更適配工業(yè)化生產(chǎn)，讓推理速度、token定價、音畫能力多要素實現(xiàn)最優(yōu)性價比，成為商家采購首選。

這意味著AI視頻變得更加成熟，行業(yè)開始從過去田徑賽事式的跑分游戲，邁向場景與生態(tài)的競爭，誰能融入客戶需求，誰就能走在前列。