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感，人物細節、材質紋理、環境氛圍都足夠在線；但一旦進入復雜運動、鏡頭調度和物理交互，它的短板就會迅速暴露。

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

類似判斷也出現在機構研報中。國聯民生證券列舉快樂馬的長短板：其在環境豐富度、空間層次、材質紋理和畫面飽滿度上完成度較高。但當動作復雜度提升后，模型容易出現動作理解不到位、肢體關系錯亂、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演。

這與它此前橫空出世的姿態形成反差。4月，快樂馬曾以匿名身份空降Artificial 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基本準確，快樂馬結果和我要的基本不沾邊。”

也有用戶表示，快樂馬與Seedance訓練邏輯不同，使用時不宜套用Seedance提示詞。使用得當的前提下，快樂馬在人物細節、場景渲染上能力仍然出眾。

相較側重骨骼綁定和人物演出精細度的可靈，側重畫面敘事與鏡頭調度的Seedance 2.0，快樂馬的模型特征是高效率、高質量、高可控、低成本，優勢場景為批量生產短視頻、廣告片、口播視頻等，而不是承接普通用戶對“AI電影導演”的全部想象。

從技術路線到定價區間，快樂馬的戰略目標都不是做一款全面碾壓競品的SOTA 視頻模型，而是瞄準量產短片市場，成為一款高性價比的商業內容工具。

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雜劇情、調度鏡頭、完成動作敘事的AI導演；阿里想要的，則更像一條能穩定出片、持續消耗、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？

最能展現快樂馬與Seedance 2.0產品哲學差距的，在于模型架構。

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

如果把視頻模型理解成電影制作，Seedance 2.0 的思路更接近“專業劇組協作”：一條分支負責視頻生成，另一條分支負責音頻生成，包括背景音樂、人物對白和環境音效。

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一“導演”，通過這種跨模態對齊機制，實現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，單個團隊全包。單流Transformer架構把音頻、視頻、文字打包成一個任務一口氣生成，勝在生成效率更高，同時能保障音畫同步精細度。

劣勢是一個團隊的上限就擺在那里。快樂馬用一個架構同時處理文本、圖像、視頻和音頻四種模態的信息，代價是放棄復雜任務下的穩定性。

從模型參數指標來看，阿里快樂馬為150億，而字節Seedance 2.0為220億。在復雜長視頻工程中，快樂馬單架構的能力稍顯不足，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，不同模型生成結果進行投票�？鞓否R拿下冠軍席位，意味著在畫面精細度、音視頻同步等能力上已經達到行業頂尖水平。

但在用戶實測中，一旦遇到鏡頭運動、角色一致性、分鏡頭設計等專業要求，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“能不能穩定復現”的差距。

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

按照官方口徑，快樂馬支持七種語言的精準唇形匹配，不僅降低后期成本，同時推理速度為行業主流模型的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�？雌饋砀�像是擅長拉貨且性價比拉滿的驢，而非此前把用戶心理預期拉滿，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，快樂馬似乎更關注如何解決商家痛點，這也是快樂馬負責人對AI需求理解的起點。

“在多模態生成方面，AIGC正以前所未有的效率重塑電商場景的內容生態。”在 CNCC2025大會上，快樂馬團隊負責人、原淘天集團算法技術負責人鄭波曾這樣描述淘寶對多模態生成的理解。

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產品的味道。

快樂馬誕生于淘天旗下原未來生活實驗室，團隊聚焦的命題，就是如何利用AI技術降低電商內容的生產門檻。這一基因決定了，快樂馬的技術路線與可靈、即夢不同，即便后續劃入ATH事業群，來自淘天系的電商內容化需求，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容化的兩條戰線：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級客戶。

對電商品牌而言需求不是生成電影級的復雜視頻，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拍攝模式？

這恰好是快樂馬的優勢區間。

在產品頁官方描述中，快樂馬擅長以電影級光影質感直出專業畫面，運鏡穩定轉場自然，人物表情細膩動作真實，中近景敘事清晰適配劇情與對話，深度適配廣告、電商、短漫劇與社媒創意等生產場景。

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，畫面不需要反復運鏡，不需要展示多復雜的物理運動，但需要展示口播聲音與口型同步演出，人物動作與音效協調無延遲。

這曾是淘天未來生活實驗室的重點技術方向。鄭波表示，淘寶全模態大模型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，給出了精確結論——前者勝在自然穩定，鏡頭更有戲，在視聽精度上建立護城河；后者勝在敘事與運動表現。

這讓快樂馬也更契合阿里巴巴ATH事業群的核心KPI——以token貨幣化為核心，創造token使用場景。

與ATH當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設施，讓商家像消耗水電一樣自然使用AI內容供給，如文生視頻、圖生視頻，將產品做成符合要求的動態畫面。

但這并不意味著，快樂馬的目光僅限于電商場景。

在阿里云產品頁，快樂馬展示了動漫創作、電影級分鏡創作、皮克斯動畫電影風格、賽博朋克風格等不同應用場景。面向商業廣告場景特化，并不影響快樂馬向短劇、動漫劇等場景進發的決心。

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向專用模型。

OpenAI在上月宣布停止獨立的Sora服務，原因便在于無力駕馭這條算力吞金獸，不僅無力維護穩定付費客群，還深陷版權侵權壓力，在沖刺IPO背景下，有必要將經營重心轉向GPT等核心業務。

到國產視頻模型領域，各頭部產品已經出現明顯分化。

快手可靈聚焦在人物表演上，追求極致的復雜肢體動作表現力；字節Seedance2.0關注如何讓AI視頻更接近電影，在多鏡頭、分鏡設計、畫面敘事能力上做出突破。

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

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

       原文標題 : 快樂馬從AI黑馬淪為電商牛馬