A publicação The Information revelou que o HappyHorse-1.0, modelo de geração de vídeo que vinha liderando anonimamente o ranking cego da Artificial Analysis, é obra da própria Alibaba. Antes da revelação, a comunidade de IA especulava sobre a origem do modelo — os palpites incluíam o time Wan 2.7 da Alibaba, o Future Life Lab da Alibaba Taotian, o Kling da Kuaishou e a startup Sand.ai.

Tecnicamente, o HappyHorse é descrito como um transformer de 15 bilhões de parâmetros com 40 camadas de self-attention single-stream, que ingere tokens de texto, imagem, vídeo e áudio numa única sequência unificada, sem cross-attention, e roda em apenas 8 passos de denoising. Gera clipes de 5 a 8 segundos em 1080p e suporta lip-sync nativo em inglês, mandarim, cantonês, japonês, coreano, alemão e francês.