HappyHorse AI: đánh giá AI tạo video 2026, có thật sự là số 1 mới?

Trả lời nhanh: HappyHorse AI có thật sự là số 1 mới của năm 2026 không? Sau khi thử nghiệm thực tế, công cụ tạo video AI này cho chất lượng ấn tượng với các điều khiển trực quan, dù vẫn có vài hạn chế đáng lưu ý. Xem nhận định đầy đủ ở phần bên dưới.

Tác giả Emma Chen | 11/4/2026

Nếu bạn theo dõi mảng tạo video AI dù chỉ sơ qua, chắc hẳn tuần qua bạn đã thấy cái tên HappyHorse AI tràn ngập bảng tin. Khoảng ngày 7/4/2026, một mô hình ẩn danh bí ẩn xuất hiện trên bảng xếp hạng Artificial Analysis, không có tên nhóm, không có đường dẫn GitHub, không có thông cáo báo chí, rồi nhanh chóng đánh bật mọi đối thủ đã có tên tuổi khỏi vị trí dẫn đầu. Chỉ vài ngày sau, CNBC và Bloomberg đã đăng bài. Cổ phiếu Alibaba biến động. Cả cộng đồng AI cùng hỏi: HappyHorse rốt cuộc là gì?

HappyHorse AI là gì? HappyHorse AI (HappyHorse 1.0) là mô hình tạo video AI mã nguồn mở với 15 tỷ tham số, do Future Life Lab của Alibaba (Taotian Group) xây dựng, dưới sự dẫn dắt của Zhang Di, cựu phó chủ tịch Kuaishou. Mô hình tạo video tới 1080p với âm thanh đồng bộ gốc chỉ trong một lượt suy luận, từ prompt văn bản hoặc hình ảnh. Tính đến tháng 4/2026, mô hình giữ vị trí số 1 trên Artificial Analysis Video Arena ở cả hai hạng mục text to video (tạo video từ văn bản) và image to video (tạo video từ ảnh), vượt mọi mô hình mã nguồn đóng lẫn mã nguồn mở hiện có.

Chúng tôi đã tìm hiểu mọi thông tin công khai, thử những gì có thể thử và gạt bỏ phần phóng đại. Đây là bức tranh đầy đủ.

---

Nguồn gốc: ai thực sự đứng sau HappyHorse?

Câu chuyện đằng sau HappyHorse hấp dẫn gần như ngang với chính mô hình. Nó ra mắt trên nền tảng Artificial Analysis dưới bí danh: không đơn vị chủ quản, không nhóm phát triển, không website. Cộng đồng mạng lập tức đoán già đoán non: Tencent? Một startup hoạt động trong bóng tối? Hay một nhóm ByteDance làm ngoài kế hoạch?

Ngày 10/4/2026, câu trả lời xuất hiện qua một tài khoản X (trước đây là Twitter) mới lập: HappyHorse do nhóm Future Life Lab thuộc Taotian Group của Alibaba xây dựng, trong ATH AI Innovation Unit. Alibaba đã xác nhận bài đăng này với CNBC.

Nhà nghiên cứu chính là Zhang Di, người mà đa số giới theo dõi video AI biết đến là cựu phó chủ tịch Kuaishou kiêm người đứng đầu công nghệ Kling AI, một trong những nhóm tạo video cạnh tranh nhất thế giới. Zhang Di gia nhập Alibaba cuối năm 2025 để dẫn dắt đổi mới về AI đa phương thức. Và có vẻ thành quả chính là HappyHorse 1.0.

Ra mắt ẩn danh là một lựa chọn chiến lược táo bạo. Thay vì dựa vào độ nhận diện thương hiệu hay chi phí marketing, nhóm để chất lượng thuần túy của mô hình lên tiếng trước. Cách này thành công ngoạn mục.

Cổ phiếu Alibaba tại Hồng Kông đóng cửa tăng 2,12% vào ngày công bố, và trước đó trong tuần đã tăng vọt 6,75% giữa những đồn đoán rằng công ty đứng sau mô hình bí ẩn này.

---

Thông số kỹ thuật cốt lõi của HappyHorse 1.0 là gì?

Trước khi nói về chất lượng và độ dễ dùng, hãy xem chính xác HappyHorse 1.0 là gì ở bên trong:

Lựa chọn kiến trúc ở đây rất đáng chú ý. Đa số mô hình video cạnh tranh ở quy mô này dùng kiến trúc lai diffusion-transformer hoặc quy trình xếp tầng, tức các mô hình riêng cho video và âm thanh, ghép lại ở khâu hậu kỳ. HappyHorse dùng một Transformer một luồng thống nhất, khử nhiễu đồng thời các token video và âm thanh trong một lượt. Đây không chỉ là mẹo tăng hiệu quả; nó có nghĩa là âm thanh nhận biết quan hệ nhân quả với nội dung video ngay trong lúc tạo, chứ không phải thêm vào sau.

Lớp tối ưu suy luận MagiCompiler cũng đáng nhắc tới. Nó cho phép thứ mà nhóm gọi là "khử nhiễu không theo bước thời gian" ("timestep-free denoising"), giúp giảm mạnh thời gian suy luận so với cách lấy mẫu diffusion thông thường. Trên H100, 1080p trong 38 giây là rất nhanh với một mô hình cỡ này.

---

HappyHorse đạt kết quả thế nào trên các bài benchmark?

Đây là phần câu chuyện trở nên ấn tượng, và cũng là nơi cần vài lưu ý thẳng thắn.

Artificial Analysis Video Arena hoạt động thế nào

Artificial Analysis vận hành một đấu trường bình chọn mù theo sở thích của con người. Người dùng gửi prompt. Hệ thống tạo kết quả từ hai mô hình. Người dùng xem hai kết quả cạnh nhau mà không biết mô hình nào tạo ra cái nào, rồi chọn cái mình thích hơn. Những phiếu bầu này đưa vào hệ thống xếp hạng Elo, cùng phép tính dùng cho bảng xếp hạng cờ vua. Điểm Elo của mô hình tăng khi người dùng chọn nó, giảm khi không, có điều chỉnh theo sức mạnh của đối thủ.

Điều này quan trọng vì nó loại hoàn toàn các benchmark do chính phòng nghiên cứu công bố khỏi phép so sánh. Không có prompt chọn lọc, không có quy trình đánh giá thiên vị. Chỉ có sở thích tổng hợp của con người trong điều kiện bình chọn mù, ở quy mô lớn.

Điểm số của HappyHorse 1.0 (tính đến tháng 4/2026)

Các mô hình bị nó đẩy khỏi vị trí đầu gồm Dreamina Seedance 2.0, Kling 3.0 1080p Pro (Elo 1.242), Grok-Imagine-Video của xAI (Elo 1.230), Runway Gen-4.5, Google Veo 3.1 và Sora 2 Pro. Khoảng cách hơn 60 điểm Elo nghĩa là HappyHorse thắng khoảng 58–59% số lượt so sánh trực tiếp với các mô hình đó, một khoảng dẫn có ý nghĩa thống kê, không phải nhiễu.

Một sắc thái đáng nói: ở các hạng mục "có âm thanh", nó đứng thứ 2 chứ không phải thứ 1. Chất lượng âm thanh tạo cùng lúc khá mạnh, nhưng đấu trường cho thấy nó chưa áp đảo hoàn toàn các mô hình dùng quy trình âm thanh chuyên biệt xử lý sau trong các lượt so sánh trực tiếp đó. Đây chỉ là một lưu ý nhỏ trong một màn trình diễn vốn đã vượt trội.

---

HappyHorse so với Kling, Veo và Runway thế nào?

Câu hỏi mà mọi nhà sáng tạo và nhà phát triển đều đặt ra: nó thực sự so với công cụ tôi đang dùng ra sao? Dưới đây là so sánh thẳng thắn giữa các công cụ quan trọng nhất.

HappyHorse 1.0 vs Kling 3.0

Có thể nói Kling 3.0 là đối thủ gần nhất về dải năng lực. Cả hai đều hỗ trợ xuất 1080p, đều có khả năng nhất quán nhân vật mạnh, và đều đến từ những nhóm có bề dày về tạo video (Kling từ Kuaishou; HappyHorse do chính người từng xây Kling dẫn dắt). Khoảng cách Elo khoảng 90 điểm nghiêng về HappyHorse ở text to video, một khoảng dẫn đáng kể. Điểm khác biệt then chốt: quy trình âm thanh - video thống nhất của HappyHorse so với mô-đun âm thanh bổ sung của Kling. HappyHorse cũng thắng ở trục mã nguồn mở, trong khi Kling vẫn là mã nguồn đóng và độc quyền.

HappyHorse 1.0 vs Google Veo 3.1

Veo 3.1 là mô hình mã nguồn đóng đáng gờm, có toàn bộ hạ tầng tính toán của Google đứng sau. Chất lượng về mức bám prompt và độ chân thực như ảnh chụp rất xuất sắc. Nhưng Veo vẫn bị khóa trong hệ sinh thái của Google: quyền truy cập hạn chế, chi phí API đáng kể, và bạn không thể tự vận hành hay tinh chỉnh. Trọng số mở của HappyHorse thay đổi hoàn toàn phép tính này. Nếu trường hợp sử dụng của bạn cần tùy biến, triển khai riêng tư hoặc kiểm soát chi phí ở quy mô lớn, HappyHorse mặc nhiên thắng. Về chất lượng thuần túy trong đấu trường, tính đến tháng 4/2026, HappyHorse dẫn trước Veo 3.1 về Elo.

HappyHorse 1.0 vs Runway Gen-4.5

Runway từ lâu là công cụ chuyên nghiệp được nhà làm phim và agency tìm đến. Gen-4.5 có độ nhất quán nhân vật mạnh nhờ ảnh tham chiếu và giao diện trau chuốt, hấp dẫn người không rành kỹ thuật. Tuy nhiên, Runway đắt (theo gói đăng ký, không tự vận hành được), và khoảng cách Elo so với HappyHorse là đáng kể. Với các nhóm sản xuất cần trải nghiệm SaaS trọn gói, Runway vẫn cạnh tranh được. Với nhà phát triển và nhà nghiên cứu cần chính mô hình nền tảng, HappyHorse ở một đẳng cấp khác.

HappyHorse 1.0 vs Sora 2 Pro

OpenAI gần đây đã ngừng ứng dụng và nền tảng tạo video Sora, với lý do chuyển hướng chiến lược sang công cụ lập trình và phát triển AGI. Về mặt kỹ thuật, Sora 2 Pro vẫn còn với một số người dùng API, nhưng việc phát triển tích cực có vẻ không còn được ưu tiên. Thời điểm của HappyHorse, bước vào thị trường nơi Sora đang rút lui, mở ra cơ hội thực sự để thu hút nhóm người dùng đang bị bỏ lại đó.

Bảng so sánh song song

---

HappyHorse 1.0 hiện đã dùng được chưa?

Đây là phần thẳng thắn của bài đánh giá: tính đến ngày 11/4/2026, quyền truy cập công khai còn hạn chế.

Mô hình xuất hiện ẩn danh trên Artificial Analysis. Trang demo chính thức (happyhorse-ai.com) có danh sách chờ và các kết quả xem trước, nhưng quyền truy cập API đầy đủ chưa mở. Kho GitHub và trang trọng số mô hình trên HuggingFace đều hiển thị thông báo "sắp ra mắt" (coming soon), tuy nhiên cả hai trang đều đã tồn tại, cho thấy việc phát hành thật sự sắp diễn ra chứ không phải lời hứa suông (vaporware).

Nhóm đã xác nhận rõ ràng rằng mô hình sẽ mở nguồn hoàn toàn, gồm trọng số, mã suy luận và tài liệu. Dựa trên tốc độ rò rỉ trong cộng đồng và sự chú ý ngày càng tăng của truyền thông, đa số người theo dõi kỳ vọng bản phát hành đầy đủ sẽ đến trong vòng vài ngày đến vài tuần sau thông báo ban đầu.

Việc bạn có thể làm ngay bây giờ:

1. Đăng ký danh sách chờ tại happyhorse-ai.com để được dùng sớm bản demo trên máy chủ của họ
2. Theo dõi trang mô hình trên HuggingFace (happyhorse-ai/happyhorse-1.0) để biết khi nào phát hành trọng số
3. Theo dõi tài khoản X chính thức để biết thông báo đưa mã lên GitHub
4. Thử các kết quả mẫu trên đấu trường Artificial Analysis (nơi mô hình đã mở để bình chọn)

---

Kiến trúc của HappyHorse khác biệt ở điểm nào?

Đa số quy trình tạo video năm 2026 theo cùng một công thức: một mô hình tạo video huấn luyện trên dữ liệu hình ảnh, còn âm thanh được thêm bằng một mô hình chuyên biệt riêng ở khâu xử lý sau. Kết quả thường hơi "lệch", tuy khó chỉ ra ngay: âm thanh có cảm giác như phủ lên trên video thay vì phát ra từ bên trong. Tiếng chó sủa chậm nửa khung hình. Bản nhạc không hoàn toàn khớp với nhịp của cảnh.

HappyHorse đi theo hướng khác căn bản: tạo đồng thời âm thanh và video trong một lượt truyền xuôi của Transformer. Mô hình không tạo video trước rồi mới thêm âm thanh; nó tạo cả hai cùng lúc, với cơ chế attention nhân quả đầy đủ giữa hai phương thức. Âm thanh "biết" video đang diễn ra gì ở từng bước thời gian vì cả hai dùng chung một không gian ẩn.

Kiến trúc thống nhất này cũng là lý do điểm Elo ở hạng mục "có âm thanh" cao nhưng chưa áp đảo: cân bằng hoàn hảo hai phương thức trong một phân phối chung khó hơn so với việc tinh chỉnh một mô hình âm thanh chuyên biệt trên nền video đã mạnh. Nhưng khoảng cách đang thu hẹp, và kiến trúc này có lợi thế mở rộng rõ ràng: khi sức mạnh huấn luyện và dữ liệu tăng, các mô hình thống nhất thường cải thiện đều hơn so với cách tiếp cận theo quy trình ghép.

Phần tối ưu MagiCompiler đáng nói riêng. Các mô hình diffusion truyền thống cần nhiều bước khử nhiễu tuần tự (thường 20–50) để cho ra kết quả sạch. Cách khử nhiễu không theo bước thời gian của HappyHorse giảm mạnh con số này, đạt khoảng 38 giây cho một clip 1080p trên một H100. Để so sánh, tạo kết quả chất lượng tương đương từ Stable Video Diffusion hay các mô hình mã nguồn mở đời trước có thể mất vài phút mỗi clip trên cùng phần cứng. Chỉ riêng tốc độ suy luận đã khiến HappyHorse hấp dẫn cho quy trình sản xuất.

---

Vì sao mã nguồn mở lại quan trọng đến vậy với HappyHorse?

Thị trường tạo video AI năm 2026 do các sản phẩm thương mại mã nguồn đóng thống trị: Runway, Kling, Veo, Pika, MiniMax Hailuo. Tất cả đều cung cấp quyền truy cập API hoặc giao diện SaaS, nhưng không cái nào cho phép bạn:

• Tự vận hành trên hạ tầng của riêng bạn
• Tinh chỉnh trên dữ liệu của riêng bạn
• Chỉnh sửa hoặc kiểm tra trọng số mô hình
• Dùng ở quy mô lớn mà không tốn phí theo từng video

HappyHorse thay đổi điều đó. Với trọng số mở và mã suy luận mở, hệ quả lan ra nhiều phía:

Với nhà phát triển độc lập: bạn có thể chạy HappyHorse cục bộ (hoặc trên tài nguyên tính toán thuê), tích hợp vào bất kỳ ứng dụng nào và chỉ trả tiền cho phần cứng. Không phí theo từng video, không khóa API, không phụ thuộc vào quyết định giá của một công ty.

Với doanh nghiệp: bạn có thể triển khai HappyHorse sau tường lửa của riêng mình, trên hạ tầng tuân thủ HIPAA/SOC2 của chính mình, mà không phải gửi cảnh quay hay prompt độc quyền đến API của bên thứ ba. Điều này cực kỳ quan trọng với các trường hợp pháp lý, truyền thông và doanh nghiệp.

Với nhà nghiên cứu: bạn có thể tinh chỉnh trên dữ liệu theo lĩnh vực, nghiên cứu các biểu diễn bên trong, chạy ablation và xây dựng trên một mô hình nền tảng SOTA (hiện đại nhất) đúng nghĩa. Trước HappyHorse, điều này là bất khả thi với bất kỳ mô hình video hiệu năng hàng đầu nào.

Với cộng đồng mã nguồn mở: nó tạo ra một mốc cạnh tranh. Các mô hình mã nguồn đóng phải cạnh tranh với một lựa chọn miễn phí, tự vận hành được, đứng hạng #1. Điều đó kéo giá xuống và cải thiện khả năng tiếp cận trong toàn ngành.

Khoảnh khắc mã nguồn mở tương đương gần nhất trong tạo video là thời kỳ đầu của Stable Video Diffusion, vốn nhanh chóng bị các mô hình mã nguồn đóng bỏ lại phía sau. HappyHorse là điều khác biệt về chất: một mô hình mở dẫn đầu các benchmark thay vì chạy theo sau.

---

Cách chạy HappyHorse 1.0 trên máy cục bộ

Khi trọng số ra mắt (dự kiến rất sớm), đây là cách thiết lập cơ bản dựa trên các thông số kiến trúc hiện có:

Yêu cầu phần cứng (ước tính):

• Tối thiểu: 2× A100 80GB (hoặc VRAM tương đương) để suy luận 1080p
• Khuyến nghị: 4× H100 để tạo hàng loạt nhanh
• Thử độ phân giải thấp (256p): một H100 hoặc A100, ~2 giây cho mỗi clip 5 giây

Quy trình thiết lập dự kiến:

# Sao chép kho mã suy luận (sau khi được phát hành)
git clone https://github.com/happyhorse-ai/happyhorse-1.0
cd happyhorse-1.0

# Cài đặt các thư viện phụ thuộc
pip install -r requirements.txt

# Tải trọng số mô hình từ HuggingFace
python download_weights.py --model happyhorse-1.0

# Tạo video từ prompt văn bản
python generate.py \
  --prompt "một chú chó golden retriever chạy qua những chiếc lá mùa thu, phong cách điện ảnh" \
  --resolution 1080p \
  --output output.mp4

Tài liệu đầy đủ và các lệnh chính xác sẽ được xác nhận khi phát hành. Nhóm cho biết mã suy luận viết bằng PyTorch, với tối ưu CUDA thông qua MagiCompiler.

---

Ai nên dùng HappyHorse AI?

Không phải công cụ nào cũng hợp với mọi người dùng. Đây là phân tích thực tế:

HappyHorse là lựa chọn tốt nhất nếu bạn:

• Là nhà phát triển đang đưa tính năng tạo video vào sản phẩm
• Điều hành một công ty cần AI video tự vận hành để bảo mật dữ liệu
• Là nhà nghiên cứu muốn tinh chỉnh hoặc nghiên cứu các mô hình video SOTA
• Tạo nội dung số lượng lớn, nơi phí API theo từng video cộng dồn rất nhanh
• Muốn có âm thanh tích hợp sẵn mà không cần quy trình riêng
• Đang xây dựng trên hạ tầng mã nguồn mở và cần sự tương thích

Bạn có thể thích các lựa chọn khác nếu:

• Cần giao diện SaaS trau chuốt, không phải thiết lập kỹ thuật (hãy thử Runway hoặc ứng dụng phổ thông của Kling)
• Muốn hỗ trợ doanh nghiệp bài bản, SLA và quản lý tài khoản (Runway, Veo API)
• Cần tạo video dùng được ngay bây giờ, không chờ phát hành trọng số đầy đủ
• Cần các định dạng, phong cách hoặc tích hợp có sẵn trong những nền tảng đã hoàn thiện

Với đa số nhà sáng tạo và nhà phát triển theo dõi mảng video AI, câu trả lời là: theo dõi sát đợt phát hành và lên kế hoạch thử ngay ngày trọng số được công bố.

---

Những hạn chế của HappyHorse 1.0 là gì?

Để có bức tranh đầy đủ, đây là một số hạn chế cần nói thẳng:

Chưa mở công khai. Trọng số chưa ra mắt. Truy cập demo phải qua danh sách chờ. Nếu bạn cần tạo video ngay hôm nay, bạn sẽ cần một công cụ khác trong thời gian chờ.

Yêu cầu tính toán cao. Chạy suy luận 1080p cần tài nguyên GPU lớn. GPU phổ thông (hạng RTX 4090) có thể chạy được độ phân giải thấp hơn, nhưng 1080p nhiều khả năng cần phần cứng cỡ A100/H100. Điều này giới hạn việc tự vận hành cục bộ đúng nghĩa ở các phòng thí nghiệm và doanh nghiệp có nguồn lực mạnh.

Âm thanh mạnh nhưng chưa áp đảo. Hạng mục "có âm thanh" xếp nó thứ 2 chứ không phải thứ 1. Với các trường hợp mà chất lượng âm thanh là ưu tiên hàng đầu, những quy trình chuyên biệt ưu tiên âm thanh vẫn nhỉnh hơn.

Tài liệu và công cụ còn hạn chế. Vì còn quá mới, hệ sinh thái xung quanh HappyHorse, như ControlNet, adapter LoRA, các bản tinh chỉnh của cộng đồng, hướng dẫn tích hợp, chưa tồn tại. Hãy cho hệ sinh thái 3–6 tháng để trưởng thành.

Đội ngũ nhỏ. Future Life Lab được mô tả là "kín tiếng nhưng cực kỳ giỏi". Điều đó tốt cho chất lượng; nhưng có thể là hạn chế về hỗ trợ, tài liệu và tốc độ ra tính năng so với các nhóm lớn hơn nhiều của Runway hay Google.

---

Bối cảnh ngành: vì sao HappyHorse quan trọng ngay lúc này

Tháng 4/2026 là một thời điểm đặc biệt thú vị của video AI. Ba diễn biến lớn đang hội tụ:

OpenAI rút lui khỏi Sora. OpenAI ngừng ứng dụng Sora dành cho người dùng phổ thông, viện dẫn chi phí tính toán và việc chuyển hướng chiến lược sang công cụ lập trình và AGI. Một người dẫn đầu cũ của hạng mục lùi lại tạo ra khoảng trống mà HappyHorse ở vị thế hoàn hảo để lấp, cả về thị phần lẫn vị trí trong tâm trí người dùng.

ByteDance tạm dừng Seedance. ByteDance buộc phải tạm dừng đợt triển khai rộng hơn của Seedance 2.0 sau các tranh chấp bản quyền với Disney, Netflix và các hãng phim lớn. Thêm một đối thủ bị gạt sang bên đúng vào thời điểm tệ nhất.

Thời điểm mã nguồn mở. Khi hai mô hình gây chú ý nhất trong lĩnh vực hoặc đang rút lui hoặc đang tạm dừng, HappyHorse xuất hiện như một lựa chọn mở, chất lượng cao, không vướng rào cản bản quyền ở chính mô hình. Thời điểm này, dù cố ý hay không, thật xuất sắc.

Alibaba từng tích hợp các mô hình AI của mình vào sản phẩm thương mại điện tử, quảng cáo và giải trí của chính họ. Nếu HappyHorse đi theo mô thức đó, nó rốt cuộc có thể vận hành quảng cáo video sản phẩm trên Taobao, các dịch vụ video của Alibaba Cloud và hơn thế nữa. Việc phát hành mã nguồn mở có thể là bước xây dựng cộng đồng, đồng thời đặt Alibaba vào vị trí lớp nền tảng cho thế hệ ứng dụng video tiếp theo.

---

Nhận định của chúng tôi: HappyHorse 1.0 có thật sự là số 1 mới?

Có, xét trên những benchmark quan trọng thì đúng vậy. Bảng xếp hạng Elo bình chọn mù của Artificial Analysis là tín hiệu chất lượng đáng tin cậy nhất trong mảng video AI, và HappyHorse 1.0 dẫn đầu ở cả text to video lẫn image to video tính đến tháng 4/2026. Khoảng cách này không phải may mắn; nó phản ánh lợi thế kiến trúc thực sự về tạo âm thanh - video thống nhất và suy luận tối ưu.

Nhưng có những lưu ý quan trọng. Mô hình chưa phát hành đầy đủ. Hệ sinh thái còn phôi thai. Yêu cầu tính toán cao. Với người dùng cần thứ chạy được ngay hôm nay, có giao diện trau chuốt và hỗ trợ doanh nghiệp, Kling, Runway hay Veo vẫn là lựa chọn thực tế.

Khuyến nghị của chúng tôi:

• Nhà phát triển và nhà nghiên cứu: hãy đặt HappyHorse đầu danh sách theo dõi và lên kế hoạch thử ngay khi trọng số được công bố. Đây là bản phát hành mô hình video mã nguồn mở quan trọng nhất kể từ khi hạng mục này ra đời.
• Nhà sáng tạo nội dung: hãy theo dõi danh sách chờ và xem các hướng dẫn của cộng đồng trong 2–4 tuần tới. Khi hệ sinh thái trưởng thành thêm một chút, đây sẽ là ứng viên đáng gờm cho quy trình làm việc của bạn.
• Doanh nghiệp: hãy đánh giá khả năng triển khai riêng tư ngay khi điều khoản giấy phép được xác nhận. Chỉ riêng tiềm năng tự vận hành đã đủ biện minh cho một chu kỳ đánh giá.

Danh hiệu "số 1 mới" là có thật. Việc nó có giữ được vị trí số 1 hay không phụ thuộc vào những gì tiếp theo: từ lộ trình của Alibaba, từ lớp tinh chỉnh của cộng đồng, và từ các đối thủ chắc chắn đang tăng ca để đáp trả. Nhưng ngay lúc này, tháng 4/2026, HappyHorse 1.0 là mô hình tạo video ấn tượng nhất hiện có, dù mở hay đóng. Và lần đầu tiên, mô hình đứng số 1 lại là mô hình bạn có thể tự chạy.

---

Câu hỏi thường gặp về HappyHorse AI

HappyHorse AI là gì và ai tạo ra nó?

HappyHorse AI là mô hình tạo video AI mã nguồn mở 15 tỷ tham số do Future Life Lab của Alibaba (Taotian Group) phát triển, dưới sự dẫn dắt của Zhang Di, cựu phó chủ tịch Kuaishou và người đứng đầu Kling AI. Mô hình tạo video 1080p với âm thanh đồng bộ gốc từ prompt văn bản hoặc hình ảnh, và hiện đứng số 1 trên Artificial Analysis Video Arena ở cả hai hạng mục text to video và image to video.

HappyHorse 1.0 có miễn phí không?

Nhóm đang phát hành HappyHorse 1.0 dưới dạng mã nguồn mở, với trọng số mở và mã suy luận mở. Khi bản phát hành đầy đủ ra mắt, bạn sẽ có thể tải về và chạy mô hình mà không mất phí theo từng video, tuy nhiên bạn cần tài nguyên GPU lớn (cỡ A100 hoặc H100 cho 1080p). Bản demo trên máy chủ cũng có tại happyhorse-ai.com, nhưng phải qua danh sách chờ.

HappyHorse so với Kling 3.0 thế nào?

HappyHorse 1.0 dẫn trước Kling 3.0 Pro khoảng 90 điểm Elo về chất lượng text to video trên bảng xếp hạng Artificial Analysis. Cả hai đều hỗ trợ 1080p. Các điểm khác biệt then chốt: HappyHorse dùng kiến trúc âm thanh - video thống nhất (không có mô hình âm thanh riêng), và là mã nguồn mở hoàn toàn, còn Kling vẫn đóng và độc quyền. Đáng chú ý, HappyHorse do Zhang Di dẫn dắt, chính là người đã xây dựng Kling.

Khi nào trọng số HappyHorse được công bố?

Tính đến ngày 11/4/2026, trọng số mô hình chưa công khai. Nhóm xác nhận sẽ phát hành trên HuggingFace và GitHub. Dựa trên các báo cáo của cộng đồng và nhịp độ của thông báo, đa số người theo dõi kỳ vọng bản phát hành đầy đủ trong vòng vài ngày đến vài tuần.

Cần GPU nào để chạy HappyHorse 1.0 trên máy cục bộ?

Yêu cầu ước tính dựa trên thông số đã công bố: một H100 hoặc A100 (80GB) để tạo 1080p (~38 giây mỗi clip). Độ phân giải thấp hơn như 256p có thể chạy được trên một A100. GPU phổ thông có thể chạy suy luận độ phân giải thấp khi cộng đồng bắt đầu tối ưu hóa. Yêu cầu hệ thống chính xác sẽ được xác nhận khi phát hành mã nguồn mở đầy đủ.

Vì sao HappyHorse ra mắt ẩn danh?

Nhóm chọn ra mắt mô hình trên Artificial Analysis mà không kèm danh tính thương hiệu, để chất lượng lên tiếng trước danh tính. Cách làm này ngày càng phổ biến trong benchmark AI cạnh tranh: nó loại bỏ "hiệu ứng hào quang" (halo effect) của một thương hiệu quen thuộc ảnh hưởng đến phiếu bầu của người dùng, khiến điểm Elo là tín hiệu thuần khiết hơn về chất lượng mô hình. Chiến lược này thu hút sự chú ý lớn của truyền thông và cộng đồng.

---

Hãy tự thử các công cụ video AI hàng đầu: khám phá tạo video AI từ văn bản và tạo video từ ảnh trên veo3ai.io. Chúng tôi cập nhật những diễn biến mới nhất của video AI ngay khi chúng xảy ra.