HappyHorse tritt im Pferderennen gegen Wan3.0 an, wer ist die Alibaba-Version von Seedance?

Am 24. August, nach der Bekanntgabe des Abschlusses einer Platzierungsfinanzierung von rund 10,2 Milliarden US-Dollar (80 Milliarden Hongkong-Dollar), ging Alis neueste Generation von Videogenerierungsmodell Wan 3.0 nach fast 20 Tagen öffentlicher Testphase vollständig online.

Offizielle Informationen zufolge kann Wan 3.0 einmalig 30 Sekunden Video erzeugen, wobei die Dauer im Vergleich zur Vorgängergeneration verdoppelt wurde. Gleichzeitig unterstützt es erstmals die Eingabe von Dokumentformaten wie doc, xls, ppt, pdf, md usw. Das bedeutet, es ist nicht mehr nur ein herkömmliches Werkzeug für „Text-zu-Video“, sondern verfolgt das größere Ziel, ein Werkzeug zur direkten Verarbeitung von Dokumenten und zur Erzeugung von Inhalten auf Unternehmensebene zu sein. Aus der Sicht der Produktform versucht Alibaba, Wan 3.0 in klarere kommerzielle Szenarien zu bringen.

Auf der Rangliste der KI-Bewertungsplattform Artificial Analysis nimmt Alibaba unter den 15 großen Top-Modellen für Text-zu-Video zwei Plätze mit Wan und HappyHorse ein.

Darüber hinaus deckt Wan 3.0 fast alle vorhandenen Fähigkeiten von HappyHorse ab: 30-Sekunden-Generierung, multimodale Referenz, nativer Ton, Konsistenz von Charakteren – jedes Merkmal dringt in das traditionelle Einsatzgebiet des letzteren ein. Noch subtiler ist, dass die beiden Modelle auf derselben Bailian-Plattform mit unterschiedlichen Preisen um dieselbe Kundengruppe konkurrieren: Für 720P-Videos kostet Wan 3.0 0,6 Yuan pro Sekunde, HappyHorse 1.1 hingegen 0,9 Yuan pro Sekunde.

Ein Unternehmen, zwei Videomodelle, die auf derselben Rennstrecke parallel laufen: Der Wettbewerb von Alibaba im Bereich der Videogenerierung beschleunigt sich weiter.

Nach der Zusammenlegung zweier Teams: Weiter das „Pferderennen“-Mechanismus?

Als Wan 3.0 die öffentliche Testphase startete, erlebte das dahinterstehende Team von Tongyi Wanxiang eine neue Runde der Integration innerhalb von Alibaba.

Tongyi Wanxiang ist ein etabliertes multimodales Team im Alibaba-System, das von Liu Yu, der 2015 zu Alibaba stieß, von Grund auf aufgebaut wurde. Vor Wan 3.0 hat Wanxiang bereits mehrere Versionen von Wan 2.1 bis Wan 2.7 iteriert und ist die früheste Kraft von Alibaba im Bereich der Bild- und Videogenerierung, hat aber in der Branche nur mittelmäßige Resonanz hervorgerufen.

Auf der anderen Seite ist die Geschichte von HappyHorse komplizierter. Im April 2026 tauchte HappyHorse anonym auf der globalen KI-Blindtest-Plattform Artificial Analysis auf, belegte den ersten Platz auf beiden Ranglisten und wurde schließlich von Alibaba übernommen. Das Projekt HappyHorse stammt ursprünglich aus der technischen Abteilung von Alibaba Taotian, durchlief mehrere Umstellungen in der internen Organisationsstruktur von Alibaba und wurde schließlich der KI-Innovationsabteilung unter dem Geschäftsbereich ATH (Alibaba Token Hub) zugeordnet.

Der Veröffentlichungszeitpunkt von Wan 3.0 ist sehr subtil: Er fällt in ein besonderes Fenster der „Eingliederung“ des Teams und der Anpassung der Konzernorganisationsstruktur. Am 8. Juni dieses Jahres gründete Alibaba die Token Foundry-Abteilung, die aus der Zusammenlegung der beiden Kernbereiche Tongyi Large Model Division und Future Life Lab besteht. Ersteres dient als technische Basis für die meisten KI-Produkte von Alibaba und ist hauptsächlich für die Forschung und Iteration des Qwen-Großmodells verantwortlich, während Letzteres hauptsächlich für die Umsetzung und Kommerzialisierung von KI-Anwendungen zuständig ist.

Nur einen Monat später, am 16. Juli, wurde das Team von Tongyi Wanxiang offiziell in das Future Life Lab unter der Leitung von Alibaba-Vizepräsident Zhang Di eingegliedert – das ist genau das Forschungs- und Entwicklungsteam von HappyHorse.

Damit gehören alle drei multimodalen Modelle der Alibaba-Gruppe – das Text-zu-Bild- und Videomodell Wanxiang (neueste Version Wan 3.0), das Videogenerierungsmodell HappyHorse und das Weltmodell HappyOyster – unter die Leitung von Zhang Di.

Bildunterschrift: Die Token Foundry-Abteilung von Alibaba

Die Token Foundry-Abteilung positioniert sich als „Modellfabrik“ von Alibaba, die dafür verantwortlich ist, Modelfähigkeiten in umsetzbare Produkte und Dienstleistungen umzuwandeln.

Die Architektur ist bereits zusammengefasst, aber die Teams sind noch nicht vollständig integriert. Einem Mitarbeiter von Alibaba zufolge, der gegenüber Tech Planet enthüllte, ist das Wan 3.0-Team kürzlich vom Cloud Valley-Bürobereich von Alibaba zum Xixi-Campus umgezogen, aber die Geschäfte beider Seiten sind noch nicht vollständig zusammengelegt und werden getrennt vorangetrieben. Bei dem Training von HappyHorse 1.2 haben die beiden Teams bereits begonnen, zusammenzuarbeiten.

Laut Berichten von Yiyu Observation führt Alibaba intern nicht nur das Bürosystem von Qwen zusammen, sondern stellt auch die Zusammenlegung von Wan und HappyHorse auf die Tagesordnung. Mit hoher Wahrscheinlichkeit wird HappyHorse künftig die Hauptrolle spielen – man hat aber nicht erwartet, dass Alibaba davor noch den „Pferderennen“-Mechanismus durchführt.

Aus funktionaler Sicht deckt Wan 3.0 fast alle vorhandenen Fähigkeiten von HappyHorse ab: 30-Sekunden-Generierung, multimodale Referenz, nativer Ton, Konsistenz von Charakteren und Szenen, Videobearbeitung – fast jedes Merkmal dringt in das traditionelle Einsatzgebiet von HappyHorse ein.

Darüber hinaus ist Wan 3.0 preiswerter: 720P-Videos kosten 0,6 Yuan pro Sekunde, während HappyHorse 1.1 0,9 Yuan pro Sekunde kostet. Einem Vertreter von Alibaba Cloud zufolge richten sich beide hauptsächlich an E-Commerce-Kunden, und es fällt ihnen schwer, den Marktanteil von Seedance im Bereich kurzer Dramen und animierter Serien zu erschüttern. Beim tatsächlichen Verkauf empfehlen sie Kunden vorrangig Wan 3.0.

Das bedeutet auch, dass Alibaba nicht nur zwei Videomodelle mit stark überlappenden Funktionen gleichzeitig pflegt, sondern sie auch auf derselben Bailian-Plattform mit unterschiedlichen Preisen um dieselbe Kundengruppe konkurrieren lässt. Ähnliche Funktionen, zwei verschiedene Modellprodukte – das ist bei anderen großen Technologieunternehmen unüblich: Zum Beispiel ist die Schnittstelle für das multimodale Großmodell von ByteDance einheitlich Seedance, bei Kuaishou ist es Kling.

Im Kontext der KI gibt es bei allen großen Technologieunternehmen das „Pferderennen“-Phänomen. Mit der Verlagerung strategischer Ziele ist die Integration mehrerer Produkte zur Normalität geworden – zum Beispiel hat Doubao bereits Feishu, TRAE und Kouzi integriert. Es besteht auch die Möglichkeit, dass HappyHorse und Wan künftig zu einer einheitlichen Schnittstelle zusammengefasst werden.

Wer kann das Seedance von Alibaba werden?

Nach der Veröffentlichung von Seedance 2.0 wird jede Veröffentlichung eines neuen Videomodells mit großen Erwartungen belegt: Kann es das Marktgefüge durch sein gutes Preis-Leistungs-Verhältnis verändern?

HappyHorse entstand genau im April, als Seedance 2.0 die größte Aufmerksamkeit erlangte, und wird von Zhang Di, dem ehemaligen „Vater von Kling“, geleitet. Es wurde einst von der Außenwelt als Alibaba-eigenes Seedance angesehen. Allerdings folgt die Aufmerksamkeitskurve von HappyHorse einem typischen Muster von „hohem Anfang und flachem Abfall“: Als es anonym die Rangliste anführte, erweckte es große Spannung und Erwartungen, aber nach dem Start der Grautestphase konnte die tatsächliche Erfahrung die Erwartungen nicht übertreffen.

Die harte Stärke von HappyHorse ist nicht schlecht: Mit 15 Milliarden Parametern, fast dreimal so viel wie Seedance, unterstützt es 15-Sekunden-Erzählungen mit mehreren Aufnahmen, Anpassung an verschiedene Bildformate und 1080P-Super-Resolution-Ausgabe. Aber die Anzahl der Parameter repräsentiert nicht vollständig die Qualität der Modelfähigkeiten. Im Vergleich zu Kuaishou und ByteDance, die über riesige Inhaltsplattformen und Ökosysteme von Erstellern verfügen, wird HappyHorse mit seinem E-Commerce-Herkunftshintergrund in vielen nachfolgenden Branchentests als besser angepasst für E-Commerce-Szenarien eingestuft.

Ein Praktiker für kurze Dramen erzählte Tech Planet, dass die Gesichtsqualität der Charaktere von HappyHorse noch deutliche Mängel aufweist: Übermäßige Weichzeichnung, unnatürliche Hauttextur, die Bilder geraten in komplexen Aufnahmen leicht außer Kontrolle und können die Anforderungen an die Herstellung hochwertiger kurzer Dramen nicht erfüllen. Im Vergleich dazu zeigte er ein selbst erstelltes Szenario für eine Teeernte-Werbung, wo das Ergebnis viel besser ausfiel.

Seiner Meinung nach nimmt HappyHorse im Grunde den Markt von Vidu ein – dem KI-Videomodell unter Shengshu Technology. Im April dieses Jahres erhielt Shengshu Technology eine 300-Millionen-Dollar-Finanzierung unter der Führung von Alibaba. Aus der zeitlichen Perspektive plante Vidu ursprünglich, das Referenz-Videogenerierungsmodell im vierten Quartal zu veröffentlichen, kurz darauf ging HappyHorse online. Seiner Meinung nach haben HappyHorse und Vidu das gemeinsame Merkmal der übermäßigen Weichzeichnung, und sie eignen sich besser für die Erstellung von Animationsszenarien als für echte kurze Dramen.

Das ist kein Einzelfall: Guolian Minsheng Securities hat auch die Stärken und Schwächen von HappyHorse aufgelistet: Es hat einen hohen Fertigstellungsgrad in Bezug auf Umfangsreichtum, räumliche Schichtung, Materialtextur und Bildfülle. Aber wenn die Komplexität der Handlung steigt, neigt das Modell dazu, Probleme wie unzureichendes Verständnis der Handlung, Verwechslung der Gliedmaßenbeziehungen und verringerte Kohärenz aufzuweisen.

Vor der Einführung von HappyHorse war die Präsenz der Wan-Serie nicht sehr hoch. Das liegt daran, dass die Kernaufgabe der Wan-Serie früher darin bestand, die technische Basis und das Open-Source-Ökosystem aufzubauen. Bei Wan 3.0 wurde die bisherige Open-Source-Tradition nicht fortgesetzt, sondern die Modellgewichte wurden geschlossen. Das bedeutet, es ist nicht mehr ein „technischer Missionar“ für die Entwicklergemeinde, sondern geht direkt den Weg der kommerziellen Verwertung.

Die wachsende Aufmerksamkeit von Wan 3.0 kommt auch daher, dass es bei den Produktfähigkeiten eine „pixelgenaue Ausrichtung“ an HappyHorse vorgenommen hat. Darüber hinaus wird Wan 3.0 mit niedrigeren Preisen (0,6 Yuan pro Sekunde) und einer klareren kommerziellen Ausrichtung (Dokument-zu-Video) auf den Markt gebracht, sodass die Popularität von HappyHorse in Branchendiskussionen schnell von dem eigenen Produkt überdeckt wird.

Der oben genannte Praktiker kam nach dem Vergleich zu dem Ergebnis, dass Wan 3.0 etwas feiner ist als HappyHorse: „Derzeit wirkt es so, als erreiche es fast das Niveau von Seedance 2.0.“ Allerdings wies er auch darauf hin: „Die Darstellung der Charaktere in Wan 3.0 wirkt wie gespielt – man kann erkennen, dass es mit vielen Fernsehwerkmaterialien trainiert wurde.“

Laut der Funktionsbeschreibung von Wan 3.0 kann es einmalig 30 Sekunden Video erzeugen und unterstützt erstmals die Eingabe von Dokumentformaten wie doc, xls, ppt, pdf, md usw.

Zu der Funktion der direkten Videogenerierung aus Dokumenten sagte der Praktiker, dass diese Funktion sehr praktisch ist, aber die Genauigkeit nicht so gut ist wie bei manueller Erstellung. Als Beispiel nannte er, dass bei der Erzeugung von Bildern mit Texten unleserliche Zeichen auftauchen können: Wenn man zum Beispiel eine auf dem Tisch ausgebreitete Zeitung erzeugt, weist der Text auf der Zeitung unleserliche Zeichen auf. Aber der niedrigere Preis als bei Seedance bleibt der entscheidende Grund für viele Nutzer, es zu wählen. Nach umfassendem Vergleich kam er zu dem Urteil, dass die Leistung von Wan 3.0 viel besser ist als die von HappyHorse 1.1.

Bildunterschrift: Screenshot der Weboberfläche von Qwen Creation

Darüber hinaus geht aus der offiziellen Einführung von Wan 3.0 und HappyHorse 1.0 durch Qwen hervor, dass sowohl Wan 2.7 als auch Wan 3.0 näher an den Einsatzszenarien von Fernsehwerken und kurzen Dramen ausgerichtet sind, und Wan 3.0 wird als das stärkste Videomodell von Alibaba definiert.

Alibaba wartet auf ein wirklich erfolgreiches Hit-Produkt

Auf der Telefonkonferenz zum vierten Quartal des Geschäftsjahres 2026 von Alibaba im Mai dieses Jahres erwähnte das Management bei der Erläuterung der strategischen Vorteile mehrerer Modelle zweimal die Videomodelle: Erstens gehören zu den Einnahmen aus selbst entwickelten Modellen auf der Bailian-Plattform die Einnahmen aus dem Qwen-Basismodell, dem Sprachmodell und dem Videomodell usw. Zweitens nannte das Management bei der Auflistung der Modelllayouts von Alibaba in mehreren Bereichen direkt die spezifischen Produktnamen der Videomodelle, darunter die beiden Produkte Wanxiang und HappyHorse.

Das bedeutet auch, dass der Wettbewerb zwischen den beiden Produkten nicht mehr nur ein Wettbewerb technischer Routen ist, sondern ein paralleles Testen zweier kommerzieller Wege.

Im August dann, auf der Telefonkonferenz zum ersten Quartal des Geschäftsjahres 2027 von Alibaba, wurden die Videomodelle in einen umfassenderen narrativen Rahmen gestellt. Das Management erklärte: „Die kürzlich nacheinander veröffentlichten fortschrittlichen Modelle für Sprache, Programmierung, Video, Stimme, Bild und Musik gehören alle zur ersten Leistungsliga.“

Aus der Sicht eines Cloud-Vertreters fehlt Alibaba sowohl bei Basismodellen als auch bei Videomodellen ein wirklich erfolgreiches Hit-Produkt. „DeepSeek hat V4, Kimi hat K3, aber Alibaba hat bis heute kein Produkt, das die Massenaufmerksamkeit erregt.“ sagte er. Obwohl Alibaba die beiden Karten Wan und HappyHorse in der Hand hält, fehlt ihm immer noch ein so dominantes Produkt wie Seedance von ByteDance oder Kling von Kuaishou – das letztere ist bereits vom Markt als Maßstab für harte Wettbewerbe bestätigt worden.

Dem oben genannten Vertreter zufolge ist die Entscheidungskette von Alibaba im B2B-Bereich relativ lang, sodass es noch Raum für Verbesserungen bei der Reaktionsgeschwindigkeit und dem Tempo der Produktumsetzung gibt. Das ist auch eine allgemeine Herausforderung für große Internet-Technologieunternehmen.

Darüber hinaus verstärkt Alibaba im E-Commerce-Bereich derzeit die Förderung des KI-E-Commerce-Produkts „Huiwa“, das bereits 2024 online ging.

Derzeit können die drei Produkte Wan 3.0, HappyHorse und Huiwa im E-Commerce-Szenario alle Funktionen wie Bild-zu-Video realisieren