阿里视频模型赛马遇阻，Wan 与 HappyHorse 合并呼声渐起

阿里旗下通义万相 3.0 与 HappyHorse 1.1 是两套功能高度重叠、定位直接对撞的视频生成模型，目前仍在阿里百炼平台上以不同价格争夺同一批客户。围绕二者是否合流以及由谁主导，阿里内部已展开讨论，更大概率会以 HappyHorse 为主线收编 Wan 体系。

两套视频模型的并行局面

今年 4 月，HappyHorse 以匿名模型身份空降 Artificial Analysis 文生视频、图生视频等多项榜单第一；几天后阿里正式认领这匹"欢乐马"。8 月 6 日，通义万相又推出 Wan 3.0，将单次生成时长从此前的 15 秒拉到 30 秒，并把文生视频、图生视频、参考生视频、视频编辑整合到同一模型中。

两款模型从产品定位到目标用户几乎完全重合：

• 价格：720P 视频 Wan 3.0 每秒 0.6 元，HappyHorse 1.1 每秒 0.9 元；1080P 均为每秒 1.2 元。
• 能力：HappyHorse 曾主打的原生音频、人物一致性与多镜头叙事，正在被 Wan 3.0 吸收；30 秒时长、全模态参考、视频编辑等新能力，又逐一进入 HappyHorse 的传统领地。

换言之，阿里在同一事业部下同时维护两套独立视频模型，使用两套独立的官网、API 与定价体系服务高度重合的用户群。

从差异化到高度重合

Wan 出身通义体系，更接近标准基础模型，强调通用能力、开发者生态与云端 API；HappyHorse 源自原淘天未来生活实验室，更贴近创作者与商业内容生产，主打广告、短剧等场景。两支团队一度可以靠差异化同时存在：基础模型团队拓展能力上限，产品团队负责寻找商业化路径。

但 HappyHorse 并不是调用 Wan 的上层应用，而是一套独立的视频生成模型。Wan 2.7 能做的事情，HappyHorse 1.1 大部分都能做；HappyHorse 的原生音频、人物一致性和多镜头叙事，也逐渐被 Wan 吸收。从 Artificial Analysis 榜单看，二者仍处在相近梯队，差异更像是同一水平线上的路线偏好，而不是足以划分市场、代际区隔的硬差距。

到了 Wan 3.0，原本就不算清晰的边界进一步消失。30 秒生成、全模态参考、原生音频、人物与场景一致性、视频编辑，以及面向短剧、广告和企业内容的应用方向，几乎每一项都覆盖到 HappyHorse 的传统领地。

组织合并之后，模型仍未合流

今年 6 月，阿里将通义大模型事业部和未来生活实验室合并，成立由吴泳铭直接负责的 Token Foundry 事业部，HappyHorse 团队一并进入新部门。调整本身已经说明，阿里意识到基础模型研发与商业场景探索各自为战的问题。

但组织合并并未带来模型合流。6 月下旬 HappyHorse 1.1 发布，一个多月后 Wan 3.0 开启公测，两套模型继续按各自的节奏分别完成数据准备、训练、后训练、评测和推理优化，产品端还要各自维护入口、文档、定价与用户认知。这种并行已经不是用少量资源做多路线探索，而是在最昂贵的模型类别之一上重复"造轮子"。

赛马的边际收益正在递减

更深层的问题在于，无论是 HappyHorse 还是 Wan 3.0，实际上都尚未撼动当前视频生成市场格局。HappyHorse 匿名登顶时的声量并未转化为稳定的市场位置，随着 Seedance、可凌、Kling 以及各类开源视频模型继续迭代，HappyHorse 很快回到追赶者行列；Wan 3.0 补齐了时长、音频、全模态输入与视频编辑，但同样未建立起改变市场认知的决定性优势。

视频模型真正能让用户记住的，往往不是功能列表有多长，而是在哪一件事上明显更好。Wan 3.0 看起来什么都能做，却尚未证明自己在哪一项上不可替代：30 秒视频、原生音频、支持 PDF、PPT、表格和网页输入固然是进步，但若人物运动、长时一致性、镜头理解和指令遵循没有显著领先，新增能力更多只是把产品清单拉长。

价格同样不是独立存在的优势。视频生成的真实成本不只是单次调用价格，而是得到一条可用视频需要尝试多少次。一段 30 秒 1080P 视频按现有定价需 36 元，若反复生成十次才得到可用结果，调用成本就会膨胀到 360 元，还不算筛选、剪辑与修改的时间。对专业用户来说，提高一次成功率远比每秒降价 0.3 元更重要。

在商业闭环尚未稳定之前，让两套模型分别扩展相似功能清单的边际收益只会越来越低。更合理的方式是让 Wan 成为统一的视频基础模型，吸收 HappyHorse 在人物表现、音画协同与商业场景上的积累；HappyHorse 保留为面向创作者的产品品牌，负责工作流、模板和行业方案。底层集中训练一套模型，上层保留多个入口，这比继续赛马更符合现实。