《科创板日报》10日讯，阿里AI视频大模型HappyHorse预计一周后对外发布。该模型已内部上架阿里百炼平台。4月8日，HappyHorse1.0以1333 Elo分登顶Artificial Analysis视频竞技场排行榜，对OVI 1.1胜率达80%，对LTX 2.3胜率为60.9%，成为全球排名最高的开源视频生成模型。（记者 黄心怡）

2026年4月，神秘AI模型HappyHorse-1.0悄然登顶Artificial Analysis的AI Video Arena排行榜，力压Seedance 2.0和可灵等知名模型。其在文本转视频（无音频）赛道Elo分数达1375，领先第二名约100分；图像转视频赛道更以1409分刷新历史纪录，并在有音频赛道拿下全球第一。HappyHorse-1.0采用40层单流Transformer架构，支持音视频同步生成，仅需8步去噪即可输出1080P视频，推理速度大幅提升。据传，该模型由阿里淘天集团未来生活实验室研发，团队负责人张迪曾任职快手、哔哩哔哩，拥有丰富的大模型研发经验。目前模型尚未正式发布，预计将于4月10日揭晓，且可能完全开源。

4月3日，阿里发布全新升级的Wan2.7-Video视频生成模型。该模型涵盖文生视频、图生视频、参考生视频和视频编辑四大功能，将AI能力从单一素材生成扩展至创作全链路，为用户提供更全面的视频生成与编辑支持。这一升级进一步提升了AI在多媒体创作领域的应用潜力，展现了技术的新鲜性与实用性。

2026年3月，阿里云百炼平台正式上线全球领先的AI视频生成模型PixVerse V5.6，成为首批引入的三方视频生成模型。此次合作标志着PixVerse从技术领先迈向商业应用的关键一步，并提供文生视频、图文生视频等多种创作模式，支持按需按时长计费，降低高质量视频制作门槛。PixVerse V5.6在复杂运动场景中表现优异，具备精准的镜头语言理解能力，音画同步达到商业交付标准。依托阿里云的算力底座与全球化分发能力，PixVerse赋能电商营销、泛娱乐内容及短漫剧创作等行业，推动AI视频工业化生产。未来，PixVerse V6模型也将发布，进一步拓展视频生成边界。

2月14日，字节跳动发布新一代视频生成模型Seedance 2.0，获央视财经点赞，称其“改变电影制作生态，让中国AI技术惊艳世界”。该模型采用多模态音视频联合生成架构，支持文字、图片、音频、视频混合输入，内置“导演脑”，可自主设计分镜，精准还原复杂脚本，保持主体一致性。其物理动态与光影效果逼近实拍，画面可用率达业界顶尖水平，支持多种风格一键生成高清商用视频。《黑神话：悟空》制作人冯骥评价其为“当前地表最强视频生成模型”，认为将颠覆游戏CG制作流程。国外反响热烈，马斯克称“发展太快”，美国导演感叹“好莱坞要被AI颠覆”。

2月12日，豆包视频生成模型Seedance 2.0正式上线，接入豆包App、电脑端及网页版。新模型支持原声音画同步、多镜头长叙事及多模态可控生成，用户只需输入提示词和参考图，即可生成带完整原生音轨的多镜头视频。Seedance 2.0能自动解析叙事逻辑，确保生成的镜头序列在角色、光影、风格与氛围上高度统一，为用户提供更优质的创作体验。

《科创板日报》1月31日讯，可灵AI推出新一代视频生成模型可灵3.0系列，目前处于内测阶段。该系列包括可灵视频3.0、可灵视频3.0 Omni和可灵图片3.0，覆盖图片生成、视频生成、视频编辑及后期处理等影视制作全流程。这一更新标志着AI技术在影视领域的进一步拓展，为内容创作者提供更高效、智能的工具支持。

11月21日，腾讯混元大模型团队宣布开源最新视频生成模型HunyuanVideo 1.5。该模型基于Diffusion Transformer（DiT）架构，参数量为8.3B，是一款轻量级工具，可生成5-10秒高清视频。据悉，这一模型已在“腾讯元宝”平台上线，进一步提升了视频生成的效率与质量。此次开源将为开发者和研究者提供更强大的技术支持，推动视频生成领域的发展。（记者 李佳怡）

美团最新开源的视频生成模型LongCat-Video，以13.6B参数量成为当前开源领域的SOTA（最佳性能）模型。这款模型支持文生视频、图生视频以及视频延长功能，能够生成长达数分钟的高质量视频，画质清晰且物理逻辑逼真。 官方演示中，无论是空中滑板、特效变身，还是第一视角骑行视频，LongCat-V...

10月27日，美团LongCat团队发布并开源LongCat-Video视频生成模型。该模型在文生、图生视频任务上达到开源SOTA水平，支持分钟级长视频连贯生成，保障跨帧时序一致性与物理运动合理性。基于Diffusion Transformer架构，模型通过“条件帧数量”区分任务，原生支持文生、图生及视频续写三大核心功能，形成完整任务闭环。其文生视频可生成720p、30fps高清内容，精准解析文本细节；图生视频严格保留图像属性与风格；视频续写是其核心能力，支持多帧续接长视频内容。依托创新机制，模型可稳定输出5分钟级长视频，无质量损失。项目已开源，详见GitHub与Hugging Face链接。