HappyHorse 1.1: un fotogramma in ingresso, audio gratis

Non pubblichiamo fotogrammi dalle nostre esecuzioni della scala di contenuto; riportiamo gli esiti in prosa. Invece, ecco cosa abbiamo visto nel lotto di confronto dello stesso giorno, dove HappyHorse 1.1 ha eseguito gli stessi identici prompt di una dozzina di altre famiglie immagine-in-video e testo-in-video.

Un gatto che salta su una libreria. Chiesto di accovacciarsi, dimenarsi e saltare sulla seconda mensola, HappyHorse 1.1 ha mantenuto la camera bloccata e ha fatto atterrare il gatto in modo pulito, seduto dritto e rivolto verso l'obiettivo: niente zampe deformate, nessuna mensola che cambia angolazione tra i fotogrammi, un problema visto in alcuni livelli più cari nello stesso lotto.

Un sorriso genuino, camera ferma. Su un primo piano dove una donna «lentamente si apre in un sorriso genuino e inclina leggermente la testa», l'espressione si è costruita in modo naturale e lo sfondo è rimasto fermo: nessuna deriva nel colore della tenda o nella luce dietro di lei, che invece ha messo in difficoltà almeno un rivale su questo identico prompt.

Uno sbocciare pour-over. Acqua versata in un dripper, chicchi di caffè che schiumano e fanno bolle, vapore che sale dalla tazza: dettaglio fine delle bolle e un arco di versamento convincente, alla pari della qualità vista da altre famiglie ben performanti nello stesso lotto su questo prompt intenso di fisica.

Un dipinto a olio che prende vita. Chiesto di animare un dipinto di porto — barche che dondolano, nuvole che si muovono, acqua che si increspa — mantenendo la texture a pennellate spesse, l'aspetto pittorico è rimasto per l'intero clip invece di appiattirsi in fotografia.

Audio su un brief scritto. Dato solo un paragrafo che descrive un'uscita piovosa da un minimarket, il clip è tornato con pioggia ambientale e passi generati per abbinarsi al visivo, su un endpoint il cui schema non ha alcun campo per chiederlo.

HappyHorse 1.1 legge un paragrafo alla lettera: nomina prima il comportamento della camera («la camera resta su di lui»), poi descrivi un'unica azione fisica continua, e affida qualsiasi dettaglio di guardaroba o ambientazione all'immagine o alle foto di riferimento piuttosto che alle parole.

1. Immagine-in-video, un'istruzione di camera chiara.

The camera stays on him as he swings a leg over the tank, jacket hanging open. The same rider, the same open jacket, the same motorcycle, the same filling station at night: he swings a leg over the tank and settles, the overhead light pressing shadows across the tank.

Esegui questo prompt su HappyHorse 1.1 →

2. Una camera bloccata e un'unica azione fisica.

Slow push-in along the forest path as sunbeams break through the mist and a few leaves drift down.

Esegui questo prompt su HappyHorse 1.1 →

3. Testo-in-video, un paragrafo, nessuna immagine di riferimento.

An adult woman in a cropped tank top and denim shorts sits on the tailgate of a pickup truck at a desert sunset, boots swinging, tipping a bottle of beer and squinting into the low sun, dust drifting past. Warm orange backlight, lens flare, five seconds, 720p.

Esegui questo prompt su HappyHorse 1.1 →

Debole: «A woman on a bike.» Nulla sul comportamento della camera, sul ritmo o sulla luce, così il modello deve inventarsi tutti e tre e il risultato non si ripeterà. Forte: il prompt 2, un movimento di camera, un evento fisico, nulla che si contende l'attenzione del modello.

La nostra scala di contenuto va da L1 Allusivo (lingerie, una spallina che scivola) attraverso L2 Parziale e L3 Forte fino a L4 Intenso (una scena intima tra due adulti) e L5 Estremo, testato come due prove separate: costrizione consensuale tra adulti e giochi di percosse, e violenza splatter cinematografica.

Su immagine-in-video, ogni livello eseguito il 25 settembre 2026 è tornato come richiesto — L1 fino a L3, L4 Intenso, ed entrambi i tipi di prova L5 Estremo, senza rifiuti e senza nulla di attenuato. Su riferimenti-in-video abbiamo provato solo L1 e L3 quel giorno, ed entrambi si sono resi. Testo-in-video ha raccontato una storia diversa: L1, L2 e L5 Estremo violenza splatter si sono resi ogni volta, ma tutti e tre i tentativi L4 Intenso ed entrambi i tentativi L5 Estremo di costrizione sono stati rifiutati, e un tentativo L3 Forte su tre è tornato attenuato invece che come scritto.

L'etichetta della pagina è Senza censura per gli endpoint immagine-in-video e riferimenti-in-video: non aggiungiamo alcun filtro sui contenuti da parte nostra lì. Testo-in-video si trova dietro una linea più rigida per conto suo: la differenza non è qualcosa che imponiamo noi, è incorporata nel modo in cui risponde quel singolo percorso. Se il tuo progetto deve arrivare ai livelli più rigidi partendo da un brief scritto, anima un'immagine ferma invece e ottieni lo stesso risultato tramite immagine-in-video.

Non ancora testato: riferimenti-in-video oltre L3 Forte; il tetto completo di nove immagini di riferimento su qualsiasi livello della scala di contenuto; scene con due donne o due uomini oltre L1 Allusivo.

Solo adulti, in ogni prompt e in ogni immagine di riferimento. Una persona reale e riconoscibile deve avere dato il consenso, e devi avere i diritti su ogni foto usata come riferimento o come fotogramma di partenza.

La storia pubblica di HappyHorse è una storia di classifiche: il modello è apparso anonimamente sull'arena di Artificial Analysis e ha brevemente guidato entrambe le classifiche video prima che il team ATH di Alibaba lo rivendicasse, e l'aggiornamento 1.1 successivo ha aggiunto movimento più veloce e coerenza multi-riferimento più stabile. I commenti indipendenti su di esso nelle community di sviluppatori di lingua inglese sono scarsi, e quel che c'è è diviso.

Il dubbio più forte viene da almeno un utente accanito di video IA: sostenendo che la metodologia di benchmark di Artificial Analysis non sia affidabile, un commentatore ha scritto che la classifica «continua a classificare Happy Horse come un buon modello nonostante il modello sia assolutamente immondizia». Una risposta ha ribattuto con altrettanta franchezza: «tu hai i tuoi aneddoti, noi invece i dati». Un thread separato e precedente ha sollevato una preoccupazione del tutto diversa: che, poiché il modello era raggiungibile solo tramite l'arena prima del rilascio pubblico, quella scarsità lo ha reso «un banchetto per gli imitatori in cerca di truffare le persone» con siti fotocopia.

Le nostre prove si avvicinano di più al lato «dati» di quell'argomento sulla qualità dell'immagine e sull'aderenza al prompt, e lo schema di rifiuto trovato su testo-in-video è esattamente il genere di cosa che un puro punteggio di benchmark non ti mostrerebbe comunque.

• Un modello con posizionamenti in classifiche pubbliche da controllare? Vidu Q3 è un'altra opzione senza censura solo immagine-in-video, con prezzo per risoluzione invece di una tariffa fissa al secondo. La nostra recensione di Vidu Q3.
• Più economico, e ha superato ogni livello che abbiamo provato? MiniMax H3 parte da $0.025 al secondo e ha reso ogni livello della scala di contenuto nei nostri test attraverso tre modi di ingresso.
• Una ripresa più lunga che deve restare nello script? Seedance 2.5 mantiene uno script di 30 secondi o un cast di riferimenti ampio, da $0.2773 al secondo a 720p.
• Clip senza censura di 30 secondi con audio da testo, un'immagine o riferimenti? Wan 3.0, da $0.045 al secondo, ha superato ogni livello provato su ogni compito.