突发，阿里、DeepSeek大动作曝光，行业变天了

（来源：科技头版）

做AI大模型就像在飙车，快一步通吃，慢一步出局。

出品 | 科技头版 作者 | 刘峰

就在今天，中国AI圈爆出两条重磅消息。

一条是几天前以匿名身份空降全球AI视频评测榜榜首的“HappyHorse”终于被正式认领。

阿里巴巴ATH方面表示：“HappyHorse是阿里ATH旗下创新事业部研发的模型，目前正处于内测中，并将于近期开放API。”

另一条是DeepSeek创始人梁文锋被爆出在内部沟通中明确了下一代旗舰大模型DeepSeek V4的发布节奏——计划于4月下旬正式与公众见面。

两件事在同一天发生，纯属巧合，但巧合背后折射出的信息却值得梳理。

匿名模型登顶，“欢乐黑马”终认亲

4月7日，全球权威AI视频盲测平台Artificial Analysis的榜单上，突然出现了一个陌生的名字：HappyHorse-1.0。

模型名称旁边只有一个简单标注——“即将推出”。没有发布会，没有技术博客，没有任何公司为之站台。

它就像一匹突然闯入赛道的黑马，毫无征兆地空降榜首。要知道，在前不久，字节Seedance 2.0才刚刚给大家带来了不小的震撼，没有人会想到这么快就有“新王登基”。

榜单数据很快在行业内炸开了锅。

Artificial Analysis

在文生视频（无音频）赛道，HappyHorse-1.0的Elo得分达到1378分，领先第二名字节跳动Seedance 2.0超过100分；在图生视频（无音频）赛道，1411分的成绩更是直接刷新了该平台的历史纪录。

Artificial Analysis

熟悉Elo评分体系的人都知道，超过60分的差距就意味着稳定优势。而“欢乐马”与第二名的分差，已经大到第二到第十名的总分差加起来都不够填补。

让众多从业者更意外的是，这个匿名模型还在“原生音视频联合生成”上做了文章。

与市面上常见的“视频生成+音频后处理”拼接方案不同，HappyHorse采用统一自注意力Transformer架构，将文本、视频、音频三种模态的token放入同一序列联合建模。

简单说，拼接方案中画面和声音是先后生成的，容易出现口型和声音不同步的问题；而统一建模让声音与画面在生成之初就处于同一语义空间，人物口播时的同步效果明显更自然。

来源：抖音

关键是，这个模型的生成效率也颇为亮眼：单张H800显卡生成一段5秒1080p视频仅需约38秒，较同类模型提升40%以上。模型原生支持英语、普通话、粤语、日语、韩语、德语、法语七种语言的唇形同步。

除了对模型本身的关心，在今天阿里正式认领之后，不少网友还发出了灵魂质问：匿名发布为什么成了新潮流？

就在上个月，小米同样是先在OpenRouter平台低调上线了“Hunter Alpha”匿名模型，随后认领为MiMo-V2-Pro；今年2月还有匿名现身的“Pony Alpha”，最终也被证实为智谱新一代GLM模型。

从客观原因来看，这种做法的好处是显而易见的：

其一，悬念制造话题。一个“谁家的孩子”的猜谜游戏，撬动的讨论热度远超常规发布会；

其二，在没有品牌背书的情况下，产品的真实水平更容易被客观评估。用户的打分和榜单排名不会被开发方的名气所“滤镜”扭曲。

当然，这匹“黑马”的成色到底有多足，还需要4月30日开放API后，接受更广泛用户实测的检验，仅从目前爆出的网络试用视频来看，它的确很强，但还没能彻底颠覆人们对AI生成视频的认知。

DeepSeek V4将至

如果说HappyHorse最终被认领是大家相信近期一定会发生的事，那么DeepSeek V4即将到来的消息就属于意外之喜了。

但也不是那么难猜，毕竟从进入4月份开始，DeepSeek就有了重大变化。

先是服务器突然瘫痪，一直持续了整整12个小时。随后，在4月8日凌晨，很多DeepSeek用户又突然发现，打开DeepSeek网页端时，输入框上方一下多了两个图标——“快速模式”和“专家模式”。

这是DeepSeek走红以来首次在产品端引入模式分层设计。在此之前，无论你是小学生问作业还是博士生跑代码，背后似乎都用的是同一个模型。

现在，DeepSeek开始让用户做选择。

“快速模式”适配日常对话与即时响应，支持图片及文件中的文字识别，主打一个“快”字。

“专家模式”则专为复杂逻辑与深度思考设计，具备更强的智能搜索能力，不过该模式目前暂不支持文件上传和多模态功能，且在高峰时段可能需要排队。

面对用户关于“专家模式是否基于V4”的提问，DeepSeek官方明确回应：“专家模式是V4版本更新的核心功能”，相当于间接证实了这一猜测。

此外，有媒体宣称在灰度测试界面中还出现了“视觉模式”（Vision）的选项，尽管尚未向全体用户开放，但这暗示V4或将具备更强大的原生多模态融合能力。

而真正让行业关注的，还是V4正式版的参数配置。

目前已经有消息传出：DeepSeek V4预计可处理1万亿个参数，原生支持文本、图像、视频和音频等多模态数据，并拥有100万个词元的上下文窗口——相当于一次性处理15到20部完整的小说。

图源：知乎

从参数规模上看，V4相比V3系列是一次质的飞跃。

消息称，V3系列的上下文窗口为128K tokens，而V4直接拉升至100万tokens，提升了近8倍。

这意味着模型可以一次性读取《三体》三部曲这样的完整文本，无需分段或截断。

在编程场景中，这种上下文长度足以一次性处理整个中小型代码仓库的全部文件，实现真正的全仓库级推理。

此外，DeepSeek V4最受关注的技术特征，或许不在参数层面，而在算力层面——该模型首次实现了与华为昇腾等国产AI芯片的全栈深度适配。

这不是一个简单的软件移植问题。长期以来，AI大模型的训练和推理高度依赖英伟达的CUDA生态。

将大模型迁移到国产芯片上，意味着从底层算子库、编译优化到上层模型框架都要重新设计和适配，工作量极为庞大。

DeepSeek完成了这一适配，标志着中国AI产业在摆脱对国外技术生态依赖、推进“去CUDA化”进程中迈出了关键一步。

图源：微博

中国AI的下半场来了

当然，如果把目光只放在阿里和DeepSeek身上，就会错过中国AI行业更丰富的图景。4月以来，其他玩家同样动作频频。

字节跳动的Seedance 2.0虽然在视频盲测中被HappyHorse暂时超越，但在有音频的赛道上几乎与后者打平，且样本量更大、数据更稳定。快手可灵3.0同样稳居视频生成赛道的第一梯队；

在文本大模型领域，智谱的GLM-5、月之暗面的Kimi-K2.5、百度的文心5.0、腾讯的混元Turbo都在各自擅长的方向上持续迭代。

特别是在Agent和智能体方向，竞争可谓是相当激烈。

OpenClaw等智能体框架正在快速迭代，多家公司都在探索如何让大模型更好地理解和执行复杂任务。

根据国家数据局披露的数据显示，到今年3月，我国日均词元调用量已超过140万亿，相比2024年初增长了1000多倍。这个数字背后，是越来越多应用场景正在被AI渗透和重塑。

可以说，中国AI行业正处在一个多点开花、各显神通的阶段。

没有哪一家公司能垄断所有赛道，也没有哪一款模型能永远占据榜首。

这种多元竞争的局面，对行业的发展和用户的选择而言，都是一件好事。

接下来的一个月，HappyHorse的API开放、DeepSeek V4的正式发布、以及其他玩家可能带来的惊喜，都值得我们持续关注。

而在这场持续的演进中，真正的受益者，是每一个将AI融入日常工作和生活的用户。