Respuesta corta: HappyHorse 1.0 ya no es un misterio. Apareció de forma anónima en el Video Arena de Artificial Analysis a principios de abril de 2026, ocupó el primer puesto en las clasificaciones sin audio de texto a video e imagen a video, y pocos días después se confirmó que era un proyecto de Alibaba. Alibaba abrió una beta limitada el 28 de abril de 2026 y lanzó HappyHorse 1.1 el 23 de junio de 2026, disponible en el sitio web de HappyHorse y en la API de Alibaba Cloud Model Studio. Frente a Veo 3.1, HappyHorse ofrece clips más largos (hasta 15 segundos frente a 8) y edición de video integrada; Veo 3.1 ofrece una resolución máxima más alta (hasta 4K frente a 1080p), control del primer y el último fotograma, y una disponibilidad más amplia a través de las apps y API de Google.
Cómo se descubrió al «aspirante misterioso»
La historia que da título a este artículo avanzó muy rápido:
- Hacia el 7 de abril de 2026: un modelo llamado HappyHorse-1.0 apareció en el Video Arena de Artificial Analysis sin ningún propietario declarado. Esa arena clasifica los modelos mediante votos a ciegas: el público ve dos clips generados con el mismo prompt y elige el mejor. Según informó CNBC, HappyHorse alcanzó la puntuación Elo más alta en texto a video e imagen a video sin audio.
- 10 de abril de 2026: CNBC informó que Alibaba era el creador; el equipo describió HappyHorse como un proyecto de su unidad de negocio Alibaba Token Hub (ATH), todavía en desarrollo.
- 28 de abril de 2026: Alibaba anunció una beta limitada, con acceso a través del sitio web de HappyHorse, la API de Alibaba Cloud Model Studio y la app Qwen.
- 23 de junio de 2026: Alibaba lanzó HappyHorse 1.1 en el sitio web de HappyHorse y en la API de Model Studio.
Los anuncios de Alibaba solo describen acceso alojado en sus servicios (sitio web, API y app), así que conviene contar con HappyHorse como un servicio en la nube.
Hay dos precauciones sobre el resultado de la clasificación. Primero, los rankings de la arena cambian a medida que se suman modelos y se acumulan votos, de modo que un primer puesto en abril es una foto de ese momento, no una posición permanente. Segundo, las categorías sin audio juzgan solo la imagen; con audio, la posición de un modelo puede ser distinta.
HappyHorse 1.0 vs Veo 3.1: especificaciones
La tabla recoge HappyHorse 1.0 tal como lo anunció Alibaba Cloud el 28 de abril de 2026 (más abajo hay una nota sobre la versión 1.1); los datos de Veo 3.1 proceden de la documentación de la API de Gemini de Google. Revisado el 28 de septiembre de 2026.
| HappyHorse 1.0 (Alibaba) | Veo 3.1 (Google DeepMind) | |
|---|---|---|
| Lanzamiento | Beta limitada, 28 de abril de 2026 | 15 de octubre de 2025, actualizado en enero de 2026 |
| Duración del clip | Hasta 15 segundos | 4, 6 u 8 segundos |
| Resolución | Hasta 1080p | 720p, 1080p, 4K |
| Relaciones de aspecto | No se indican en el anuncio | 16:9, 9:16 |
| Audio | Audio sincronizado, con diálogo y sincronización labial | Siempre activo: efectos, ambiente, diálogo |
| Modos de generación | Texto, imagen y sujeto a video | Texto e imagen a video; primer y último fotograma; hasta 3 imágenes de referencia |
| Edición | Video a video y sujeto más video a video | Extensión (tramos de +7 s a 720p) |
| Varias tomas | Secuencias de varias tomas | Cortes indicados en el prompt dentro de un mismo clip |
| Acceso | Sitio web de HappyHorse, API de Alibaba Cloud Model Studio, app Qwen | App Gemini, Flow, API de Gemini, Vertex AI |
Google describe la salida a 1080p y 4K de Veo 3.1 como reescalada; toma el 4K como un formato de entrega, no como la promesa de más detalle generado.
Qué cambió en HappyHorse 1.1
HappyHorse 1.1 (23 de junio de 2026) mantiene la misma estructura básica: la documentación de Model Studio de Alibaba incluye modelos de texto a video, de imagen a video a partir del primer fotograma y de referencia a video, que generan clips de 3 a 15 segundos a 480p, 720p o 1080p y 24 fps. Alibaba afirma que la versión 1.1 mejora respecto a la 1.0 el movimiento, la coherencia del sujeto, la fidelidad al prompt, la calidad visual y el audio. La comparación de este artículo se mantiene: clips más largos en HappyHorse; resolución máxima más alta y control de fotogramas en Veo 3.1.
Dónde destaca HappyHorse 1.0
- Clips individuales más largos. Quince segundos dan espacio para una pequeña escena con planteamiento y desenlace, en lugar de un único momento.
- Edición integrada. Alibaba incluye edición de video a video, así que puedes corregir un clip existente en vez de volver a generarlo desde cero.
- Generación a partir de un sujeto y secuencias de varias tomas, que Alibaba orienta a publicidad, comercio electrónico y video corto con personajes coherentes.
- Buenos resultados en votaciones a ciegas sobre calidad de imagen en su lanzamiento, según el informe de CNBC del 10 de abril.
Dónde destaca Veo 3.1
- Resolución. Veo 3.1 llega hasta 4K (en Veo 3.1 y Veo 3.1 Fast); HappyHorse se queda en 1080p.
- Control preciso de la toma. Una imagen inicial, una imagen final opcional y hasta tres imágenes de referencia te permiten decidir cómo empieza y termina una toma y quién aparece en ella.
- Disponibilidad y trayectoria. Veo 3.1 está disponible desde octubre de 2025 en los productos de Google para consumidores y desarrolladores, con límites y normas de seguridad documentados. HappyHorse es más reciente: la 1.0 empezó como beta limitada en abril de 2026, y la 1.1 está disponible en el sitio web de Alibaba y en la API de Model Studio desde junio de 2026.
¿Cuál deberías usar?
Elige HappyHorse si tu idea necesita una toma continua de 10 a 15 segundos o quieres editar los clips directamente.
Elige Veo 3.1 si necesitas entregar en 1080p o 4K, quieres fijar una toma con fotogramas inicial y final o con imágenes de referencia, o necesitas un modelo ampliamente disponible hoy.
Te inclines por el que te inclines, pruébalo con tu propio prompt. Una clasificación te dice qué modelo gana de media con los prompts de muchos votantes; no puede decirte cuál maneja mejor tu producto, tu personaje o tu movimiento de cámara.
Probar Veo 3.1 aquí
Veo Video funciona con Veo 3.1, Veo 3.1 Fast y Veo 3.1 Lite. Cada generación es un clip de 8 segundos con sonido, en 16:9 o 9:16, a 720p, 1080p o 4K, creado a partir de texto o de una imagen con un fotograma final opcional; Veo 3.1 Fast también admite hasta tres imágenes de referencia. La extensión y las duraciones más cortas no están disponibles aquí, y HappyHorse no se ofrece en este sitio.
Las cuentas nuevas reciben 30 créditos, suficientes para un clip de Veo 3.1 Lite a 720p. Pasa a Veo 3.1 para las tomas con calidad final. Si tu escena necesita una toma única más larga, el generador de video con IA también funciona con MiniMax H3 Max.
Más comparativas: Veo 3.1 vs Kling AI y Veo 3.1 vs Sora 2.