**El caballo de carreras está obsoleto: cuanto antes Wan3.0 se fusione con HappyHorse, mejor.**

Resumen del contenido central

Alibaba está avanzando simultáneamente con dos modelos en el campo de los modelos de generación de videos que comparten muchas funciones: HappyHorse y Wan 3.0. El primero proviene del laboratorio Taotian y se enfoca en escenarios comerciales, mientras que el segundo pertenece al sistema Tongyi y se centra en capacidades básicas. Aunque sus caminos iniciales eran diferentes, con la iteración de Wan 3.0, las funciones (generación de videos a partir de texto o imágenes, edición, etc.) y los grupos de usuarios han comenzado a superponerse, hasta el punto de competir por el mismo mercado a precios variados en la misma plataforma. Actualmente, los equipos han sido fusionados en la misma división, pero siguen actualizando sus modelos de manera independiente, lo que conlleva un desperdicio de recursos. El artículo sostiene que los modelos de generación de videos son costosos y su modelo comercial aún no está establecido, por lo que Alibaba debería fusionarlos lo antes posible para concentrar sus recursos en mejorar las capacidades clave en lugar de continuar con competiciones internas sin sentido.

I. Competencia interna: de un “intento razonable” a un “desgaste de recursos”

Al principio, tenía sentido que los dos equipos siguieran caminos diferentes:

• Wan forma parte del gran sistema de modelos Tongyi y funciona como una “caja de herramientas universal”, enfocada en capacidades técnicas básicas y la ecología de desarrolladores, lo que es adecuado para la investigación fundamental;
• HappyHorse, por su parte, proviene del laboratorio Taotian y está diseñado específicamente para escenarios comerciales como publicidad y series cortas, siendo más cercano a las necesidades de los usuarios.

Pero la situación ha cambiado:

• Superposición de funciones: Wan 3.0 ha incorporado capacidades clave de HappyHorse (como audio nativo y coherencia de personajes), y además ofrece un precio más competitivo (0.6 yuanes por segundo en resolución 720P contra 0.9 yuanes de HappyHorse);
• Fusión de equipos: En junio de este año, ambos equipos se integraron en la división Token Foundry, dirigida por Wu Yongming, lo que ya debería haber facilitado la colaboración;
• Superposición de clientes: Ambos compiten por los mismos clientes empresariales y creadores en la plataforma Alibaba Baolian.

Continuar con esta competencia es como tener dos lavadoras en casa con funciones similares, pero comprar detergentes separadamente, ocupar espacio y aún así pelearse por los enchufes: no solo se desperdician dinero y recursos, sino que también confunde a los usuarios (que no saben cuál elegir).

II. El campo de los modelos de generación de videos no es adecuado para una “competencia a largo plazo”

Los modelos de generación de videos son diferentes de los productos de internet por dos razones principales:

1. Consumo elevado de recursos: Entrenar estos modelos requiere datos masivos y potencia de cómputo avanzada, lo que implica costos significativos en cada iteración. Entrenarlos de forma separada significa duplicar los gastos para lograr el mismo objetivo;

2. Convergencia de las líneas tecnológicas: Actualmente, todos están trabajando en mejorar capacidades clave como la duración del video, la calidad de imagen y la entrada multimodal. HappyHorse y Wan 3.0 ya se encuentran a un nivel similar; las diferencias son más de “preferencias personales” (un modelo puede ser mejor en algo específico, como los personajes, mientras que otro lo es en otros aspectos), no de una diferencia generacional (como la diferencia entre teléfonos inteligentes y modelos antiguos).

Es como dos personas que escalan una montaña: al principio toman caminos diferentes, pero a mitad de camino se dan cuenta de que se están acercando. En lugar de seguir por caminos separados, sería más eficiente fusionar esfuerzos para alcanzar la cima juntos.

III. La versatilidad y los precios bajos sin ventajas reales

Ni Wan 3.0 ni HappyHorse poseen una capacidad clave que haga que los usuarios los prefieran inevitablemente:

• Wan 3.0 afirma poder generar videos de 30 segundos y soportar la importación de PPTs, pero lo que realmente necesitan los usuarios es un contenido de calidad que pueda utilizarse directamente. Si los personajes no se mueven de manera natural o las escenas tienen saltos, incluso con muchas funciones, el costo total puede ser mayor;
• HappyHorse se enfoca en publicidad y series cortas, pero si la coherencia de los personajes es deficiente (por ejemplo, un personaje cambia de ropa en cuestión de segundos o el color del labial no es preciso), las empresas dudarán en usarlo;
• Trampa de los precios bajos: Wan 3.0 ofrece una resolución más alta a un precio más bajo, pero si se necesita generar varios videos para obtener uno utilizable, el costo total puede ser mayor que con HappyHorse. A los usuarios les importa la relación calidad-precio, no solo el precio unitario.

Por ejemplo, si vas a cortarte el cabello, ¿elegirías a un barbero que dice “puedo hacer cualquier tipo de corte y además es barato” pero siempre obtienes resultados inconsistentes, o a uno que es especialista en cortes cortos y lo hace rápidamente y bien?

IV. La solución óptima: unificación en la base y división de tareas en la capa superior

El artículo sugiere que Alibaba adopte el siguiente enfoque:

• Unificación en la base: Usar Wan como modelo base común y aprovechar la experiencia de HappyHorse en escenarios comerciales (publicidad, series cortas) y en la representación de personajes para mejorar las capacidades clave (coherencia, naturalidad de los movimientos) a nivel líder del sector;
• Preservación de marcas: HappyHorse puede seguir siendo una marca dirigida a creadores, encargada de desarrollar plantillas y flujos de trabajo (por ejemplo, generar guiones publicitarios con un solo clic) para facilitar su uso.

De esta manera, se evitaría la duplicación de esfuerzos y se lograría un equilibrio entre profundidad técnica y experiencia del usuario, al igual que los fabricantes de teléfonos que comparten tecnologías básicas pero ofrecen diferentes series (como las series Mate y P de Huawei).

V. La “inercia mental” de Alibaba: la competencia interna no funciona en la era de la IA

Anteriormente, cuando Alibaba desarrollaba productos de internet (comercio electrónico, redes sociales), les gustaba utilizar competiciones internas para probar diferentes opciones rápidamente y dejar que el ganador se llevara todo. Pero los modelos de IA son diferentes:

• Los errores en los productos de internet tienen un costo bajo (escribir código no cuesta mucho), mientras que en los modelos de IA puede costar millones entrenarlos;
• Los productos de internet triunfan con iteraciones rápidas, pero los modelos de IA requieren avances tecnológicos significativos. Primero es necesario construir una base sólida (como la calidad de generación del modelo) antes de expandir sus aplicaciones.

El problema actual de Alibaba es que aún no ha pasado de un enfoque basado en productos de internet a uno centrado en modelos de IA. Continuar con competiciones internas solo dispersará recursos y hará que pierda oportunidades para establecer una ventaja en el campo de los modelos de generación de videos.

Conclusión

En lugar de dejar que los dos modelos compitan por clientes, sería mejor fusionarlos para concentrar esfuerzos en lograr algo que nadie más pueda hacer. Esa es la clave para tener éxito en la era de la IA.