HappyHorse 1.0 sur fal et Bailian /
GPT Image 2 dans ComfyUI via Partner Nodes /
Lyria 3 et Lyria 3 Pro en preview publique sur Vertex AI

Le modèle vidéo HappyHorse 1.0, développé par Alibaba Token Hub (ATH) sous la direction de Zhang Di, est passé en accès développeurs et entreprises sur fal le 26 avril 2026 à 21 h PST et sur Alibaba Cloud Bailian dès le lendemain, après trois semaines passées en tête de l’Artificial Analysis Video Arena dans les classements text-to-video et image-to-video. L’architecture est un Transformer unifié de 15 milliards de paramètres à 40 couches d’auto-attention qui produit la vidéo et l’audio dans une même passe, sans cross-attention ni post-traitement audio séparé, et synchronise nativement le lip-sync sur sept langues dont le français, le japonais et le mandarin. Sortie en 1080p, génération autour de 38 secondes par clip sur une seule H100, et marge de 57 points Elo en image-to-video sur Seedance 2.0 — la plus large jamais enregistrée sur l’arena. Quatre endpoints sont exposés sur fal : text-to-video, image-to-video, reference-to-video, video-edit, et la facturation est calée sur le tarif d’entreprise Bailian avec une remise de 10 % pour l’accès anticipé. Le modèle est placé en concurrence directe avec Wan 2.7, sorti il y a trois semaines par le Tongyi Lab voisin chez Alibaba, et confirme que le groupe de Hangzhou pilote désormais deux écoles de vidéo générative en parallèle.

OpenAI a publié gpt-image-2 le 21 avril 2026 dans ChatGPT et sur l’API, et la ComfyUI v0.19.4 sortie cette semaine intègre nativement le modèle via Partner Nodes — il suffit de chercher « OpenAI GPT Image » dans la Node Library pour brancher gpt-image-2 dans n’importe quel graphe local. C’est le premier modèle d’image agentique du secteur : avant de rastériser, le modèle planifie la composition, vérifie son propre travail, itère, et peut interroger le web pour récupérer le logo actuel d’une marque, l’allure d’un lieu ou la dernière version d’un produit. La résolution native monte à 4096×4096, la précision typographique atteint 99 % au caractère près sur les alphabets latin, CJK, hindi et bengali, et la fidélité d’édition contextuelle tient pixel par pixel sur la zone non touchée. Sur l’Image Arena, le modèle a pris la première place de toutes les catégories en moins de douze heures avec une avance de 242 points Elo — record absolu de la plateforme. Ce que ça change concrètement pour ComfyUI : les frames texte-lourdes (poster, infographie, planche manga, slide titre) cessent d’exiger un compositing manuel sous Photoshop, et la passation de relais vers FLUX, Wan ou un upscaler local reste fluide dans le même graphe.

Google DeepMind a élargi en avril 2026 l’accès à sa famille de modèles musicaux Lyria 3, désormais disponible en preview publique sur Vertex AI aux côtés de l’API Gemini et de l’app Gemini grand public. Lyria 3 Pro compose des morceaux jusqu’à trois minutes, structurés en intro, couplets, refrains et ponts, avec voix synthétisées et paroles cadencées dans la durée du morceau, tandis que Lyria 3 cible des extraits de 30 secondes pour le prototypage rapide et les assets sociaux. Les deux modèles génèrent du stéréo haute fidélité à partir de prompts texte ou d’images, avec contrôle de structure musicale et passage d’une section à l’autre dans le même rendu, ce qui les rapproche du territoire de Suno 5.5 et d’ElevenMusic. Toutes les sorties embarquent un watermark SynthID imperceptible et un manifest C2PA de provenance, deux signaux exigés par les plateformes de distribution depuis l’adoption du DDEX étendu en mars. Le tarif Vertex est calé sur la facturation seconde, et la disponibilité multilingue couvre français, anglais, espagnol, portugais et japonais en sortie chantée.