Aus klassischer abendländischer Sicht, die die Nachahmung des Wirklichen ins Zentrum der Kunst rückte, sind vermutlich Hunde und Pferde, die nicht nur jeder kennt (und sich daher berufen fühlt, über das Gelingen ihrer Darstellung zu urteilen) sondern auch in ihrer typischen Bewegung schwer zu fassen sind (man denke an Stanfords Auftrag an Muybridge und die Folgen), gegenüber den für die meisten unsichtbaren Geistern und Dämonen, die folglich nur der Phantasie, nicht der genauen und allgemeinen Beobachtung zugänglich sind, die größere Herausforderung.

Das macht die größere Schwierigkeit von Hunden und Pferden gegenüber Geistern und Dämonen aus.
Allerdings habe ich mich zusätzlich gefragt, warum nicht der Mensch als schwer darzustellen genannt wurde.
Du denkst an die für Hunde und Pferde typische Bewegungsart. Das kommt meiner Antwort nahe, auch wenn diese etwas praktischer ist. Einem menschlichen Modell kann man sagen: "Halt still, ich will dich malen." Hunde und Pferde hingegen halten nicht still, sie sitzen nicht Modell.

Allerdings habe ich mich zusätzlich gefragt, warum nicht der Mensch als schwer darzustellen genannt wurde.

Schwer zu sagen (ohne Sprachkenntnisse zumal), was sich in diesem kurzen Text ausdrückt. Der Europäer liest aber wohl unweigerlich eine Genrehierarchie in diese Bewertung der Schwierigkeiten hinein und vermisst sofort das Porträt (das ja nur von der historischen Szene übertroffen wurde, geht es nach den gestrengen Regeln der Akademie). Denken die Chinesen dieser Epoche ähnlich?