Ist HappyHorse-1.0 Open Source? Was wir überprüfen können

Letzten Dienstag war ich mitten beim Aufbau einer lokalen WAN 2.2-Pipeline, als ein Name, den ich nicht kannte, an die Spitze der Artificial Analysis Video Arena kletterte. HappyHorse-1.0. Elo 1333. Vor Seedance 2.0, vor Kling 3.0, vor allem, was ich den vergangenen Monat lang getestet hatte.

Mein erster Gedanke war nicht „wow.” Er war: „Wo ist das Repo?”

Jemand in einem Discord-Kanal, dem ich folge, verlinkte mich — „Dora, hast du das gesehen?” — und schickte die offizielle Seite. Ich klickte drauf. Sah den Ausdruck „vollständig Open Source” in Fettschrift. Sah „GitHub — demnächst verfügbar.” Und genau diese kleine Lücke zwischen Versprechen und Link ist die Art von Sache, die mir nicht aus dem Kopf geht. Ich habe genug Zeit damit verbracht, Download-Buttons zu suchen, die gar nicht existieren, um den Unterschied zu kennen zwischen einem Modell, das man nutzen kann, und einem Modell, über das man lesen kann.

Also verbrachte ich die nächsten Stunden damit, was ich normalerweise tue: Fäden zu ziehen, HuggingFace zu überprüfen, X nach jemandem zu durchsuchen, der tatsächlich Gewichte auf eine lokale Maschine bekommen hatte.

Hier ist, was ich bestätigen kann — und was nicht — zum Stand vom 8. April 2026.

Was HappyHorse-1.0 über Open Source behauptet

Die Sprache auf happyhorses.io ist selbstbewusst. Die Seite beschreibt das Modell als „vollständig offen” und erklärt, dass das Basismodell, das destillierte Modell, das Super-Resolution-Modell sowie der Inferenzcode alle veröffentlicht wurden. Die angegebene Architektur ist ein 15B-Parameter-vereinheitlichter 40-Schicht-Self-Attention-Transformer — ohne Cross-Attention — der gemeinsame Video- und Audiogenerierung aus Text ermöglicht. Es soll angeblich sieben Sprachen für Lippensynchronisation unterstützen und DMD-2-Destillation verwenden, um die Denoising-Schritte auf acht zu reduzieren.

Das sind starke Behauptungen. Aber hier ist das Problem: Behauptungen und Verfügbarkeit sind zwei getrennte Fragen. Und genau in der Lücke zwischen beiden werden Entwickler enttäuscht.

Es ist auch erwähnenswert, dass niemand öffentlich bestätigt hat, wer HappyHorse-1.0 gebaut hat. Artificial Analysis selbst beschrieb es als ein „pseudonymes” Modell, als es ihrer Arena hinzugefügt wurde. Spekulationen in der Community auf X reichten von einer WAN-Variante bis zu einem Seedance-Konkurrenten, aber nichts wurde verifiziert. Eine verbundene Seite erwähnt ByteDance-Infrastruktur, obwohl ich das auch nicht unabhängig bestätigen konnte.

Was aktuell tatsächlich überprüfbar ist

Hier wird die Geschichte dünn.

GitHub: Die happyhorses.io-Seite hat einen GitHub-Link. Er sagt „demnächst verfügbar.” Zum heutigen Stand existiert kein öffentliches Repository — kein Code, keine README, keine Lizenzdatei. Ich habe GitHub nach einer zugehörigen Organisation oder einem Fork durchsucht. Nichts.

HuggingFace: Dieselbe Situation. Der „Model Hub”-Link auf der Seite lautet ebenfalls „demnächst verfügbar.” Es existiert keine Model Card auf HuggingFace, keine Gewichtsdateien sind aufgelistet, keine Community-Diskussionsthreads.

Demo: Es ist eine Live-Demo über die Website verfügbar. Sie generiert Videoclips aus Text-Prompts. Die Ergebnisse, die ich gesehen habe, sahen wirklich beeindruckend aus — flüssige Bewegung, gute Kohärenz. Aber eine Demo zeigt, dass das Modell funktioniert. Sie sagt nichts darüber, ob man es selbst ausführen, feinabstimmen oder darauf aufbauen kann.

Fazit: Zum Zeitpunkt dieses Schreibens kann man HappyHorse-1.0 nicht herunterladen. Man kann seine Gewichte nicht einsehen, seine Lizenz nicht lesen oder es lokal ausführen. Das Label „vollständig Open Source” existiert derzeit nur als erklärte Absicht.

Warum diese Lücke für Entwickler wichtig ist

Wenn man als Entwickler bewertet, ob man ein offenes Modell in eine Produktionspipeline integrieren soll, ist das Label weniger wichtig als das Artefakt. Und es gibt drei Begriffe, die in diesem Bereich ständig verwechselt werden:

Open Source bedeutet das vollständige Paket — Gewichte, Trainingscode, Architekturdetails und eine Lizenz, die Modifikation und Weiterverbreitung erlaubt. Die Open Source Initiative hat diese Unterscheidung deutlich gemacht: alleiniges Veröffentlichen von Gewichten reicht nicht aus.

Open Weights bedeutet, dass die trainierten Parameter herunterladbar und nutzbar sind, aber Trainingsdaten, Code und Methodik privat bleiben können. Man kann Inferenz durchführen und feinabstimmen, aber das Modell nicht vollständig reproduzieren oder prüfen.

Open Access bedeutet, dass man das Modell über eine API oder Demo nutzen kann, aber nichts herunterladbar ist. Man ist Mieter, kein Eigentümer.

Derzeit fällt HappyHorse-1.0 in die dritte Kategorie. Vielleicht ändert sich das morgen. Aber einen Workflow rund um ein unveröffentlichtes Modell aufzubauen ist ein Risiko, besonders wenn der Zeitplan von lokalem Deployment oder benutzerdefiniertem Fine-Tuning abhängt.

Wie man den Release-Status verfolgt

Wenn man diesen Bereich beobachtet — und ich denke, es lohnt sich — hier sind die Orte, auf die man schauen sollte:

GitHub: Achte auf eine neue Organisationsseite. Wenn (oder falls) der Code erscheint, wird er dort landen. Derzeit existiert kein Repo, aber die Seite legt nahe, dass eines geplant ist.

HuggingFace und Modell-Hubs: Die Model Card wird das deutlichste Signal sein. Sobald Gewichte dort mit einer Lizenzdatei veröffentlicht werden, kann man mit der echten Evaluierung beginnen. HuggingFaces Model Card-Dokumentation beschreibt, wie ein ordentlicher Release aussieht.

Community-Signale: Die Diskussion auf X war aktiv. Forscher und KI-Video-Ersteller vergleichen bereits HappyHorse-Ergebnisse mit anderen Arena-Einträgen. Reddit- und Discord-Kanäle rund um KI-Videogenerierung zeigen Forks oder inoffizielle Uploads schnell, wenn sie auftauchen.

Artificial Analysis: Ihr Video-Leaderboard ist wahrscheinlich der objektivste Ort, um die Leistung im Laufe der Zeit zu verfolgen. Elo-Werte verschieben sich, wenn mehr Stimmen eingehen, daher kann das heutige Ranking nicht halten.

Open-Source-Bilanz bei KI-Video: Ein Referenzrahmen

Ich finde es hilfreich, mit Modellen zu vergleichen, die tatsächlich ihre Open-Weight-Versprechen eingehalten haben. Es gibt einem eine Referenz dafür, wie „real” aussieht.

LTX-2 von Lightricks ist eine solide Referenz. Sie kündigten Open Source an und machten es dann wahr: vollständige Gewichte auf HuggingFace, ein GitHub-Repo mit Inferenzcode, ComfyUI-Integration, ein Trainings-Framework und eine klare Lizenz. Man kann es herunterladen, lokal ausführen, mit LoRAs feinabstimmen und Produktionsworkflows darum aufbauen. Das ist, wie ein glaubwürdiger Open-Weight-Release in der Praxis aussieht.

WAN 2.2 ist ein weiteres. Alibabas Team veröffentlichte mehrere Modellvarianten auf HuggingFace — Text-zu-Video, Bild-zu-Video, eine leichtgewichtige 5B-Version — zusammen mit vollständigem Inferenzcode auf GitHub, Diffusers-Integration und Apache-2.0-Lizenzierung. Community-Beiträge folgten schnell: ComfyUI-Wrapper, quantisierte Versionen, Destillationsexperimente.

Worauf man bei jedem Release achten sollte, um zu bestätigen, dass er tatsächlich nutzbar ist:

Gewichte zum Download verfügbar (nicht hinter einer Warteliste oder „demnächst verfügbar”-Seite)
Eine Lizenzdatei — Apache 2.0 ist das deutlichste grüne Licht für kommerzielle Nutzung, aber selbst eine individuelle Lizenz ist besser als nichts
Inferenzcode, der ohne proprietäre Abhängigkeiten läuft
Eine Model Card mit Architekturdetails, Einschränkungen und beabsichtigter Nutzung

HappyHorse-1.0 hat heute nichts davon. Das ist kein Urteil über die Qualität des Modells — die Arena-Ergebnisse legen nahe, dass es wirklich stark ist. Es ist ein Urteil über seine aktuelle Zugänglichkeit.

FAQ

Kann ich HappyHorse-1.0-Gewichte jetzt herunterladen?

Nein. Zum Stand vom 8. April 2026 sind keine Gewichte öffentlich verfügbar. Sowohl der GitHub- als auch der Model Hub-Link auf der offiziellen Seite zeigen „demnächst verfügbar.” Es gibt keine Drittanbieter-Uploads oder Community-Forks, die ich finden konnte.

Ist HappyHorse-1.0 auf HuggingFace?

Noch nicht. Es gibt keine Model Card, keine Gewichtsdateien und keine mit HappyHorse verbundene Organisationsseite auf HuggingFace. Das könnte sich jederzeit ändern, daher lohnt es sich, regelmäßig nachzuschauen.

Welche Lizenz wird HappyHorse-1.0 verwenden?

Unbekannt. Die verbundene Seite erwähnt „kommerzielle Nutzungsrechte” im Kontext ihrer gehosteten Plattform, aber es wurde keine eigenständige Modelllizenz veröffentlicht. Bis eine Lizenzdatei mit den Gewichten ausgeliefert wird, gibt es keine Möglichkeit, die Bedingungen für selbst gehostetes oder kommerzielles Deployment zu beurteilen.

Ist es sicher, jetzt kommerzielle Workflows rund um HappyHorse-1.0 aufzubauen?

Ich würde warten. Ohne herunterladbare Gewichte, eine veröffentlichte Lizenz oder sogar eine bestätigte Entwickleridentität gibt es zu viel Unsicherheit für den Produktionseinsatz. Wenn man heute ein offenes Modell für kommerzielle Videogenerierung benötigt, sind LTX-2 und WAN 2.2 beide mit klarer Lizenzierung verfügbar.

Wie vergleicht sich HappyHorse-1.0 mit LTX-2 oder WAN 2.2 in Bezug auf Offenheit?

Bei der Ausgabequalität ist HappyHorse konkurrenzfähig — möglicherweise bei einigen Arena-Metriken vorne. Bei der Offenheit ist es derzeit nicht in derselben Kategorie. LTX-2 und WAN 2.2 haben beide veröffentlichte Gewichte, öffentliche Repos, Inferenzcode und definierte Lizenzen. HappyHorse hat eine Demo und ein Versprechen. Diese Lücke mag sich schließen, aber sie hat es noch nicht.

Ich werde wahrscheinlich erneut darauf eingehen, sobald (oder falls) das GitHub-Repo live geht. Das Modell selbst sieht interessant aus — die Arena-Performance ist schwer zu ignorieren. Aber ich habe lang genug damit verbracht zu wissen, dass beeindruckende Demos und herunterladbare Gewichte zwei sehr unterschiedliche Dinge sind.

Für jetzt beobachte ich. Baue noch nicht darauf auf.