Apakah HappyHorse-1.0 Open Source? Yang Dapat Kami Verifikasi

Saya sedang di tengah-tengah menyiapkan pipeline WAN 2.2 lokal pada Selasa lalu ketika sebuah nama yang tidak saya kenal muncul di puncak Artificial Analysis Video Arena. HappyHorse-1.0. Elo 1333. Melampaui Seedance 2.0, melampaui Kling 3.0, melampaui semua yang telah saya uji selama sebulan terakhir.

Pikiran pertama saya bukan “wow.” Melainkan “di mana repositorinya?”

Seseorang di channel Discord yang saya ikuti menandai saya — “Dora, sudah lihat yang ini?” — dan menautkan situs resminya. Saya klik. Melihat frasa “fully open source” dicetak tebal. Melihat “GitHub — coming soon.” Dan celah kecil antara klaim dan tautan itu adalah hal yang selalu menempel di benak saya. Saya sudah cukup sering mengejar tombol unduh yang tidak ada untuk mengetahui perbedaan antara model yang bisa digunakan dan model yang hanya bisa dibaca tentangnya.

Jadi saya menghabiskan beberapa jam berikutnya melakukan apa yang biasa saya lakukan: menarik benang, memeriksa HuggingFace, memindai X untuk siapa saja yang benar-benar sudah berhasil mengunduh bobot model ke mesin lokal.

Ini yang bisa saya konfirmasi — dan yang tidak bisa — per 8 April 2026.

Apa yang Diklaim HappyHorse-1.0 tentang Open Source

Bahasa di happyhorses.io sangat percaya diri. Situs ini mendeskripsikan model tersebut sebagai “fully open” dan menyatakan bahwa model dasar, model terdistilasi, model super-resolusi, dan kode inferensi semuanya telah dirilis. Arsitektur yang diklaim adalah Transformer self-attention 40-layer terpadu berparameter 15B — tanpa cross-attention — yang mampu menghasilkan video dan audio secara bersama dari teks. Dilaporkan mendukung tujuh bahasa untuk lip-sync dan menggunakan distilasi DMD-2 untuk mengurangi proses denoising menjadi delapan langkah.

Itu adalah klaim yang kuat. Tapi begini: klaim dan ketersediaan adalah dua pertanyaan yang berbeda. Dan celah di antara keduanya adalah tepat di mana para pembangun sering terjebak.

Perlu juga dicatat bahwa tidak ada yang secara publik mengonfirmasi siapa yang membangun HappyHorse-1.0. Artificial Analysis sendiri mendeskripsikannya sebagai model “pseudonim” ketika menambahkannya ke arena mereka. Spekulasi komunitas di X berkisar dari model ini sebagai varian WAN hingga pesaing Seedance, namun tidak ada yang terverifikasi. Satu situs afiliasi menyebut infrastruktur ByteDance, meskipun saya tidak dapat mengonfirmasi itu secara independen.

Apa yang Benar-Benar Dapat Diverifikasi Sekarang

Di sinilah ceritanya menjadi tipis.

GitHub: Situs happyhorses.io memiliki tautan GitHub. Tertulis “coming soon.” Per hari ini, tidak ada repositori publik — tidak ada kode, tidak ada README, tidak ada file lisensi. Saya mencari di GitHub untuk organisasi atau fork terkait apa pun. Tidak ada.

HuggingFace: Situasi yang sama. Tautan “Model Hub” di situs itu juga bertuliskan “coming soon.” Tidak ada model card di HuggingFace, tidak ada file bobot yang terdaftar, tidak ada thread diskusi komunitas.

Demo: Ada demo langsung yang tersedia melalui situs web. Demo ini menghasilkan klip video dari prompt teks. Output yang saya lihat terlihat benar-benar mengesankan — gerakan yang bersih, koherensi yang baik. Tapi demo hanya memberi tahu Anda bahwa model itu berfungsi. Tidak memberi tahu Anda apakah Anda bisa menjalankannya sendiri, melakukan fine-tune, atau membangun di atasnya.

Kesimpulan: per tulisan ini, Anda tidak bisa mengunduh HappyHorse-1.0. Anda tidak bisa memeriksa bobotnya, membaca lisensinya, atau menjalankannya secara lokal. Label “fully open source” saat ini hanya ada sebagai niat yang dinyatakan.

Mengapa Celah Ini Penting bagi Para Pembangun

Jika Anda adalah seorang developer yang mengevaluasi apakah akan mengintegrasikan model terbuka ke dalam pipeline produksi, label tersebut kurang penting dibandingkan artefaknya. Dan ada tiga istilah yang terus-menerus tercampur aduk di ruang ini:

Open source berarti paket lengkap — bobot, kode pelatihan, detail arsitektur, dan lisensi yang mengizinkan modifikasi dan redistribusi. Open Source Initiative telah vokal tentang perbedaan ini: merilis bobot saja tidak memenuhi syarat.

Open weights berarti parameter yang telah dilatih dapat diunduh dan digunakan, tetapi data pelatihan, kode, dan metodologinya mungkin tetap privat. Anda bisa menjalankan inferensi dan melakukan fine-tune, tetapi Anda tidak bisa sepenuhnya mereproduksi atau mengaudit modelnya.

Open access berarti Anda bisa menggunakan model melalui API atau demo, tetapi tidak ada yang bisa diunduh. Anda adalah penyewa, bukan pemilik.

Saat ini, HappyHorse-1.0 masuk kategori ketiga. Mungkin itu berubah besok. Tapi membangun alur kerja di sekitar model yang belum dirilis adalah sebuah risiko, terutama jika jadwal Anda bergantung pada deployment lokal atau fine-tuning khusus.

Cara Melacak Status Rilis

Jika Anda mengikuti ruang ini — dan menurut saya itu layak diikuti — inilah tempat-tempat yang perlu dipantau:

GitHub: Perhatikan halaman organisasi baru. Ketika (atau jika) kode dirilis, di situlah tempatnya. Tidak ada repositori yang saat ini ada, tetapi situs ini menyarankan satu sedang direncanakan.

HuggingFace dan model hub: Model card akan menjadi sinyal yang paling jelas. Setelah bobot dipublikasikan di sana dengan file lisensi, Anda bisa mulai mengevaluasi dengan sungguh-sungguh. Dokumentasi model card HuggingFace menguraikan seperti apa rilis yang tepat itu.

Sinyal komunitas: Diskusi di X sangat aktif. Para peneliti dan kreator video AI sudah membandingkan output HappyHorse dengan entri arena lainnya. Reddit dan channel Discord seputar pembuatan video AI cenderung cepat memunculkan fork atau upload tidak resmi ketika mereka muncul.

Artificial Analysis: Papan peringkat video mereka mungkin adalah tempat paling objektif untuk melacak performa dari waktu ke waktu. Skor Elo berubah seiring bertambahnya suara, jadi peringkat hari ini mungkin tidak bertahan.

Rekam Jejak Open Source dalam Video AI: Kerangka Referensi

Saya merasa berguna untuk membandingkan dengan model-model yang telah menepati janji open-weight mereka. Ini memberi Anda tolok ukur tentang seperti apa “yang nyata” itu.

LTX-2 dari Lightricks adalah referensi yang solid. Mereka mengumumkan open source, lalu menepatinya: bobot lengkap di HuggingFace, repositori GitHub dengan kode inferensi, integrasi ComfyUI, kerangka pelatihan, dan lisensi yang jelas. Anda bisa mengunduhnya, menjalankannya secara lokal, melakukan fine-tune dengan LoRA, dan membangun alur kerja produksi di atasnya. Itulah yang terlihat seperti rilis open-weight yang kredibel dalam praktiknya.

WAN 2.2 adalah contoh lainnya. Tim Alibaba merilis beberapa varian model di HuggingFace — text-to-video, image-to-video, versi 5B yang ringan — bersama dengan kode inferensi lengkap di GitHub, integrasi Diffusers, dan lisensi Apache 2.0. Kontribusi komunitas mengikuti dengan cepat: wrapper ComfyUI, versi terkuantisasi, eksperimen distilasi.

Yang perlu dicari dalam rilis apa pun untuk mengonfirmasi bahwa itu benar-benar dapat digunakan:

Bobot tersedia untuk diunduh (bukan di balik daftar tunggu atau halaman “coming soon”)
File lisensi — Apache 2.0 adalah lampu hijau paling jelas untuk penggunaan komersial, tetapi bahkan lisensi khusus pun lebih baik dari tidak ada
Kode inferensi yang berjalan tanpa dependensi proprietary
Model card dengan detail arsitektur, keterbatasan, dan penggunaan yang dimaksudkan

HappyHorse-1.0 tidak memiliki satupun dari ini hari ini. Itu bukan penilaian tentang kualitas model — hasil arena menunjukkan model ini benar-benar kuat. Itu adalah penilaian tentang aksesibilitasnya saat ini.

FAQ

Bisakah saya mengunduh bobot HappyHorse-1.0 sekarang?

Tidak. Per 8 April 2026, tidak ada bobot yang tersedia secara publik. Baik tautan GitHub maupun Model Hub di situs resmi menampilkan “coming soon.” Tidak ada upload pihak ketiga atau fork komunitas yang bisa saya temukan.

Apakah HappyHorse-1.0 ada di HuggingFace?

Belum. Tidak ada model card, tidak ada file bobot, dan tidak ada halaman organisasi di HuggingFace yang terkait dengan HappyHorse. Ini bisa berubah kapan saja, jadi layak untuk diperiksa secara berkala.

Lisensi apa yang akan digunakan HappyHorse-1.0?

Tidak diketahui. Situs afiliasi menyebutkan “hak penggunaan komersial” dalam konteks platform yang mereka host, tetapi tidak ada lisensi model mandiri yang telah dipublikasikan. Sampai file lisensi dikirimkan bersama bobot, tidak ada cara untuk menilai persyaratan untuk deployment sendiri atau komersial.

Apakah aman membangun alur kerja komersial di sekitar HappyHorse-1.0 sekarang?

Saya akan menunggu. Tanpa bobot yang dapat diunduh, lisensi yang dipublikasikan, atau bahkan identitas developer yang dikonfirmasi, terlalu banyak ketidakpastian untuk penggunaan produksi. Jika Anda membutuhkan model terbuka untuk pembuatan video komersial hari ini, LTX-2 dan WAN 2.2 keduanya tersedia dengan lisensi yang jelas.

Bagaimana HappyHorse-1.0 dibandingkan dengan LTX-2 atau WAN 2.2 dalam hal keterbukaan?

Dalam kualitas output, HappyHorse kompetitif — mungkin unggul dalam beberapa metrik arena. Dalam hal keterbukaan, itu tidak berada dalam kategori yang sama saat ini. LTX-2 dan WAN 2.2 keduanya memiliki bobot yang dipublikasikan, repositori publik, kode inferensi, dan lisensi yang terdefinisi. HappyHorse memiliki demo dan janji. Celah itu mungkin akan tertutup, tetapi belum terjadi.

Saya mungkin akan meninjau kembali ini setelah (atau jika) repositori GitHub tayang. Model itu sendiri terlihat menarik — performa arena sulit untuk diabaikan. Tapi saya sudah cukup berpengalaman untuk tahu bahwa demo yang mengesankan dan bobot yang dapat diunduh adalah dua hal yang sangat berbeda.

Untuk saat ini, saya menonton. Belum membangun di atasnya.