Hy-Nomas

腾讯的 Apache 2.0 交互式世界模型,根据文字和镜头指令,一段一段地接着生成视频世界。

一句话概括. Hy-Nomas 是腾讯的模型,能生成一个可以不断调整的视频世界。你写下接下来要发生什么,或给出一条镜头路径,它就生成接下来几秒的视频,并记得之前发生过什么。它采用 Apache 2.0,有一套适合单张 RTX 4090 的特殊配置,不过默认配置需要八张 GPU。

概述

腾讯于 2026 年 10 月 21 日在 Hugging Face 上发布 Hy-Nomas,技术报告在 10 月 27 日出现在 arXiv(2610.36729)。报告称它是一个自由形式交互式世界生成的视频世界模型,扩散主干为 8B。它一次生成一段视频,一段一段地构建世界;在两段之间,你可以用文字指令和镜头轨迹添加物体、改变风格或场景、描述动作或移动镜头。各段的长度可以不同,模型卡里的示例用了两段各 5 秒的内容。一个持久的键值缓存把之前的片段带到后面,让后面的片段与前面保持一致。

主干是稠密的多模态扩散 Transformer,有 54 个双流模块,隐藏维度 2048,使用逐段因果注意力、镜头交叉注意力,并以 Qwen2.5-VL-7B 的语言模型部分作为文本编码器。发布的蒸馏模型用 8 步去噪,输出 720 乘 1280 像素、每秒 24 帧,由一个 36 层、经过微调的 PixelUMM 解码器把潜变量转成视频。仓库里还有未蒸馏的基础模型、Cinematic LoRA、用真实机械臂数据集训练的机器人 LoRA,以及网页演示必需的提示词增强模型 Nomas-PE。腾讯还发布了 Hy-Nomas-Bench,包含 280 个测试用例,涵盖文字交互、镜头导航和空间记忆。论文称人工评测显示它优于现有的世界模型,这是腾讯自己的评测。

标准配置使用 8 路序列并行,所以需要同一组里的八张 GPU,模型卡没有说明 GPU 型号。另有一套配置面向单张 GeForce RTX 4090,用 9.1 GB 的 INT8 DiT、INT8 缓存、9.1 GB 的 FP8 解码器和 CPU 卸载。它用速度换内存,需要足够的系统内存来放被卸载的模型和不断增长的历史存档,也无法加载 LoRA 适配器。代码要求 Linux、CUDA 13.0 和 PyTorch 2.10,腾讯推荐使用它的 Docker 镜像。整个仓库约 196 GB,因为里面保留了 FP32 文件和各种附件。在截至 2026 年 11 月 11 日的 30 天里,Hugging Face 统计到约 9 万次下载。

适合做什么

  • 研究文字和镜头控制下的交互式多轮世界生成
  • 需要场景在多轮之间保持一致的预演,以及游戏或仿真实验
  • 通过机器人 LoRA 做机器人仿真实验
  • 用低内存配置在单张 RTX 4090 上试用世界模型

需要注意

  • 默认配置需要八张 GPU,模型卡没有说是哪种;单卡路线则会卸载到 CPU,增加延迟
  • 质量方面的说法来自腾讯自己的人工评测和自己的基准
  • 需要 Linux、CUDA 13.0 和 PyTorch 2.10,除非使用腾讯的 Docker 镜像,否则注意力内核要从源码编译
  • 网页演示依赖单独的提示词增强模型 Nomas-PE
  • 模型卡只记载了文字和镜头路径输入,没有图像或视频提示
  • Apache 2.0 只覆盖 Hy-Nomas 本身,Qwen 文本编码器等第三方部分仍适用各自的许可证

性能数据来自开发方,未经独立验证。

需要多少内存?

以下是 Hy-Nomas 各版本的内存数据。图像、视频、语音和音乐管线还要加载文本编码器和解码器,所以所需内存可能比主检查点更大。

版本 参数量 下载大小 所需内存 可运行于
Distilled DiT (FP32 file, 8-GPU standard setup) FP32 8.55B 34 GB 39 GB 工作站
INT8 DiT with FP8 decoder (single-GPU low-memory setup) INT8 8.55B 18 GB 24 GB 游戏显卡

下载大小包含运行模型所需的全部组件,例如生成器、文本编码器和解码器。所需内存优先采用开发方声明或已公开的实测最低值;没有时按下载大小加约 15% 估算。更大的图像、更长的片段和更高的分辨率需要更多内存。 开发方给出的最低显存要求为 24 GB。

许可证,用大白话说

最常见的宽松型许可证之一。你可以使用、修改模型并基于它销售产品,只需遵守少量条件。

进一步了解 Apache 2.0

延伸阅读

常见问题

Hy-Nomas 是什么?
Hy-Nomas 是腾讯的模型,能生成一个可以不断调整的视频世界。你写下接下来要发生什么,或给出一条镜头路径,它就生成接下来几秒的视频,并记得之前发生过什么。它采用 Apache 2.0,有一套适合单张 RTX 4090 的特殊配置,不过默认配置需要八张 GPU。
Hy-Nomas 可以商用吗?
可以。Hy-Nomas 采用 Apache 2.0 发布,这是一种宽松许可证。只要遵守常规条件(例如保留许可证声明),就可以商用。
Hy-Nomas 是开源的吗?
Hy-Nomas 采用 Apache 2.0 发布,该许可证经开源促进会(OSI)认可。训练数据和训练代码不一定公开,因此更准确的说法是“采用开源许可证的开放权重模型”。
我能在自己的电脑上运行 Hy-Nomas 吗?
可以,但需要一块好显卡。最小版本 INT8 DiT with FP8 decoder (single-GPU low-memory setup) 在 4 位精度下约需 24 GB 内存,适合 24 至 32 GB 的游戏显卡,或 32 GB 及以上内存的 Mac。
Hy-Nomas 是什么时候发布的?
Hy-Nomas 由 Tencent 于 2026年10月21日 发布。

官方链接

来源

规格数据来自以下一手资料。文中提到的基准测试结果由开发方自报。

发布时间等信息最近核实于 2026年11月11日。

相关模型

模型 发布时间 参数量 上下文 许可证 最小版本所需内存
Cosmos 3 NVIDIA 3.86B – 64.6B – OpenMDW-1.1 (宽松) 11 GB 笔记本或手机
Wan 2.2 Alibaba Wan 5B – 27B 激活 14B – Apache 2.0 (宽松) 24 GB 游戏显卡
LTX-2.5 LTX (Lightricks) 22B – LTX-2.x Community (附条件) 16 GB 笔记本或手机
MiniMax H3 MiniMax 33.1B – MiniMax H3 Community (附条件) 166 GB 大内存台式机