腾讯开源可交互世界模型Hy-Nomas
腾讯混元 10 月 21 日在 Hugging Face 与 GitHub 放出 Hy-Nomas（Apache-2.0）：一个按段自回归的视频世界模型，用户可以在生成过程中用文字和镜头控制持续改写世界——加物体、换风格与场景、描述动作、转动视角，而不是先生成一段固定视频再看结果。
结构上是压缩潜空间里的扩散加跨段自回归：推理配置为 54 块双流 MMDiT（隐藏 2048、16 头 128 维、32 通道潜变量），文本编码器用 Qwen，另接镜头条件模块与 PixelUMM 视频解码器；跨段靠持久 KV 缓存维持空间记忆，每段只走 8 步蒸馏去噪，因此能边交互边出片，并给出单卡低显存与 Docker 两种跑法。
配套放出 Hy-Nomas-Bench：四套基准共 280 个用例，覆盖多轮自由文本交互、镜头导航、文本与镜头交错控制、空间记忆，测的是连续生成过程中的可控性与一致性。这是本月世界模型开源线上又一条可交互路线（Kyutai CADRE 走的是视频自编码器），但模型卡未标注参数量、也未给出与闭源系统的对比成绩，能力边界仍需第三方复现。
原文链接：腾讯混元官方仓库
核验记录
日期取两个腾讯一手仓同日互证：HF tencent/Hy-Nomas createdAt 2026-10-21T02:17Z、GitHub Tencent-Hunyuan/Hy-Nomas created 2026-10-21T03:04Z（相隔 47 分钟）。腾讯官网为 SPA 壳、本机未直读官方发布博客；模型卡未标参数量与对比成绩，正文未写这两项。配图取模型卡框架图，裸请求与带站内 Referer 双 200（PNG 249,764 字节）。