텐센트, 대화형 월드 모델 'Hy-Nomas' 오픈소스 공개…RTX 4090서 구동

Hy-Nomas는 자연어 텍스트와 카메라 이동 궤적을 이용해 가상 환경을 실시간으로 생성하고 탐색할 수 있는 텐센트 훈위안의 오픈소스 대화형 월드 모델입니다.

고정된 몇 초짜리 영상을 단발성으로 만드는 기존 도구와 달리, 사용자가 멀티턴 프롬프트를 입력해 날씨를 바꾸거나 사물을 소환하고 시점을 자유롭게 이동하며 가상 공간과 상호작용할 수 있습니다.

무엇을 할 수 있나

Hy-Nomas의 핵심 작동 원리는 영상을 한 번에 렌더링하는 대신 짧은 세그먼트를 연속적으로 자동회귀 생성하는 방식입니다.

생성 과정에서 이전 세그먼트의 메모리를 보존하는 지속적 KV 캐시를 활용하기 때문에, 1분 이상 연속으로 월드를 탐색해도 배경 구조나 물체가 어색하게 변하지 않고 높은 일관성을 유지합니다.

출력 해상도는 720p이며 초당 24프레임을 지원합니다. 1인칭 및 3인칭 시점 조작을 모두 지원하며, 텍스트 입력뿐만 아니라 참조 이미지를 한 장 업로드해 초기 월드를 만든 뒤 탐색을 이어갈 수도 있습니다.

이러한 안정적인 시각적 일관성 덕분에 인터랙티브 숏폼 콘텐츠 제작뿐 아니라 로봇의 자율 이동 훈련을 위한 시뮬레이션 환경 생성에도 활용 가능합니다.

어떻게 구동하나

월드 모델임에도 일반 개발자가 접근하기 쉬운 하드웨어 요구 사양을 갖췄습니다.

텐센트는 약 34GB 크기의 베이스 모델과 함께 약 9GB 크기의 INT8 증류 모델을 함께 공개했습니다. 증류 버전은 4~8 디노이징 스텝만으로 빠르게 프레임을 추론합니다.

저메모리 추론 최적화가 적용되어 9GB 모델은 소비자용 단일 RTX 4090 그래픽카드에서 로컬로 구동할 수 있습니다. 구글 TPU 환경에서는 720p 실시간 탐색이 지연 프레임 없이 구동되는 테스트 결과도 보고되었습니다.

코드와 가중치는 매우 유연한 아파치 2.0 라이선스로 배포되었습니다. 깃허브에는 추론 코드, 학습 스크립트, LoRA 미세조정 코드, 데이터 라벨링 도구가 모두 포함되어 있으며, ComfyUI, SGLang, WanGP 등 커뮤니티 도구에서 키보드 WASD 조작 연동이 구현되었습니다.

체험해 보려면 텐센트 깃허브 페이지에서 제공하는 인터랙티브 웹 데모를 이용하거나, 배포 가이드를 참조해 로컬에 내려받아 실행할 수 있습니다.

왜 중요한가

구글 지니와 같은 실시간 상호작용형 월드 모델은 지금까지 대규모 데이터센터를 가진 빅테크의 전유물에 가까웠습니다.

Hy-Nomas는 일관성을 갖춘 720p 대화형 월드 생성을 단일 4090 그래픽카드에서 누구나 돌려볼 수 있도록 문턱을 대폭 낮췄습니다. 상업적 활용이 가능한 완전 오픈소스에 맞춤형 미세조정까지 열려 있어, 인디 게임 프로토타입 제작자나 로보틱스 연구자라면 지금 바로 내려받아 검토해 볼 가치가 충분합니다.