腾讯开源世界模型 Hy-Nomas：单张 4090 能跑，文字和相机实时操控

Hy-Nomas 是腾讯混元开源的一个可交互视频世界生成模型，能让你用自然语言和相机运镜轨迹，直接控制虚拟环境的生成与探索。

你可以用多轮对话向它发号施令，比如改变天气、生成新物体，或者让角色做出不同动作，无论第一人称还是第三人称视角都能操控。

它能做什么

传统的视频生成模型大多是一次性出几秒固定的视频，Hy-Nomas 则是按片段自回归生成，支持一边探索一边改变指令。

它输出的规格是 720p 分辨率、每秒 24 帧。它会维持一个终身 KV 缓存，记住之前片段发生过的事情，即使连续探索运行超过一分钟，整个世界的结构和物体依然能保持一致。

除了凭空用文字生成世界，你还可以在 demo 里上传一张初始图片作为世界起点，随后用键盘或文字指令继续深入探索。

因为画质表现和长时间一致性都不错，官方和社区演示里不仅用它做可交互的短剧角色扮演，还尝试把它当作机器人仿真训练的虚拟环境。

怎么跑起来

要在本地跑起来，对显存的门槛并没有想象中那么高。

腾讯这次发布了几个版本：基础模型体积比较大，约为 34GB；另外还有一个经过蒸馏优化的 INT8 版本，大小只有 9GB 左右。

配合低显存推理优化，INT8 版本在单张消费级的 RTX 4090 显卡上就能跑起来。蒸馏版本在推理时只需要 4 到 8 个去噪步数，大大降低了等待时间。

生态集成方面也跟进得很快，目前 SGLang Diffusion、ComfyUI、WanGP 以及 Reactor Runtime 都已经接入了 Hy-Nomas，支持键盘 WASD 实时运镜漫游。

开源程度方面，腾讯在 GitHub 上放出了完整的推理代码、训练脚本、LoRA 微调代码以及数据标注工具，并且采用了非常宽松的 Apache 2.0 许可证。

如果你想上手体验，可以在腾讯的 GitHub 仓库里找到在线互动 Web Demo 试玩，或者按照部署教程把权重下载到本地。

为什么重要

以前类似 Genie 这样能实时互动、自由漫游的世界模型，大多只停留在头部大厂的论文和云端演示里，普通开发者根本摸不到。

Hy-Nomas 最亮眼的地方，是它把 720p、长时间一致性的交互式世界模型，直接做成了能塞进单张 4090 的开源可用工具，还附带了完整的微调训练代码。

做游戏原型、AI 互动短剧或者具身智能仿真的开发者，现在非常值得下载一套跑跑看。不过要把它真正用在实际游戏或生产中，实时生成的延迟和对细微物理碰撞的理解依然会是接下来的挑战。