騰訊開源世界模型 Hy-Nomas：單張 4090 能跑，文字和相機即時操控

Hy-Nomas 是騰訊混元開源的一個可互動影片世界生成模型，能讓你用自然語言和相機運鏡軌跡，直接控制虛擬環境的生成與探索。

你可以用多輪對話向它發號施令，比如改變天氣、生成新物體，或者讓角色做出不同動作，無論第一人稱還是第三人稱視角都能操控。

它能做什麼

傳統的影片生成模型大多是一次性出幾秒固定的影片，Hy-Nomas 則是按片段自迴歸生成，支援一邊探索一邊改變指令。

它輸出的規格是 720p 解析度、每秒 24 幀。它會維持一個終身 KV 快取，記住之前片段發生過的事情，即使連續探索執行超過一分鐘，整個世界的結構和物體依然能保持一致。

除了憑空用文字生成世界，你還可以在 demo 裡上傳一張初始圖片作為世界起點，隨後用鍵盤或文字指令繼續深入探索。

因為畫質表現和長時間一致性都不錯，官方和社群演示裡不僅用它做可互動的短劇角色扮演，還嘗試把它當作機器人模擬訓練的虛擬環境。

怎麼跑起來

要在本地跑起來，對視訊記憶體的門檻並沒有想像中那麼高。

騰訊這次釋出了幾個版本：基礎模型體積比較大，約為 34GB；另外還有一個經過蒸餾最佳化的 INT8 版本，大小隻有 9GB 左右。

配合低視訊記憶體推理最佳化，INT8 版本在單張消費級的 RTX 4090 顯示卡上就能跑起來。蒸餾版本在推理時只需要 4 到 8 個去噪步數，大大降低了等待時間。

生態整合方面也跟進得很快，目前 SGLang Diffusion、ComfyUI、WanGP 以及 Reactor Runtime 都已經接入了 Hy-Nomas，支援鍵盤 WASD 即時運鏡漫遊。

開源程度方面，騰訊在 GitHub 上放出了完整的推理程式碼、訓練指令碼、LoRA 微調程式碼以及資料標註工具，並且採用了非常寬鬆的 Apache 2.0 許可證。

如果你想上手體驗，可以在騰訊的 GitHub 倉庫裡找到線上互動 Web Demo 試玩，或者按照部署教程把權重下載到本地。

為什麼重要

以前類似 Genie 這樣能即時互動、自由漫遊的世界模型，大多隻停留在頭部大廠的論文和雲端演示裡，普通開發者根本摸不到。

Hy-Nomas 最亮眼的地方，是它把 720p、長時間一致性的互動式世界模型，直接做成了能塞進單張 4090 的開源可用工具，還附帶了完整的微調訓練程式碼。

做遊戲原型、AI 互動短劇或者具身智慧模擬的開發者，現在非常值得下載一套跑跑看。不過要把它真正用在實際遊戲或生產中，即時生成的延遲和對細微物理碰撞的理解依然會是接下來的挑戰。