单卡4090能跑的世界模型，腾讯把代码、权重和评测集都放出来了

腾讯混元开源了 Hy-Nomas，一个交互式视频世界模型。代码、权重、技术报告、评测集一起放出，网页 demo 不需要等待名单。

官方放出的对比视频，标题写的是 Hy-Nomas vs Genie 4：

它要解决的是连续交互里的上下文保持问题。普通视频生成模型一次给你一段，Hy-Nomas 按段生成，段与段之间用 KV cache 带历史。文本可以多轮改对象、风格、场景和动作，相机轨迹也能作为条件输入。技术报告摘要写得很具体：结构化视频字幕配动作感知的因果注意力，描述性上下文跨段可见，动作指令被限制在它该发生的时间窗里。网页 demo 里的 Nomas-PE 先把用户指令转成结构化提示，离线推理则直接读准备好的 prompt 文件。

模型主干是 8B 扩散模型，54 个双流 MMDiT 块，文本编码器用 Qwen2.5-VL-7B-Instruct 的语言模型部分，视频用 DCAE-V 的 32 通道 latent，32 倍空间压缩、4 倍时间压缩，解码用微调过的 PixelUMM。标准推理 8 步去噪，输出 720x1280、24fps。标准配置跑 8 卡序列并行；另外给了单张 RTX 4090 的低显存配置：DiT 权重和 KV cache 存 INT8，解码器 FP8，CPU offload，GPU 只留最多 18 个历史 latent 帧，更早的历史归档在 CPU。

有网友在回复里把单卡 4090 配置拆成一句话：DiT 权重和 KV cache 存 INT8，解码器跑 FP8，只有 18 个历史 latent 帧留在 GPU，世界历史的其余部分等 CPU。仍然是 8 步，仍然是 720x1280、24fps。

Bench 是这次更值得看的部分。Hy-Nomas-Bench 放了 280 个测试用例，分四组：60 个多轮文本、100 个相机导航、60 个文本和相机交错、60 个空间记忆。相机导航覆盖 49 个场景、8 种基础相机动作和 24 种两键组合，每个动作 2 到 4 秒，再配等时长反向返回。空间记忆用四组出返路径，比较回到同一相机位姿时物体和场景是否一致。数据集给 prompt、结构化 caption、交互序列和参考相机轨迹。它提供评测输入和几何，打分是另一件事。开源世界模型不少，愿意把评测集一起放出来的不多。

技术报告的人评对比也放出来了。有网友总结：对 Genie 3，Hy-Nomas 在相机控制上胜率 32%、负 14%，100 条轨迹；空间记忆胜率 13.3%、负 30%。官方这次重新创建了 Genie 4 的示例，并放出完整对比视频，但素材里没有给对 Genie 4 的量化胜负。有人回复希望用同样的 pairwise 测试跑 Genie 4 的 looped paths。这个要求合理，视频能看趋势，量化结论还得看复现。

有网友在回复里说，视频模型里的 world memory 才是真正重要的部分。Hy-Nomas 把长时生成和世界记忆放在主要卖点里，bench 里也专门有空间记忆一项。

社区集成已经铺开：SGLang 合并支持，ComfyUI-Hy-Nomas 支持链式视频段和 WASD 相机控制，WanGP v18.81 加了键盘探索和文本驱动事件，Reactor Runtime 提供流式服务和浏览器 demo。Google TPU 上的 Mashbox demo 报告在 v6e-4 slice 上实时 720p，生成每秒视频用 0.933 秒计算，60 秒运行没有 late frames。

Rui Zhao 用 Hy-Nomas 搭了一个 GTA 风格世界：开车、展开翅膀、起飞、降落、躲坦克火力和逃离，键盘控制和文本提示可以切换。视频在下面。

项目页面：https://hy-nomas.hy.tencent.com/ 。Demo：https://hy-nomas.hy.tencent.com/demo 。代码：https://github.com/Tencent-Hunyuan/Hy-Nomas 。权重：https://huggingface.co/tencent/Hy-Nomas 。技术报告：https://arxiv.org/abs/2610.36729 。Bench：https://huggingface.co/datasets/tencent/Hy-Nomas-Bench 。

这件事的看点不在又一个世界模型 demo。开源权重之外，把 bench 一起放出来，复现和比较才有入口。世界模型的竞争点也从单段视频质量挪到交互可控、长时记忆和一致性。单卡 4090 配置降低实验门槛，但低显存配置有 CPU offload 和传输开销，标准配置仍是 8 卡。no waitlist 这句话在 2026 年依然有传播力，说明大家被等待名单烦了很久。