腾讯混元开源交互式世界模型Hy-Nomas：边生成边改剧情、控镜头，单张RTX 4090也能跑

最近“世界模型”很热闹，腾讯混元也拿出了自己的开源方案：Hy-Nomas。代码和权重都以 Apache 2.0 协议公开，说明见 Hugging Face模型页。

它能做什么

Hy-Nomas不是一次生成一整段视频，而是 一段一段地往下生成一个世界。每生成完一段，你都可以插话：

• 用文字加入新角色或物体、改变画风和场景、描述接下来的动作；
• 给出镜头轨迹，控制视角往哪里走、往哪里转；
• 前面生成过的内容会保存在缓存里，后续段落接着用，让世界前后保持一致。

技术要点

• 输出规格：720×1280，24帧每秒，蒸馏版每段只需8步去噪。
• 结构：分段自回归的扩散Transformer，共54个双流模块，文字理解部分借用Qwen2.5-VL-7B的语言模型。
• 硬件门槛：标准配置需要8张GPU；另有低显存方案，用INT8权重、FP8解码器加CPU卸载，单张RTX 4090 就能跑，代价是速度变慢、内存占用增加。
• 附加内容：提供电影感画面LoRA，以及用真实双臂机械臂数据训练的机器人LoRA；同时开放了含280个测试用例的评测集Hy-Nomas-Bench。

我的看法

对喜欢动画和游戏的人来说，这类模型最有意思的地方是“可以边走边改”：像在跑团，你说一句“下雨了”，世界就跟着变。离真正能玩的游戏还很远，但单卡4090可以跑这一点，意味着个人创作者也能上手试试。

需要提醒的是，官方页面没有给出单卡模式的具体速度，实际体验恐怕要等社区的测试结果。