腾讯混元在 Hugging Face 平台发布了名为 Hy-Nomas 的视频世界生成模型，定位为支持自由形式、多轮交互的世界生成工具。用户可以在生成过程中通过文本指令引入新物体、改变风格与场景、描述动作，或直接控制相机视角与运动轨迹，模型会逐段生成视频并延续同一个世界。该模型以 Apache-2.0 许可证开放，页面显示已有超过 7.8 万次下载或使用量。

从架构看，Hy-Nomas 的核心是一个分段自回归的扩散 Transformer（DiT）。它把视频压缩到潜空间中进行扩散，再按时间片段自回归生成。文本条件来自 Qwen2.5-VL-7B-Instruct 的语言模型部分，其 3584 维隐藏状态经过两层 token refiner 后投影到 DiT 的 2048 维空间。相机条件则通过归一化的 4×4 外参矩阵分组、展平为 64 维输入，并在双流模块中通过交叉注意力注入视频分支。模型使用持久化的键值（KV）缓存，把已生成片段的历史上下文传递给后续片段，从而实现连续生成。

推理配置方面，蒸馏后的默认设置使用 8 步去噪，输出分辨率为 720×1280、帧率 24 FPS。此外，官方还提供一套单 GPU 配置，可在单张 NVIDIA GeForce RTX 4090 上运行，采用 INT8 的 DiT 权重、INT8 KV 缓存、FP8 解码器以及 CPU offload，以降低显存占用。模型主体由 54 个双流 MMDiT 块组成，隐藏维度 2048，注意力头 16 个、每头 128 维，前馈网络扩展倍数为 4 倍。

为了评估交互可控性与连续生成的一致性，腾讯混元同步推出了 Hy-Nomas-Bench。该基准包含四个子集、共 280 个测试用例，覆盖多轮自由文本交互、相机导航、文本与相机交错的混合控制，以及空间记忆等维度。测试数据提供结构化提示词、交互序列、键盘时间线和参考相机轨迹，相关数据集已在独立仓库开放下载。

从产业视角看，Hy-Nomas 的发布延续了视频生成模型从“单次文生视频”向“可交互世界模型”演进的趋势。多轮交互与相机控制能力，使其更接近游戏、虚拟拍摄和具身智能仿真等场景对可控环境的需求。而单卡 4090 的量化部署方案，则可能降低研究与开发者的试入门槛，推动世界模型在更广泛硬件上的实验。不过，这类模型的实际生成质量、长序列一致性以及交互延迟，仍需社区在实际使用中检验。对关注 AI 应用与算力生态的读者而言，模型开源与轻量化部署的进展，是观察视频生成技术扩散速度的一个窗口。