腾讯混元开源 Hy-Nomas 世界模型与评测基准

时间：2026年10月30日 地点：中国深圳，腾讯混元团队；模型权重与数据集托管在 Hugging Face 人物：腾讯混元 Hunyuan 团队；技术报告共有 38 位作者署名，包括 Zhengguang Zhou、Kai Zou、Weizhi Wang 等 事件详情：腾讯混元在 10 月 30 日对外发布 Hy-Nomas 交互式视频世界模型的技术报告，并同步开源模型权重、推理代码与评测基准 Hy-Nomas-Bench。Hy-Nomas 是一个以 8B 扩散骨干为核心的视频世界模型，支持自由形式的多轮文本指令与连续相机轨迹控制：模型一次生成一个视频片段，用持久化 KV 缓存把历史带到下一段，用户可以在生成过程中引入物体、改变风格与场景、描述动作或者操控视角。官方给出的推理配置是 8 步去噪、720×1280 输出、24 FPS；另有一份配置可在单张 NVIDIA GeForce RTX 4090 上跑起来，办法是把 DiT 权重与 KV 缓存量化到 INT8、解码器换成 FP8，再把文本编码器与模型在 CPU 与 GPU 之间来回搬运，其历史上下文预算为 18 个潜在帧。标准配置则采用 8 路序列并行。结构上它是分片自回归的多模态扩散 Transformer，54 个双流块、隐藏维度 2048、16 个注意力头，文本编码器取自 Qwen2.5-VL-7B-Instruct 的语言模型部分，视频潜变量采用 DCAE-V 的 f32t4c32 表示、空间压缩 32 倍时间压缩 4 倍，解码端是 36 层、4096 隐藏维度的 PixelUMM 解码器。仓库还提供 Cinematic LoRA，以及一个用真实机械臂数据集 RealSource-World 训练的 Robotics LoRA，面向机器人仿真场景。同步发布的 Hy-Nomas-Bench 含 4 个基准、280 个测试用例，覆盖多轮自由文本交互、相机导航、文本与相机交错联合控制、空间记忆四项能力。arXiv 摘要称在人工评测中 Hy-Nomas 优于现有世界模型，模型以 Apache-2.0 协议开放。 背景：交互式世界模型是过去一年最热的路线之一，谷歌的 Genie 系列与 Runway、World Labs 等公司的世界模型方案并行推进。腾讯混元此前已在开源侧连续输出模型，包括一句话生成 3D 世界的 WorldClaw、首次加入视觉理解的 Hy4 preview、双脑协同全双工 Agent 的 Gander、27B 的 Terminal-RSI 以及同声传译模型，这次把可以多轮交互并且能连续操控相机的世界模型权重、代码与可复现基准一起放出。技术报告 arXiv 编号 2610.36729 于 10 月 27 日提交，模型权重与基准数据集此前已在 Hugging Face 上线并持续更新，截至目前模型仓库下载量超过 5.3 万次、获 127 个赞。项目致谢中提到 Gemma 4、Qwen3.8、Kimi-K3、DC-AE 与 MagiAttention 等开源项目。 影响：对做机器人仿真、游戏与影视预演、需要可控镜头语言的团队来说，Hy-Nomas 的意义在于把交互式世界模型的复现门槛压了下来，权重、代码、基准与轻量适配流程同时开放，不必再自己拼装评测集。基准与权重一并开源也意味着后续工作可以直接在同一套 280 个测试用例上比较，而不是各自定义指标。对国内个人开发者来说，单张 RTX 4090 可跑的量化配置与中文社区内容降低了上手成本。需要说明的是，8 步去噪与 720×1280 的 24 FPS 是官方默认配置而不是性能承诺，生成速度仍取决于硬件、分辨率、片段长度与历史长度，官方也明确把架构与采样默认值同基准结果区分开来。 总结：Hy-Nomas 一次性交付了权重、推理代码和带 280 个用例的评测基准，这让它成为目前少数可复现的交互式视频世界模型项目。长期看 Hy-Nomas-Bench 可能比模型本身更有价值，它把交互式世界模型好不好用变成了可以复算的指标。接下来的看点是社区能否在这套基准上刷出新成绩，以及腾讯混元会不会把这条路线接进更大规模的模型训练。 常见问题： 问：腾讯混元世界模型怎么下载？ 答：权重、代码与 Hy-Nomas-Bench 基准都在 Hugging Face 与 GitHub 的腾讯混元官方仓库开放，协议为 Apache-2.0。 问：腾讯混元世界模型能单卡跑吗？ 答：可以，官方提供单张 RTX 4090 的量化配置，用 INT8 权重与 KV 缓存、FP8 解码器和 CPU 卸载。 参考来源： arXiv 技术报告 Hy-Nomas: Towards Free-form Interactive World Generation（arXiv:2610.36729，10 月 27 日提交） https://arxiv.org/abs/2610.36729 腾讯混元 Hy-Nomas 模型卡与模型权重（Hugging Face） https://huggingface.co/tencent/Hy-Nomas Hy-Nomas-Bench 评测基准数据集（Hugging Face，4 个基准 280 个测试用例） https://huggingface.co/datasets/tencent/Hy-Nomas-Bench 腾讯混元 Hy-Nomas 推理代码仓库（GitHub） https://github.com/Tencent-Hunyuan/Hy-Nomas Pandaily：Tencent Hunyuan 发布 Hy-Nomas 技术报告并开源 Hy-Nomas-Bench（2026-10-30） https://pandaily.com/tencent-hunyuan-hy-nomas-technical-report-8b-interactive-world-model-hy-nomas-bench 腾讯新闻：48 小时像素级复刻谷歌最强世界模型，腾讯混元用开源的 Hy-Nomas 把 8 组样片重拍了一遍（2026-10-31） https://view.inews.qq.com/wxn/20261031A06J5Y00 每日 AI 快讯：腾讯混元发布 Hy-Nomas 技术报告并开源 Hy-Nomas-Bench https://ai-daily.ax0x.ai/items/b0homf59s27kaopy0uyk9exm2 腾讯混元发布开源交互式视频世界模型 Hy-Nomas https://rss.bz/zh/post/tencent-hy-nomas-world-model eyerys：Tencent 以 Hy-Nomas 切入下一代交互式世界模型 https://www.eyerys.com/articles/news/navigating-virtual-environments-tencent-joins-next-generation-interactive-world-models-hy-nomas