Tangkapan layar menampilkan halaman resmi pada tanggal pengambilan dan mungkin berbeda dari saat artikel diterbitkan. Pilih gambar untuk memperbesar.
Pada 24 Oktober 2026 (waktu Tiongkok dan Jepang), tim Hunyuan dari Tencent mengumumkan "Hy-Nomas" lewat akun resmi X, sebuah model AI yang terus membangun "dunia" dalam bentuk video. Model ini menggabungkan instruksi teks dan gerakan kamera untuk menghasilkan adegan per segmen, dan di tengah prosesnya pengguna bisa menambahkan objek atau mengubah gaya visual maupun gerakan. Bobot model dan kodenya tersedia di Hugging Face dan GitHub dengan lisensi Apache-2.0 yang mudah digunakan, termasuk untuk keperluan komersial.
Apa itu Hy-Nomas
Hy-Nomas adalah AI yang disebut Tencent sebagai "model generasi dunia video interaktif". AI pembuat video pada umumnya menghasilkan video dengan durasi tetap dari satu instruksi. Sebaliknya, Hy-Nomas membuat video dalam potongan pendek (segmen) dan menerima instruksi baru di setiap potongan.
Menurut model card-nya, operasi berikut bisa dilakukan selama proses pembuatan:
- Lewat teks, menambahkan objek, mengubah gaya visual atau adegan, dan memberi instruksi gerakan pada elemen yang muncul
- Menentukan gerakan kamera untuk bergerak di dalam dunia
- Memasukkan instruksi teks dan kontrol kamera secara bergantian
Model ini memiliki mekanisme untuk mengingat isi segmen sebelumnya (memori dunia), dan menurut Tencent mampu menjaga konsistensi tampilan dan tata letak meski adegan terus berlanjut.
Performa dan kebutuhan perangkat
Versi cepat yang dirilis menghasilkan video berukuran tinggi 720 × lebar 1280 piksel dengan 24 bingkai per detik melalui 8 langkah pemrosesan. Menurut penjelasan di GitHub, model ini mendukung pengaturan 4, 6, dan 8 langkah.
Konfigurasi standarnya mengasumsikan penggunaan 8 GPU. Namun, dengan menggabungkan kuantisasi (INT8) yang membuat model lebih ringan dan pengaturan yang mengalihkan sebagian pemrosesan ke CPU, tersedia konfigurasi yang bisa berjalan bahkan di satu GPU rumahan NVIDIA "GeForce RTX 4090". Meski begitu, konfigurasi satu kartu ini hanya berlaku untuk bagian pembuat video; mekanisme penguat prompt yang digunakan di demo web membutuhkan sumber daya komputasi terpisah.
Perlu dicatat, 24 bingkai adalah jumlah bingkai video saat diputar, dan belum dijelaskan apakah kecepatan pembuatannya bisa mengimbangi waktu nyata. Jumlah parameter dan durasi video maksimum juga tidak tercantum di model card. Media khusus luar negeri VP Land melaporkan "8 miliar parameter, maksimum 60 detik" berdasarkan keterangan di halaman proyek, tetapi CoAI belum dapat memastikannya dari sumber primer.
Yang dirilis bersamaan
Selain model utama, hal-hal berikut juga dirilis:
- LoRA (komponen kecil untuk pelatihan tambahan) untuk visual bergaya sinematik
- LoRA untuk robot (dilatih dengan data dari robot dua lengan sungguhan)
- Kode pelatihan, inferensi, dan demo, serta mekanisme untuk menambahkan deskripsi pada data pelatihan
- Data evaluasi "Hy-Nomas-Bench" (280 item)
Tencent menjelaskan bahwa LoRA untuk robot bertujuan meningkatkan kemampuan mereproduksi gerakan robot di dunia yang dibuat. Ini mengisyaratkan bahwa model tersebut tidak hanya ditujukan untuk produksi video, tetapi juga untuk simulasi robot. Tersedia juga demo daring yang bisa dicoba di peramban.
Lisensi dan evaluasi
Lisensinya adalah Apache-2.0, dan berlaku tidak hanya untuk kode tetapi juga untuk bobot model. Namun, komponen pihak lain yang disertakan (seperti model Qwen yang dipakai di bagian pembaca teks) tetap mengikuti lisensi aslinya masing-masing. File LICENSE menyebutkan bahwa tidak ada pembatasan tambahan di luar itu. Sebagian model Hunyuan sebelumnya dirilis dengan lisensi khusus yang mengecualikan wilayah tertentu atau membatasi jumlah pengguna. Kali ini, perilisannya dalam bentuk yang jauh lebih bebas cukup menarik perhatian.
Di sisi lain, belum ada angka performa. Hy-Nomas-Bench menguji empat hal: instruksi teks berulang, gerakan kamera, kombinasi instruksi dan kamera, serta memori tempat, tetapi skor maupun perbandingan dengan model lain belum dipublikasikan. Laporan teknisnya pun masih berstatus "segera hadir".
Persaingan model dunia
Model dunia adalah AI yang membuat dunia virtual yang bisa dijelajahi dari teks dan masukan lainnya. Selain untuk pembuatan gim dan video, model ini juga menarik perhatian untuk melatih AI robot dan kendaraan otonom di lingkungan virtual.
Tencent sebelumnya sudah merilis seri model dunia HY-World, dan HY-World 2.0 pada bulan April adalah model yang menghasilkan data 3D yang bisa diedit. Hy-Nomas tidak membuat data 3D, melainkan memperluas dunia dengan menyambung video sedikit demi sedikit, dan keunggulannya adalah instruksi teks bisa disisipkan berkali-kali. Perbandingan performa dengan HY-World belum ditunjukkan.
Pandangan Redaksi CoAI
Hy-Nomas adalah upaya memperluas AI pembuat video dari "sekali buat lalu selesai" menjadi sesuatu yang "terus ditambah instruksinya sambil dibuat". Karena bobot dan kodenya dirilis dengan Apache-2.0 dan ada konfigurasi yang bisa berjalan di satu GPU rumahan, peneliti dan pengembang bisa dengan mudah mencobanya di perangkat sendiri.
Namun, angka performa maupun laporan teknis belum keluar, sehingga kualitasnya hanya bisa dinilai dari demo dan penjelasan Tencent. Jika ingin mencoba, sebaiknya periksa dulu cara kerjanya melalui demo daring atau pengaturan yang ringan, dan tunda penggunaan serius sampai laporan teknis dan evaluasi pihak luar tersedia.