截图展示拍摄日期的官方页面，可能与文章发布时不同。点击图片可放大。
腾讯混元团队于2026年10月24日（中国时间、日本时间）在官方X账号上发布了可持续生成视频“世界”的AI模型“Hy-Nomas”。它将文字指令与镜头运动相结合，一段一段地生成场景，并可在生成过程中添加物体，或改变画风和动作。模型权重和代码已在Hugging Face和GitHub上公开，许可协议为便于商用的Apache-2.0。
Hy-Nomas是什么
Hy-Nomas是腾讯所称的“交互式视频世界生成模型”。一般的视频生成AI根据一条指令生成固定长度的视频，而Hy-Nomas则把视频分成一个个短片段（segment）来生成，每生成一段都能接受新的指令。
根据模型卡，生成过程中可以进行以下操作。
- 用文字添加物体、改变画风或场景、指挥画面中的对象做出动作
- 指定镜头运动，在世界中移动
- 交替输入文字指令和镜头操作
它具备记住前面片段内容的机制（世界记忆），即使场景不断延续，也能保持外观和布局的一致性。
性能与运行环境
公开的加速版模型经过8步处理，输出高720、宽1280像素、每秒24帧的视频。根据GitHub上的说明，它支持4步、6步和8步设置。
标准配置以使用8张GPU为前提。另一方面，若结合用于压缩模型的量化（INT8）以及将部分处理交给CPU的设置，也提供了仅用一张NVIDIA消费级显卡“GeForce RTX 4090”即可运行的配置。不过，这种单卡配置只针对生成视频的部分，网页演示中用于扩写提示词的机制还需要另外的算力。
需要注意的是，24帧指的是播放视频的帧率，生成速度能否达到实时并未说明。模型卡中也没有写明参数量和最长视频时长。海外专业媒体VP Land援引项目页面的内容称“80亿参数、最长60秒”，但CoAI未能在一手资料中确认。
一同公开的内容
除模型本体外，还公开了以下内容。
- 面向电影感画面的LoRA（用于追加训练的小型组件）
- 面向机器人的LoRA（使用真实双臂机器人的数据训练）
- 训练、推理和演示代码，以及为训练数据添加描述的工具
- 评测数据集“Hy-Nomas-Bench”（280条）
腾讯表示，面向机器人的LoRA旨在提升在生成的世界中再现机器人动作的能力，由此可以看出，它不仅面向视频制作，也考虑到了机器人仿真的用途。此外还提供了可在浏览器中试用的在线演示。
许可协议与评测
许可协议为Apache-2.0，不仅适用于代码，也适用于模型权重。不过，其中包含的其他公司组件（如用于读取文字的Qwen模型等）各自遵循原有的许可协议。LICENSE中写明不会附加更多限制。此前混元的部分模型采用排除部分地区或设置用户数上限的自有许可协议发布，这次以自由度较高的方式开放，颇为引人注目。
另一方面，性能数据尚未公布。评测用的Hy-Nomas-Bench涵盖多轮文字指令、镜头移动、指令与镜头的组合以及场景记忆四个方面，但并未公开分数或与其他模型的比较。技术报告也仍处于“即将发布”的状态。
世界模型的竞争
世界模型是根据文字等输入生成可在其中自由移动的虚拟世界的AI。除了游戏和影视制作外，在虚拟环境中训练机器人和自动驾驶AI的用途也备受关注。
腾讯此前已发布世界模型HY-World系列，4月推出的HY-World 2.0是生成可编辑3D数据的模型。Hy-Nomas并不生成3D数据，而是通过一点点拼接视频来扩展世界，其特点在于可以随时多次插入文字指令。官方并未给出与HY-World的性能对比。
CoAI编辑部观点
Hy-Nomas是一次尝试，要把视频生成AI从“生成一次就结束”拓展为“边生成边追加指令”。权重和代码以Apache-2.0开源，并且有单张消费级显卡即可运行的配置，研究人员和开发者很容易在本地试用，这是它的优势。
不过，性能数据和技术报告都尚未发布，目前只能依据腾讯的演示和说明来判断其优劣。如果想试用，建议先通过在线演示或较轻量的设置确认运行效果，等技术报告或外部评测出来后再正式投入使用。