AREX Feed Article
腾讯混元放出 Hy-Nomas vs Genie 4 对比视频：技术报告发布、基准开源，demo 免候补开放
北京时间 10 月 30 日凌晨（UTC 时间 10 月 29 日 17 时），腾讯混元在 X 平台的官方账号 （账号现名 Tencent Hy）公布了四件事：交互式视频世界模型（world model）Hy-Nomas 的技术报告已经发布；用于可复现研究的 Hy-Nomas-Bench 数据集已在 Hugging Face 开源；团队称「用 Hy-Nomas 重新创作了 Genie 4 的示例」，并附上完整的「Hy-Nomas vs Genie 4」对比视频；demo 即刻开放试用，「无需候补名单」。以上均为腾讯混元的单方发布口径。
帖子下方的对比对象两天前才刚亮相：10 月 27 日，Google DeepMind 宣布新一代世界模型 Genie 4，称其带来前所未有的真实感、改进实时交互模拟，能原生同步生成音乐、环境音与对话，能力依托 Gemini 家族；它目前以研究预览（research preview）形式向受信任的测试者开放，普通用户要登记 Project Genie 的候补名单。腾讯混元把 Hy-Nomas 放在了它旁边：模型代码以 Apache License 2.0 开源（），公开可访问。帖文外链显示技术报告挂在 ，页面显示 v1 提交于 10 月 27 日；帖文本身则称报告「上周五」（10 月 23 日）已发布。
Hy-Nomas 官方画廊的 CG 样例（第三人称跟随视角）。图源：腾讯混元官方画廊，经 ComfyUI Wiki 转载
报告要点：动作指令只在属于自己的时间段生效
这份题为《Hy-Nomas: Towards Free-form Interactive World Generation》的报告署名 Tencent Hy Visual Generation Team。报告把 Hy-Nomas 描述为以 8B（80 亿参数）扩散模型（diffusion）为骨干的视频世界模型：按段生成长度可变的视频片段，支持多轮自由文本指令与连续相机控制，每一段都以当前输入和缓存的历史为条件。报告的核心设计是让结构化视频字幕与「动作感知因果注意力」（action-aware causal attention）对齐——描述世界的上下文跨段保持可访问，动作指令只作用于它对应的时间窗口，旧动作的后果留住，旧指令本身不再干扰新段落。
一个视觉语言的提示增强器 Prompt Enhancer（PE）把用户请求和多模态交互历史翻译成下一段的结构化条件；训练走多阶段课程，从因果生成、文本交互、相机控制一路推进到在模型自生成的历史上训练，最后做扩散蒸馏。报告称人工评测显示 Hy-Nomas 优于现有世界模型——这是团队自己的结论。部署规格写在 上：蒸馏配置用 8 步去噪，输出 720 × 1280、24 FPS 的视频；文本条件来自 Qwen2.5-VL-7B-Instruct；相机条件则把归一化的 4×4 外参矩阵编码后，经交叉注意力注入每个双流 MMDiT（多模态扩散 Transformer）模块。
Hy-Nomas 框架图（54 层双流 MMDiT 结构）。图源：Hy-Nomas 发布仓库，经 ComfyUI Wiki 转载
Hy-Nomas-Bench：280 个用例，四种交互考验
已在 开源的 Hy-Nomas-Bench 共收录 280 个测试用例，拆成四个基准：多轮自由文本控制（Bench-1，60 例，单例 2～6 轮）、相机导航（Bench-2，100 例，4～20 轮）、文本与相机交替控制（Bench-3，60 例，2～7 轮）和空间记忆（Bench-4，60 例，8 轮）。数据集提供结构化提示、交互序列和 220 条参考相机轨迹；视频、回访帧和评分都不随包发布——官方说明打分是独立的一步，这套基准考的是交互可控性和长程生成中的一致性。
相机导航覆盖 49 个场景、8 种基本相机动作和 24 种双键组合，每个固定动作持续 2～4 秒并配一段等长的反向回位；空间记忆用例让相机围绕一个显眼的静态目标做四组去程与回程，比较同一相机位姿下的画面一致性。场景横跨现实、游戏、CG 与动画风格，提示词以英文为主，Bench-1 里混有少量中文或中英混合提示。数据集按 Apache License 2.0 发布，用官方代码库的脚本即可离线复跑全部四个基准，不需要在线的提示增强服务。
Hy-Nomas-Bench 并非这次才出现：10 月 21 日模型开源时它就随仓库上线（ 当日的报道已将其列入发布清单），Hugging Face 页面元数据显示数据集创建于 10 月 22 日。此次帖文把「为可复现研究开源」单独拎出，是对这套基准的再强调。
技术报告 Figure 10：Hy-Nomas-Bench 全景。图源：arXiv:2610.36729
对比视频：Genie 4 发布两天后的跟进演示
帖文原话是：「我们还用 Hy-Nomas 重新创作了 Genie 4 的示例。看完整对比视频：Hy-Nomas vs Genie 4」。视频直接附在帖子中（封面帧 1920 × 1080，平台元数据），腾讯混元没有说明两边素材的生成条件、提示词如何对齐、用了哪些指标——它是官方演示，不构成论文评测的一部分。帖文为 demo 写下的原话「No waitlist」，与 Genie 4 目前需要登记候补名单的接入方式形成直接对照。
在可见回复中，信息最具体的一条来自用户 @neuralloot：他称报告对 Genie 的部分「坦率得难得」，并提议对 Genie 4 在循环路径上做「同款成对人工测试」（）。截至 10 月 29 日 18 时许（UTC），这条帖子累计约 3,300 次浏览、85 个赞、18 次转发，热度还很有限。
论文的正式对比：对象是 Genie 3，并承认空间记忆落后
对比视频之外，报告正文里有一套成对人工评测，对象是 Genie 3、阿里云的 Happy Oyster 和 LingBot-World v2。由于 Genie 3 的官方 API 不支持基于文本提示的交互，它只在相机导航和空间记忆两项参评。
结果并不一边倒。空间记忆一项，Hy-Nomas 对 Genie 3 胜率 13.3%、平局 56.7%、负率 30.0%，报告写明「Genie 3 保持更强的空间一致性」，并推测这与 Genie 能用 Street View 街景数据做 grounding（把生成锚定到真实地理信息）有关；对 Happy Oyster 大致持平（胜 30.0%、平 46.7%、负 23.3%）；对 LingBot-World v2 则明显占优（胜 58.3%、负 1.7%）。相机控制一项，报告称对三家模型的胜率都高于负率，但优势不如文本交互项目明显。整体「交互能力更强」的说法，出自团队自己的报告。
单张 RTX 4090 能跑：开源版本的部署边界
以 Apache License 2.0 发布了训练、推理、数据标注代码与预打包 Docker 镜像。标准推理配置默认一次用 8 张卡（8 路序列并行加分布式解码）；仓库另给了一套单张 RTX 4090 的低显存方案——扩散 Transformer（DiT）权重和键值（KV）缓存以 INT8 存储、解码器用 FP8、模型在 CPU 与 GPU 之间分阶段倒腾，GPU 上保留的历史窗口限制在 18 个 latent 帧（潜变量帧）、更早的历史归档进系统内存。模型卡明说这种配置会增加延迟，且系统内存要装得下被换出的模型与不断增长的归档。
两个官方 LoRA 适配器随包发布：Cinematic LoRA 用于画质增强，Robotics LoRA 在 RealSource-World 真实机械臂数据集上训练、用于强化生成世界里的机器人仿真能力；INT8 单卡配置不支持在推理时挂载 LoRA。线上 支持按住 WASD 与方向键或拖拽鼠标在生成的世界里移动，官方画廊的第一人称赛车样例 circuit-drive 便由这类相机控制生成；demo 依赖一个独立的在线服务 Nomas-PE 把用户指令转成结构化提示，离线推理则可以绕开它。
官方画廊样例「circuit-drive」。图源：腾讯混元官方画廊，经 ComfyUI Wiki 转载
对「Hy-Nomas vs Genie 4」这段视频而言，能核实的边界到此为止：它没有附带评测协议、指标或提示词清单。Hy-Nomas 与 Genie 4 的正面差距，目前可见的对照是腾讯自己放出的这段视频；报告里那套成对人工评测，对比对象止于 Genie 3。