可以中途给视频“加戏”——这是腾讯刚开源的 Hy-Nomas 最不一样的地方。10月21日，腾讯混元把代码、权重和交互式网页 Demo 一起放上了 GitHub，Apache-2.0 许可。官方口径是单张 RTX 4090 低显存推理。技术报告 10 月 27 日已在 arXiv 提交。GitHub知乎arXiv
用一句话描述一个世界，它先生成第一段；然后你可以一路下指令：“路边多一把刮刀”“把草莓切开放进碗里”“画风改成水墨”。它是一个 8B 扩散主干、支持多轮文本与相机控制的模型。段段自回归生成：每一段内部用扩散去噪，蒸馏后只要 8 步；段与段之间像语言模型一样自回归，用 KV cache 记住之前生成过的内容，所以世界不重置；打指令打累了，还能直接按 WASD 或方向键改视角。arXivGitHub
现实一：“能跑”和“实时”是两回事
官方低显存组合是：INT8 量化的权重与 KV cache、FP8 解码器、滑动窗口限制历史，再用 CPU offload 把不处理的模型挪进系统内存——所以装之前先看内存够不够大。社区另一端则给出了参照：Mashbox 在 4 颗 Google TPU v6e 芯片上跑出 720p 实时生成，每秒视频耗 0.933 秒计算、60 秒连跑无延迟帧。单张 4090 的体验，更接近“等一段、接着导”，而不是丝滑开玩。GitHub
现实二：它现在不是拿来打游戏
开源一周，SGLang 已把支持合进主干，WanGP v18.81、ComfyUI 社区节点也很快跟上；官方还放了两个现成 LoRA——Cinematic 调画质，Robotics 用真实机械臂数据集训练，用来增强生成世界的机器人仿真能力。评论区小白最直接的追问是：4090能做微调吗？答案是能，官方支持拿自己的视频数据集做 LoRA 微调。这意味着：它离具身 AI 仿真、创意预可视化，比离“AI 游戏”更近。GitHub小红书
现实三：一致性还在路上
官方那句“优于现有世界模型”，出自人评自报。随模型开源的 Hy-Nomas-Bench 评测集，值得你自己上手量一量。社区实测也留了差评素材：镜头转动时两侧有扭曲感。跨段偶发“前面看到的窗户，下一段变成了大厅”。一致性正是这套架构要硬解的问题，但还没有解干净。arXiv知乎小红书
建议的试玩路线
先别 clone。打开 README 顶部的官方在线 Demo，花十分钟验证一件事：你是否真的会沉迷“连续加戏”。沉迷了再动手装，两个硬指标：单张 4090，以及能接住 CPU offload 的富余系统内存，官方没给内存标准数，尽量留余量。没有对应设备的也别急着掏钱包——按这周开源生态的接入速度，等云平台接棒，可能比你自己装机更划算。
