产品定位
Hy-Nomas 是腾讯混元 2026 年 10 月开源的可交互视频世界模型，80 亿参数、分段自回归生成。它把「输入提示词等成片」变成「边生成边操控」——用文字和相机轨迹决定世界往哪长，并以 Apache 2.0 协议开放权重，允许商用。

核心功能
支持 WASD / 方向键控制视角，中途还能打字改剧情（比如让天上下雪、路边冒出机器人）；靠持久 KV 缓存实现「世界记忆」，走出半条街再回头，之前放下的物体仍在原地。架构为 54 个双流 MMDiT 块加 Qwen2.5-VL-7B 文本编码器，输出 720×1280 @ 24FPS，配套 Hy-Nomas-Bench 基准（280 个用例，覆盖多轮文本控制、相机导航、交错控制、空间记忆四类任务）。

部署与局限
官方配置为 8 卡序列并行；单张 RTX 4090 用 INT8 权重 + INT8 KV 缓存 + FP8 解码器 + CPU offload 约 38GB 可跑，但并非实时，社区实现生成 1 秒画面约需 3.5–4 秒。ComfyUI、SGLang、Diffusers 均已接入，也开放 LoRA 微调训练专属世界。