专题 · FULL STORY

腾讯混元开源 Hy-Nomas 视频世界模型

10 月 23 日至 24 日，腾讯混元在 Hugging Face 完全开源 8B 参数视频世界模型 Hy-Nomas 的代码与权重。随后开发者将其移植为原生 ComfyUI 节点，仅需 12GB 显存即可本地推理，让消费级显卡用户也能部署这一模型。

2026-10-23 ~ 2026-10-25 · 2 集 · 12 条

第 1 集 · 腾讯混元完全开源 8B 视频世界模型 Hy-Nomas(2026-10-23,9 条)

10 月 23 日至 24 日，腾讯混元在 Hugging Face 发布并完全开源（代码+权重）视频世界模型 Hy-Nomas，参数规模 8B，采用 Apache 2.0 协议，免费可用。据团队成员所述（转发帖 @yshan2u），这是其加入混元半年后交出的作品。该模型以消费级硬件可跑的形式提供了交互式世界模拟能力，显著降低了相关研究与开发门槛。

已确认

  • 完全开源：代码与权重均在 Hugging Face（tencent/Hy-Nomas）上线，权重以 safetensors 提供、Diffusers 格式，另含 PyTorch 格式，协议为 Apache 2.0，并附 280 例基准
  • 架构：基于分段自回归扩散 Transformer（DiT），技术栈包含 Qwen 文本编码器，支持相机控制与自回归式视频生成
  • 支持自由形式交互：多轮文本提示与相机轨迹控制，可在分段之间加入角色、换风格、描述动作或指定镜头路径，实现「边生成边导演」
  • 长时程生成：借助持久 KV cache 记忆（world memory）保持世界一致性，实现连续生成
  • 输出规格：720p / 24FPS
  • 推理门槛低：针对消费级 GPU 优化，单张 RTX 4090 即可推理
  • 提供轻量 LoRA 适配，可用于机器人等特定领域

为什么重要

Hy-Nomas 将「世界模型+交互式视频生成」的能力以完全开源、消费级硬件可跑的形式放出，降低了研究者和开发者在交互式世界模拟、机器人仿真等方向上的实验门槛；KV cache 世界记忆带来的长时程连续生成与段间可编辑能力，也是其区别于一般视频生成模型的关键卖点。

第 2 集 · 腾讯 Hy-Nomas 世界模型获原生 ComfyUI 支持，12GB 显存可跑(2026-10-24,3 条)

腾讯混元视频世界模型 Hy-Nomas 被开发者移植为原生 ComfyUI 节点，仅需 12GB 显存即可本地推理，消费级显卡用户也能部署。其 DiT 可作为普通 ComfyUI MODEL 使用，工作流支持从用户自己的图片出发，串联多个片段并为每段配置独立的文本提示。这显著降低了世界模型类应用本地部署的门槛。