腾讯混元开源视频世界模型,消费级显卡就能跑

腾讯混元把一套视频世界模型开源了,名字叫 Hy-Nomas。官方给出的定位是"自由形态交互式视频世界模型",几个关键能力一次性摆上了台面。


先看交互方式:文本提示词和镜头轨迹都能直接操控生成过程。也就是说,你不只是描述画面里有什么,还能规定镜头怎么走。

再看生成能力,官方强调了两点——长时程生成,以及带"世界记忆"。前者指向视频能拉得更长,后者指向模型在生成过程中对已有场景信息的保留。

适配层面,Hy-Nomas 支持轻量级 LoRA 微调,官方点名的方向是机器人等专门领域。对做垂直场景的团队来说,这意味着不必从零训练。

最值得开发者注意的是推理优化:官方明确写了"针对消费级 GPU 优化"。视频世界模型过去常和昂贵算力绑定,这条直接把门槛往下压了一截。

想上手的话,入口给得很齐:

  • 项目主页:hy-nomas.hy.tencent.com
  • 代码仓库:GitHub 上的 Tencent-Hunyuan 组织
  • 模型权重:Hugging Face 的 tencent/Hy-Nomas
  • 演示:项目主页下的 demo 页面

官方在发布里只留了一句话给使用者:随时测,随时提反馈。