Genie 4 مقابل HY-Nomas: العالم الأفضل مُغلق، أما القابل للتنزيل فليس كذلك

مقابل نحو 196 غيغابايت يمكنك أن تمتلك نموذج عالم بالكامل. هذا هو حجم مجموعة نقاط الحفظ الكاملة HY-Nomas، التي نشرها فريق Hunyuan التابع لـ Tencent بموجب Apache 2.0 في 23 أكتوبر 2026، مع الأوزان على Hugging Face والشفرة على GitHub. وبعد أربعة أيام، أعلنت Google DeepMind عن Genie 4 — نموذج عالم أفضل وفق معظم المقاييس النوعية، مع صوت أصلي ونافذة تماسك مدتها دقيقتان، متاح لا أحد سوى مختبِرين موثوقين وقائمة انتظار. بين هاتين الحقيقتين يقع القرار الأكثر عملية في النمذجة التوليدية للعالم الآن: أن تأخذ النموذج الأقوى الذي لا يمكنك الحصول عليه، أم الأضعف الذي يمكنك تشغيله الليلة.

ليست المقارنة في الحقيقة بين Genie 4 وHY-Nomas من حيث الجودة. إنها مقارنة بين موقفين إزاء المشكلة نفسها، وفجوة الجودة هي ثمن الموقف. وفهم ما تدفعه، وما تدفعه مقابله، هو جوهر هذا المقال.

ما الذي تحصل عليه فعليًا من Apache 2.0

يُشحَن HY-Nomas على هيئة أوزان، لا كخدمة. توجد نقطة التحقق الرئيسية على Hugging Face باسم tencent/Hy-Nomas، إلى جانبها نسخة متوافقة مع Diffusers، ويضم المستودع وصفة ضبط دقيق لـ LoRA مع محوّلين — أحدهما للعمل السينمائي بالكاميرا، والآخر للقطات بأسلوب الروبوتات.

يستحق هذا الجزء الأخير التركيز عليه لأنه لا يقدّمه أي نموذج عالمي مغلق. إذا أمكنك الضبط الدقيق على لقطاتك الخاصة، فيمكنك توجيه النموذج نحو مجالك: لغة الكاميرا في استوديوك، وخصائص أجهزة استشعار روبوتك، والتوجه الفني للعبتك. أما Genie 4، مهما بلغ سقف قدراته، فسينتج ما درّبته Google على إنتاجه، والرافعة الوحيدة المتاحة لك هي موجه نصي. وبالنسبة لفريق يُعدّ نموذج العالم لديه أصلًا تنافسيًا لا مجرد أداة، فإن هذا الفارق يتفوق على قدر كبير من الصقل البصري.

الترخيص مهم أيضًا. إن Apache 2.0 متسامح بما يكفي للنشر التجاري دون تفاوض، وهو ما لا يمكن قوله عن Genie 4، الذي لم تُنشر شروطه التجارية على الإطلاق.

ستون ثانية مقابل دقيقتين

كلا النموذجين يولّد عوالم تفاعلية. لكنهما يولّدانهما بطرق مختلفة، والاختلاف بينهما يحدد كيفية قراءة أرقام المدة.

Genie 4 هو نموذج للعالم في الزمن الحقيقي: يعرض المشهد أثناء توجيهك له، ويحافظ على ثبات المشهد لنحو دقيقتين، ويولّد الصوت — صوت محيطي وموسيقى وحوار — أصليًا في التمريرة نفسها. تُغيّر الطقس بكتابته. والتحذير الذي يورده DeepMind نفسه هو أن التفاصيل وثبات الأشياء يتدهوران مع التشغيلات الأطول، لا سيما بعد تعديلات متكررة ومعقدة على الموجّه.

يولّد HY-Nomas الفيديو في مقاطع متتابعة بدلًا من ملف ثابت واحد، وتوجّهه دورًا بعد دور عبر مطالبات نصية ومسارات كاميرا. تحمل ذاكرة KV المؤقتة مدى الحياة اتساق العالم عبر تلك الأدوار. سقفها المعلن هو نحو ستين ثانية من التوليد بدقة 720×1280 و24 إطارًا في الثانية، باستخدام ثماني خطوات لإزالة التشويش في الإعداد المقطّر، مع دعم أربع وست أيضًا.

إذن، المقارنة الصادقة ليست بين ستين ثانية ومئة وعشرين. بل بين توليد المقاطع على أساس الأدوار مقابل العرض المستمر في الزمن الحقيقي. يمنحك Genie 4 عالماً يستجيب أثناء وجودك داخله. أما HY-Nomas فيمنحك عالماً يتقدم دورة مؤلَّفة واحدة في كل مرة، وهو أسلوب عمل أبطأ وأكثر قابلية للتحكم بكثير — فكل مقطع قرار يمكنك فحصه قبل الانتقال إلى التالي.

في العمق، يختلف الاثنان معماريًا على نحو يفسّر السلوك. HY-Nomas عبارة عن محوّل انتشار — أربع وخمسون كتلة MMDiT ثنائية المسار، ومشفّر نصي Qwen2.5-VL-7B-Instruct، وتمثيلات كامنة DCAE-V، وفكّاك PixelUMM مُضبط بدقة، بنحو ثمانية مليارات معامل مستقرأة من نقطة التحقق المنشورة لا من بيان رسمي. ذلك نموذج كبير يُنتج مقاطع فيديو. أما Genie 4 فهو محاكٍ يعمل في الزمن الحقيقي لم تصف Google داخلياته بأي قدر مماثل من التفصيل، ويقترن بنماذج Gemini التي تُرسي المظهر وتوجّه الحلقة.

الميزة التي يمتلكها Genie 4 ولا يمتلكها أحد سواه

الصوت. يُعدّ Genie 4 أول نموذج عالمي من DeepMind يولّد الصوت بشكل أصيل، وحتى كتابة هذه السطور لا يوجد أي نموذج عالمي مفتوح الأوزان في هذه المقارنة — بما في ذلك HY-Nomas — يقدّم ادعاءً مكافئًا. وهو ينتج ضجيجًا محيطًا وموسيقى وحوارًا تفاعليًا تستجيب فيه الشخصيات لما يحدث في المشهد.

سواء كان ذلك حاسمًا أم لا، فهو يعتمد كليًا على استخدامك. بالنسبة إلى التصور المسبق السينمائي، فهو شبه حاسم: فاللقطة بلا صوت نصف لقطة، وإعادة بناء البيئة الصوتية من الصفر وفق توقيت شخص آخر هي الجزء من التصور المسبق الذي لا يستمتع به أحد. وبالنسبة إلى محاكاة الروبوتات، فهو نمط إدخال مفقود يحدّ مما يمكن للبيئة أن تعلّمه. وبالنسبة إلى استوديو ألعاب يولّد لقطات خلفية، فهو تسهيل.

وبالنسبة للجميع، فإنه غير مُقاس. لم تنشر Google أي معيار أداء صوتي، ولا أي قياس للمزامنة، ويعترف مهندسوها أنفسهم بأن دقة الصوت لم تُحل. الادعاء حقيقي، أما الدليل فهو مجرد شريط عرض تجريبي.

فاتورة الأجهزة، محسوبة

هنا يتوقف النموذج المفتوح عن كونه مجانيًا ويبدأ في أن يصبح مصروفًا رأسماليًا.

• النشر الافتراضي — صُمم HY-Nomas لثماني وحدات GPU. هذا خادم، وليس محطة عمل.

• المسار أحادي GPU — يعمل إعداد موثّق على بطاقة RTX 4090 واحدة باستخدام أوزان INT8 لمحوّل الانتشار، ومُفكّك ترميز FP8، وتفريغ الحمل إلى CPU، ومخزن مؤقت للسجل محدود السعة.

• القرص — تبلغ مجموعة نقاط التحقق الكاملة نحو 196 GB؛ ويتطلب المسار منخفض الذاكرة نحو 38 GB إضافةً إلى مُرمِّز النص.

• الإنتاجية — ستون ثانية من المخرجات ليست ستين ثانية من الحوسبة. فـ Diffusion عند ثماني خطوات لإزالة الضوضاء عبر أربع وخمسين كتلة محوّل يعني أن التوليد يُقاس بالدقائق لكل مقطع، ولم تنشر Tencent أرقام الكمون.

• Genie 4 — لا توجد متطلبات أجهزة معلنة، ولا زمن استجابة معلن، ولا سعر معلن. الوصول هو اشتراك في Google AI Ultra عبر Project Genie أو اتفاقية شراكة للوصول المبكر.

إذا أجرينا الحسابات بصدق، فمسار 4090 آلة بحثية وليس آلة إنتاجية: سينتج مقطعًا، ببطء، مع ذاكرة متدهورة للتسلسلات الطويلة، وهذا بالضبط هو المقايضة التي يفرضها مخزن التاريخ المحدود السعة. أما مسار وحدات GPU الثماني فينتج إنتاجية قابلة للاستخدام ويكلّف ما تكلفه ثماني وحدات GPU في مراكز البيانات، قبل احتساب الطاقة والشخص الذي عليه إبقاؤه يعمل.

ولهذا فإن المقارنة مع واجهة API مستضافة ليست بديهية. إذا كان حجمك بضع مئات من المقاطع شهريًا، فإن تشغيل ثماني وحدات GPU لخدمتها يُعدّ استخدامًا سيئًا لرأس المال، والإجابة الصحيحة هي API — سواء كانت ours أو أي API أخرى — بسعر لكل استدعاء ودون نفقات رأسمالية. وإذا كان حجمك مستمرًا، أو كانت بياناتك لا تستطيع مغادرة شبكتك، فإن تنزيل 196 GB يُعدّ صفقة لا تستطيع أي خدمة مستضافة مضاهاتها. هذا هو القرار الفعلي، ولا علاقة له بالنموذج الأجمل.

معياران، وصفر درجات

تقدم HY-Nomas شيئًا يُسمى Hy-Nomas-Bench: 280 حالة اختبار مع نحو 220 مسارًا مرجعيًا للكاميرا. إنها أداة تقييم حقيقية، واعتبارًا من وقت الإصدار، ليس لديها أي نتائج منشورة. ويُوصف التقرير الفني بأنه مرتقب.

لا يوجد ما يعادل Genie 4. فلم تنشر Google أي مجموعة اختبارات معيارية، ولا أي مقارنة رقمية بـ Genie 3 تتجاوز نافذة الاتساق المضاعفة، ولا أي معلومات عن الدقة أو معدل الإطارات على الإطلاق.

إذن كلا الطرفين يطلب أن يُحكم عليه بناءً على لقطات عرض تجريبية. في هذه الحالة ينبغي أن يكون معيار الفصل هو قابلية إعادة الإنتاج، والأمر ليس متقاربًا: يمكنك تنزيل HY-Nomas، وتشغيل Hy-Nomas-Bench بنفسك، ونشر رقم. لا يمكنك فعل ذلك مع Genie 4، وإذا كنت من نوع الفرق التي تحتاج إلى رقم قبل الالتزام، فإن النموذج المغلق ليس مجرد غير مريح — بل هو مُقصٍ.

ما الذي نوصي به فعليًا

إذا كنت بحاجة إلى العالم الأكثر إقناعًا المتاح وكان عملك استكشافيًا — التصوّر المسبق، وتطوير المفاهيم، ومحاكاة على مستوى النموذج الأولي — فإن Genie 4 هو القدرة الأقوى، وينبغي لك الانضمام إلى قائمة الانتظار والتصميم على أساس لقطة مدتها دقيقتان. الصوت وحده يضعه في فئة مختلفة عن كل ما يتوفر بأوزان مفتوحة، كما أن بنية Gemini-in-the-loop تعني أنه يمكن تشغيله بواسطة وكيل بدلًا من التشغيل اليدوي.

إذا كنت بحاجة إلى نموذج عالمي يمكنك امتلاكه، وضبطه الدقيق، وتدقيقه، وتضمينه في منتج، أو تشغيله دون إرسال البيانات إلى مورّد، فإن HY-Nomas هو الخيار الوحيد في هذه المقارنة، وهو خيار قادر حقًا: Apache 2.0، ومسار يعمل على بطاقة 4090 واحدة، وتحكم بالكاميرا، ومحولات للروبوتات، ومجموعة تقييم منشورة. أنت تقايض الواقعية البصرية والصوت مقابل التحكم وقابلية إعادة الإنتاج، ولطائفة كبيرة من أعمال الهندسة هذه هي المقايضة الصحيحة.

المكدس المحيط هو حيث يتقارب الاثنان. أي نموذج تختار، سيكون داخل حلقة وكيل — فلا بد لشيء ما أن يكتب المطالبات، ويختار مسار الكاميرا، ويفحص المقطع، ويقرر ما إذا كان سيعيد التوليد. تتكوّن تلك الحلقة من استدعاءات عادية لنماذج اللغة والرؤية، وهي حيث يثبت الموجّه جدارته: واجهة API واحدة تشمل أكثر من 200 نموذج، وتحويل تلقائي عند الفشل بحيث يصبح تعطّل المزوّد مجرد إعادة محاولة بدلًا من فقدان عملية تصيير، وأسعار القائمة لدى المزوّدين تُمرَّر دون أي هامش ربح بحيث يصل إليك تخفيض سعر المورّد في اليوم الذي يُطبَّق فيه. نموذج العالم هو الجزء المكلف وبطيء التغيّر في مكدسك. وينبغي أن يكون كل ما حوله على العكس من ذلك.

قبل ستة أشهر، كان السؤال المثير للاهتمام هو ما إذا كانت نماذج العالم المفتوحة قادرة على المنافسة أصلاً. يجيب HY-Nomas بأنها قادرة على المنافسة في التحكم مع تأخرها في الدقة الواقعية، ويجيب Genie 4 بأن سقف الدقة الواقعية لا يزال يتحرك. لا يحسم أيٌّ من الجوابين الجدل، ولهذا السبب يتوفر التحميل وتطول قائمة الانتظار.