Hy-Nomas: ماذا يفعل نموذج Tencent التفاعلي الحر للعالم في الواقع

أكثر ما يفيد فهمه عن Hy-Nomas هو أنه لا يصنع فيديو. بل يصنع الثواني الأربع التالية من الفيديو، ويعرضها عليك، وينتظر تعليماتك، ثم يصنع الثواني الأربع التي تليها — حاملًا معه كل ما سبق أن صيّره في ذاكرة مؤقتة كي تظل ناصية الشارع التي انعطفت عندها قبل دقيقتين تحمل المتجر نفسه. نشرت Tencent Hunyuan الأوزان، وكود الاستدلال، وخط أنابيب للضبط الدقيق، ومعيارًا من 280 حالة، وعرضًا تجريبيًا في المتصفح بين 21 و23 أكتوبر 2026، بموجب Apache 2.0، دون أي منشور إعلاني أو نتائج معيار. تتضمن بطاقة النموذج في معرضها الخاص مقطعًا مدته ستون ثانية من خمس جولات يُسمى clockwork-flight؛ وهذا المقطع يشرح المنتج على نحو أفضل من المستودع أو الورقة البحثية التي لم تُنشر بعد.

ما يلي استعراضٌ لما شُحن فعليًا، وكيف بُنيت الحلقة التفاعلية، والرقم الواحد الذي لا يحتوي عليه الإصدار. وهو مكتوب استنادًا إلى المستودع وبطاقة النموذج وملفات الإعداد المنشورة — لا إلى تشغيل عملي، لأنه اعتبارًا من 24 أكتوبر لا يوجد تقييم من طرف ثالث لـ Hy-Nomas يمكن الاستشهاد به.

أربعة مُخرجات، واحد منها فقط نموذج.

أصدرت Tencent حزمة، والحزمة هي القصة. العنصر الأول هو مجموعة نقاط التحقق على Hugging Face، بحجم يقارب 196 غيغابايت موزعة على DiT الأساسي الانحداري التلقائي، وDiT مُقطَّر، ونسخة INT8، ومرمِّز الفيديو التلقائي DCAE-V، ومُفكِّك PixelUMM مُضبط بدقة على FP32 وFP8، ومُحسِّن الأوامر النصية Nomas-PE. الثاني هو مستودع GitHub: أداة استدلال، وأداة كتابة تعليقات توضيحية لبناء بيانات الضبط الدقيق، وتجميع تسلسلي دون اتصال، ومدرِّب LoRA، وسكربت دمج. الثالث هو Hy-Nomas-Bench، مجموعة تقييم من 280 حالة في أربعة مسارات مع نحو 220 مسار كاميرا مرجعي. الرابع هو العرض التوضيحي على hy-nomas.hy.tencent.com، حيث يمكنك التنقل عبر مشهد مُولَّد باستخدام WASD أو سحب الفأرة.

{{1}}هذا المزيج{{/1}} غير معتاد في إصدار نموذج عالمي. فمعظمهم ينشرون ورقة بحثية ومعرضًا. نشرت {{2}}Tencent{{/2}} الآلية وتركت التقييم فارغًا. إذا أردت معرفة ما إذا كان {{3}}Hy-Nomas{{/3}} جيدًا، يمكنك الآن اكتشاف ذلك بنفسك؛ لكنك لا تستطيع بعد قراءة الإجابة.

الحلقة: مقطع واحد في كل مرة، مع الاحتفاظ بالماضي في الذاكرة المؤقتة

Hy-Nomas هو محوّل انتشار انحداري ذاتي على مستوى المقاطع. يولّد مقطعًا قصيرًا من الفيديو، ويضيفه إلى الجلسة، ويجعل المقطع التالي مشروطًا بذاكرة تخزين مؤقت KV مدى الحياة تحتفظ بالتمثيلات الكامنة السابقة ومفاتيحها وقيمها. لهذا السبب يستطيع النموذج الحفاظ على اتساق المشهد عبر الجولات دون وحدة ذاكرة منفصلة أو خطوة استرجاع: فالسجل موجود داخل سياق الانتباه، وهو ينمو.

البنية الأساسية هي MMDiT ثنائي المسار مكوّن من 54 كتلة، بحجم مخفي 2,048، و16 رأس انتباه، وتضمينات موضع دورانية ثلاثية الأبعاد. يُرمّز النص بواسطة Qwen2.5-VL-7B-Instruct. تدخل المعاملات الخارجية للكاميرا عبر الانتباه المتقاطع بدلًا من دمجها في موجّه النص، وهذا مهم لقصة التحكم أدناه. لا تذكر Tencent عدد المعاملات؛ ملف التحقق FP32 حجمه 34.2 GB، ما يعني تقريبًا 8.5 مليار معامل إذا افترضت تخزينًا 32-بت دون حالة مُحسِّن — هذه عملية حسابية وليست ادعاءً من المورّد، ويستحق التعامل معها كتقدير لا كمواصفة.

• الإخراج — 720 × 1280 بمعدل 24 FPS، على أن يصف رقم 24 FPS معدل التشغيل، لا سرعة الإنشاء

• إزالة الضوضاء — 8 خطوات في الإعداد المُقطَّر؛ يقبل الكود 4 أو 6 أو 8

• الكامنات — DCAE-V بقنوات 32، يُفكّ ترميزها بواسطة مفكك ترميز PixelUMM مضبوط بدقة؛ ويتوفر مفكك ترميز FP8

• السياق — ذاكرة KV cache تدوم مدى الحياة وتُحمَل عبر المقاطع، وليست نافذة ثابتة تُعاد ضبطها

عجلتا قيادة، وواحدة منهما فقط هي موجّه.

قناة النص حرة الصياغة ومتعددة الجولات. يمكنك إضافة كائن، أو تغيير الطقس، أو إعادة تنسيق المشهد، أو وصف إجراء، وتُطبَّق التعليمة اعتبارًا من المقطع التالي بدلًا من إعادة تصيير ما سبق. الصياغة الخاصة بالمستودع نفسه هي «تحكم حر الصياغة ومتعدد الجولات في الموجّه النصي» — والفكرة هي أن الموجّه ليس تعليقًا لمرة واحدة على مقطع، بل دور في محادثة مع العالم.

قناة الكاميرا هي الأكثر إثارة للاهتمام، لأنها ليست لغة. أنت تزوّد النموذج بمسار من المعاملات الخارجية للكاميرا، فيعرض العالم انطلاقًا من ذلك المسار بينما يواصل الموجّه النصي وصف ما يحتويه. يمكن استخدام النص والكاميرا معًا: موجّه يقول إن السوق يُغلق، ومسار يمشي عبر الممر، هما مدخلان منفصلان يتكاملان. هذا هو الفرق الملموس بين Hy-Nomas ونموذج تحويل النص إلى فيديو. يستنتج نموذج تحويل النص إلى فيديو حركة الكاميرا من النثر ويأمل؛ أما Hy-Nomas فيُخبر أين تذهب الكاميرا.

هناك أداة تحكم ثالثة أكثر هدوءًا: Nomas-PE، وهو مُحسِّن مطالبات عبر الإنترنت يعيد صياغة تعليم مقتضب إلى صيغة يستند إليها النموذج على نحو أكثر فعالية. وهو اختياري، وهو من نوع المكوّنات التي تدلّك على مواضع أنماط الفشل — فلو كان النموذج الأساسي يتعامل جيدًا مع مطالبة من خمس كلمات، لما كان المُحسِّن موجودًا.

الميزة التي لا يتحدث عنها أحد: LoRA لمجال محدّد في 2000 خطوة

يُشحَن مُهايئان (adapter) مع هذا الإصدار. يُدمَج Cinematic LoRA في DiT المُقطَّر لتحسين الجودة البصرية. دُرِّب Robotics LoRA على مجموعة بيانات RealSource-World لذراع الروبوت، ويُدمَج في نقطة الحفظ المُقطَّرة نفسها لتحسين مشاهد المناورة. توثّق Tencent الوصفة: الرتبة (rank) وقيمة alpha تساويان 256، وإسقاط صفري (zero dropout)، ومُحسِّن Muon بمعدل تعلّم ثابت قدره 1e-4 لمدة 2,000 خطوة، مع تدريب معاملات LoRA فقط، باستخدام تقنية تُسمّى segment forcing، ثم دمج المُهايئ في الأوزان المُقطَّرة للاستدلال.

هذا هو الجزء ذو أطول عمر نصف. إن تكييفًا من 2000 خطوة على مجال واحد رخيص بما يكفي لأن يتمكن استوديو ذو أسلوب بصري خاص، أو مختبر روبوتات يمتلك ذراعه الخاصة، أو فريق ألعاب ذو توجه فني محدد، من تخصيص النموذج دون المساس بالأوزان الأساسية. كما يمنح الإصدار مسارًا مجتمعيًا معقولًا لا يمكن لنموذج مغلق أن يمتلكه: توقّع أن تأتي نتائج Hy-Nomas المثيرة للاهتمام خلال الشهر المقبل من عمليات دمج LoRA، لا من نقطة التفتيش الأساسية.

كم تبلغ تكلفة التشغيل: ثماني وحدات GPU، أو بطاقة 4090 واحدة مع بعض التنازلات

المسار الافتراضي هو ثماني وحدات GPU مع توازٍ تسلسلي بثماني طرق. أما المسار منخفض الذاكرة فهو الذي تصدّر العناوين: بطاقة RTX 4090 واحدة، باستخدام أوزان DiT بدقة INT8 وذاكرة KV مؤقتة بدقة INT8، مع حد أقصى للسجل بنافذة منزلقة، وتفريغ إلى CPU، وFlexAttention لـ DiT وCUTLASS FP8 لفك التشفير، مع تعطيل التوازي التسلسلي. وتحذّر Tencent من أن التفريغ إلى CPU يحتاج إلى ذاكرة RAM نظام كافية ويضيف عبئًا إضافيًا ناتجًا عن النقل، وهو طريقة مهذبة للقول إن وضع وحدة GPU الواحدة حقيقي لكنه ليس مجانيًا.

يختلف حجم التنزيل المطلوب حسب المسار أيضًا. فالمسار التجريبي الموثّق يسحب نحو 86 غيغابايت؛ أما مسار الذاكرة المنخفضة فيحتاج إلى نحو 38 غيغابايت بالإضافة إلى مشفّر النص. ولا يُعد أيٌّ منهما تنزيلًا مناسبًا لحاسوب محمول، ولا يأتي أيٌّ منهما مع نقطة نهاية مستضافة. لا توجد واجهة برمجة تطبيقات (API)، ولا تسعير بالثانية، ولا خدمة مُدارة من Tencent لـ Hy-Nomas — إما أن تشغّله بنفسك، وإلا فلا تستخدمه.

• الخدمة الافتراضية — 8 GPUs، توازٍ تسلسلي بثمانية اتجاهات؛ يستخدم مثال التدريب 128 GPU كـ 16 نسخة متوازية للبيانات × 8 متوازية تسلسليًا

• تقديم الخدمة عبر وحدة معالجة رسومات واحدة — RTX 4090 مع DiT بدقة INT8، وذاكرة تخزين مؤقت KV بدقة INT8، ومُفكِّك ترميز FP8، وسجل بنافذة منزلقة، وتفريغ إلى وحدة المعالجة المركزية

• البصمة — نحو 196 GB لمجموعة نقاط التحقق الكاملة، و86 GB لمسار العرض التوضيحي الموثّق، و38 GB إضافةً إلى مُرمِّز النص للذاكرة المنخفضة

• التكلفة — لا توجد أسعار من المورّد؛ التكلفة هي ساعات GPU الخاصة بك

إذا كنت تبني حول نموذج مفتوح الأوزان مثل هذا، فإن الأجزاء التي ليست النموذج لا تزال بحاجة إلى حزمة أدوات: توليد التعليقات التوضيحية، وتحسين المطالبات، وأُطر التقييم، وأي نموذج لغوي كبير يجلس في حلقة الوكيل ليقرر التعليمات التالية. هذه الطبقة هي حيث تستحق واجهة برمجة تطبيقات واحدة مكانها — إذ يضع OrcaRouter أكثر من 200 نموذج مستضاف خلف مفتاح واحد مقابل هامش ربح 0%، ويمرر سعر القائمة الخاص بالمزوّد دون تغيير، ويتحول تلقائيًا إلى بديل عند تدهور أحد المزوّدين، بحيث لا تحتاج الأوركسترا حول نموذج عالمي مستضاف ذاتيًا إلى عقد ثانٍ لكل استدعاء مساعد. Hy-Nomas نفسه ليس ضمن كتالوجنا؛ الأوزان مملوكة للبائع، ولن نتظاهر بغير ذلك.

الرقم المفقود

Hy-Nomas-Bench موجود بالفعل. يضم 280 حالة عبر أربعة مسارات — التحكم النصي متعدد الأدوار، والتنقل بالكاميرا، والتحكم المتداخل بالنص والكاميرا، والذاكرة المكانية — ونحو 220 مسار كاميرا مرجعيًا. ما لا يمتلكه هو جدول نتائج. يربط المستودع مجموعة البيانات؛ وصفحة مجموعة البيانات لا تتضمن أي درجات؛ ورابط التقرير الفني لا يؤدي إلى أي شيء، ويقول README «قريبًا». تصف بطاقة طراز Tencent البنية والإعدادات الافتراضية لأخذ العينات، وهذه تفاصيل تهيئة وليست نتائج معيارية.

هذا الغياب ليس فضيحة، لكنه يغيّر ما يمكن أن تقوله جملة منصفة عن هذا النموذج. «Hy-Nomas يولّد فيديو بدقة 720 × 1280 بمعدل 24 إطارًا في الثانية مع ثماني خطوات لإزالة الضوضاء» هو مواصفة يمكن التحقق منها من ملف الإعداد. «Hy-Nomas يحافظ على الاتساق على المدى الطويل» هو ادعاء تصميمي، تدعمه لقطة عرض توضيحي، وليس نتيجة مقاسة. «Hy-Nomas يتفوق على النموذج X» ليس ادعاءً يمكن لأي أحد تقديمه حاليًا، لأن أيًا من طرفي هذه المقارنة ليس لديه رقم منشور على الاختبار نفسه.

الموقف الصادق، بعد ثلاثة أيام من ظهور الأوزان، هو أن Hy-Nomas إصدار قدرات موثّق جيدًا مصحوبًا بادعاء جودة غير مُقيَّم. التوثيق جيد بما يكفي لإعادة إنتاجه. والتقييم جيد بما يكفي لتشغيله بنفسك. الحكم غائب، وهو غائب عمدًا أو بسبب العجلة — وفي كلتا الحالتين، ليس من شأننا اختراعه.

ما الذي ينبغي مراقبته، وما الذي ينبغي فعله الآن

ثلاثة أشياء ستغيّر الصورة: تقرير تقني بأرقام فعلية سيحوّل Hy-Nomas من ادعاء إلى خط أساس. وموجة LoRA مجتمعية ستخبرك ما إذا كانت وصفة التكيّف المكوّنة من 2000 خطوة تعمل خارج أمثلة Tencent الخاصة. وإعادة إنتاج على بطاقة 4090 واحدة — ليست عرضًا توضيحيًا، بل تشغيلًا مقيسًا — ستخبرك ما إذا كان مسار الذاكرة المنخفضة قابلاً للاستخدام أم ممكنًا فحسب.

حتى ذلك الحين، الطريقة المعقولة لقراءة هذا الإصدار هي حسب المخرجات لا حسب العناوين. الأوزان مفتوحة، والكود يعمل، والمعيار مجرد هيكل، والعرض التجريبي محادثة من خمس جولات مع عالم يتذكّر. هذا أكثر مما شحنته معظم المختبرات هذا الشهر، وأقل مما سيثبته جدول معايير. إذا كانت لديك وحدات GPU ومجال يحتاج نظرة خاصة به، فوصفة LoRA هي سبب تنزيله اليوم. وإذا كنت تحتاج رقمًا قبل الالتزام، فالرقم غير موجود بعد.