Hy-Nomas: أصدرت Tencent نموذجًا عالميًا تفاعليًا مفتوح المصدر ولم تقل شيئًا بشأنه

أتاحت تينسنت صباح اليوم مجموعة التقييم والأوزان الخاصة بـ Hy-Nomas، وبحلول نهاية اليوم لم تكن قد نشرت أي نتيجة من أيٍّ منهما. هذا هو شكل هذا الإصدار. Hy-Nomas نموذج عالم فيديو توجّهه بتعليمات نصية وحركات كاميرا، مقطعًا واحدًا في كل مرة، وقد رُفعت أوزانه على Hugging Face عند الساعة 11:18 UTC اليوم، 23 أكتوبر 2026: التزام واحد يحمل 196 GB من نقاط التحقق المرخّصة بموجب Apache-2.0، إلى جانب مستودع شيفرة دُفع عند الساعة 09:01 من الصباح نفسه وعرض تجريبي قابل للتشغيل. وقبل ذلك بيومين كان المستودعان موجودين لكنهما فارغان. لا توجد تدوينة، ولا مدخل على arXiv، وشارة "Technical Report (Coming Soon)" على بطاقة النموذج ترتبط بملف يعيد 404. وبعد ساعات من الرفع، تعرض صفحة النموذج صفر إعجابات وصفر تنزيلات، والعلامة الوحيدة على أن أحدًا انتبه هي مستودع GitHub: ثماني نجوم، والتزام واحد، وبلا وصف.

فالصياغة الأمينة ليست "أطلقت Tencent نموذجًا للعالم". بل هي: نشرت Tencent أوزان النموذج، وشيفرة التدريب والاستدلال، ومعيارًا تقييميًا، وموقع عرض تجريبي، ولم تقل بعد كلمة واحدة عمّا تحققه أي من هذه الأشياء من نتائج. كل ما يرد أدناه هو إمّا طابع زمني أو حجم ملف يمكنك التحقق منه بنفسك، أو رقم كتبته Tencent على بطاقة النموذج الخاصة بها، أو موضع تكون فيه البطاقة صامتة بشكل لافت. وقد أُبقيت الفئات الثلاث منفصلة عمدًا، لأن الصمت في إصدار كهذا يحمل من المعلومات قدر ما تحمله المواصفات.

ما الذي وصل فعليًا، بالساعة الدقيقة

يسهل تأريخ القطع الأثرية لأنها قليلة جدًا ولم يُعدّل أي منها كثيرًا.

• مستودع النموذج tencent/Hy-Nomas أُنشئ على Hugging Face في 2026-10-21 الساعة 02:17:37 UTC وظل فارغًا حتى وصول التزامه الوحيد في 2026-10-23 الساعة 11:18:04 UTC. وتبلغ مساحة ذلك الالتزام 196.4 GB موزعة على 46 ملفًا: نقطتا تفتيش DiT fp32 بحجم 34.2 GB لكل منهما، وDiT INT8 بحجم 9.06 GB، ومحوّلا LoRA، ومُفكّك PixelUMM بحجم 31.55 GB، وتوأمه FP8 بحجم 9.13 GB، ومُشفّر تلقائي DCAE-V بحجم 4.28 GB، ونموذج تعزيز المطالبات من 18 شريحة بإجمالي 55.6 GB، إضافة إلى المُرمّز وملفات الإعدادات المعتادة.

• مستودع الكود Tencent-Hunyuan/Hy-Nomas أُنشئ بعد 47 دقيقة، في الساعة 03:04:54 UTC، دون تعبئة حقل الوصف. وقد أُنشئت الالتزامة الوحيدة فيه في 21 أكتوبر لكن لم تُدفع إلا اليوم، في الساعة 09:01:42 UTC. لا يزال المستودع يعرض التزامة واحدة ولا إصدارات، وهو يضم كود التدريب ونصوص الاستدلال وصورة Docker ودليل نشر عرض توضيحي ويب.

• تم إنشاء مجموعة بيانات المعايير tencent/Hy-Nomas-Bench في 2026-10-22 عند الساعة 05:18:20 UTC، وتلقّت commitها الأول والأخير اليوم عند الساعة 09:10:51 UTC.

• يستجيب العرض التجريبي على hy-nomas.hy.tencent.com برمز HTTP 200 وعنوان صفحة. وهو الجزء الوحيد من هذا الإصدار الموجّه إلى أي شخص خارج مجموعة بحثية.

الهدوء خاص بهذا الطراز، وليس بشركة تينسنت. فمنظمة الشركة نفسها على Hugging Face مشغولة: tencent/Hy4-preview من أواخر أغسطس حصل على 513 إعجابًا ونحو 18,400 تنزيل، وtencent/Hy-Memory-30B-A3B من 15 أكتوبر حصل على 297 إعجابًا وحوالي 3,300 تنزيل خلال ثمانية أيام. أما Hy-Nomas، الذي رُفع في الفترة نفسها وهو أكبر بكثير، فلا يملك شيئًا من ذلك. ومهما كانت الأسباب الداخلية، فهذا ليس إطلاقًا ضعيف الأداء. بل إطلاق لم تُجرَ محاولته.

ما الذي يفعله Hy-Nomas ولا يفعله نموذج تحويل النص إلى فيديو

هذا التمييز يهم أكثر من أعداد المعاملات، لأنه السبب في الاهتمام بالإصدار أصلًا. نموذج عادي لتحويل النص إلى فيديو يأخذ أمرًا نصيًا واحدًا ويعيد مقطعًا واحدًا؛ وإذا أردت شيئًا مختلفًا فتبدأ من جديد وتحصل على مقطع غير مرتبط. أما Hy-Nomas فيولّد عالمًا كسلسلة من المقاطع ويحتفظ بتاريخه الخاص.

بشكل ملموس، تصف البطاقة أربعة أشياء تحدث في آن واحد. يحصل كل مقطع على موجّهه الخاص، لذا يمكنك تقديم كائن، أو تغيير النمط، أو تعديل الإعداد، أو وصف إجراء في منتصف التوليد بدلًا من وصفه مسبقًا. تحمل ذاكرة تخزين مؤقت دائمة للمفتاح/القيمة السجلَّ المُولَّد إلى الأمام، بحيث يكون المقطع اللاحق مشروطًا بما أُنتج بالفعل بدل أن يُختلَق من الصفر. وحركة الكاميرا مسار تكييف منفصل وليست شيئًا تصفه بالنثر: أنت تزوّد النموذج بمصفوفات الكاميرا إلى العالم والمعاملات الداخلية، وينتبه إليها النموذج في كل كتلة. ولأن المقاطع تُولَّد بشكل انحداري تلقائي، يمكن للعالم أن يستمر في التمدد طالما واصلت تزويده بالتعليمات.

يُظهر تنسيق الموجّه مدى حرفية ذلك. يستغرق الاستدلال دون اتصال قائمة JSON حيث يحتوي كل إدخال على نمط ومنظور وقائمة مواضيع، ثم مقاطع زمنية — وقت بداية ونهاية، ووصف مرئي طويل، وإجراءات مضمنة بطوابعها الزمنية الخاصة. يحدد المقطع الأول العالم؛ وتستخدم المقاطع اللاحقة حقل description_change لبيان كيف ينبغي أن يتطور. يبني المثال المرفق غابة مضيئة حول ثعلب برتقالي صغير، ثم يفتح أزهارًا زرقاء متوهجة بجانب مساره عند علامة الثانيتين.

رقم واحد في البطاقة يسهل قراءته خطأً، والبطاقة نفسها تنبّه إلى ذلك: رقم 24 FPS هو معدل تشغيل الفيديو الناتج، وليس سرعة التوليد. أما مدى سرعة تشغيل النموذج فعليًا فيعتمد على العتاد والدقة وطول المقطع ومقدار السجل الموجود في الذاكرة المؤقتة. وتقول Tencent ذلك صراحةً. وفي إصدار لا يتضمن زمن استجابة منشورًا ولا نتائج منشورة، فهذا هو التفسير الوحيد الصادق للرقم.

ورقة المواصفات التي تقدّمها البطاقة بالفعل

تتسم تينسنت بدقة غير معتادة في ما يتعلق بالهندسة المعمارية، وهذا ما يجعل النتائج الغائبة تبدو ذات مغزى مقصود.

• العمود الفقري — 54 كتلة MMDiT مزدوجة المسار وصفر كتل أحادية المسار، وفقًا لتكوين الاستدلال.

• العرض — حجم مخفي 2,048، مع 16 رأس انتباه بأبعاد 128 لكل منها، وتوسّع تغذية أمامية 4× إلى 8,192.

• ترميز الموضع — RoPE ثلاثي الأبعاد بأبعاد [16, 56, 56] وثيتا 256.

• مسار النص — مكوّن نموذج اللغة في Qwen2.5-VL-7B-Instruct، الذي تمر حالاته المخفية ذات الأبعاد 3,584 عبر مُنقّح رموز من طبقتين وتُسقَط في فضاء DiT ذي الأبعاد 2,048.

• مسار الكاميرا — معاملات خارجية مُطبَّعة بحجم 4×4 مجمَّعة عبر أربعة إطارات ومسطَّحة إلى 64 بُعدًا، وتُطبَّق بواسطة الانتباه المتقاطع في كل كتلة.

• المتغيرات الكامنة — DCAE-V f32t4c32: 32 قناة، ضغط مكاني 32×، ضغط زمني 4×.

• المُفكِّك — نموذج PixelUMM مضبوط بدقة يتكوّن من 36 طبقة، وحجم مخفي 4,096، و32 رأس استعلام و8 رؤوس KV، ويُشغِّل خطوة فك تشفير واحدة على نوافذ من 10 إطارات كامنة مع تداخل بمقدار 5 إطارات.

• المخرجات — 720 × 1280 بمعدل 24 إطارًا في الثانية، مع 8 خطوات لإزالة الضوضاء في التكوين المقطَّر؛ ويذكر مستودع الشيفرة أن نقاط التحقق المقطَّرة تدعم 4 أو 6 أو 8 خطوات.

• الترخيص — Apache 2.0، مع بقاء مُرمِّز النص Qwen خاضعًا لشروطه الخاصة.

الرقم الوحيد الذي لا تذكره Tencent أبدًا هو إجمالي عدد المعاملات. أما الرقم الأقرب فهو مستنتَج لا منشور: نقطة تحقق DiT بدقة fp32 بحجم 34.2 GB تُترجم إلى نحو 8.5 مليار معامل بمعدل أربعة بايتات لكل معامل، ونسخة INT8 بحجم 9.06 GB متسقة مع ذلك. تعامل معه على أنه عملية حسابية على حجم ملف، لا كادعاء في ورقة مواصفات — فالمورّد لم يؤكده في أي مكان.

ما تكلفة تشغيله، وهي العقبة الحقيقية

لا شيء في هذا الإصدار معادٍ للقادمين من الخارج، لكن النشر الافتراضي يفترض أن لديك عقدة، لا حاسوبًا محمولًا. يستخدم إعداد الاستدلال القياسي توازيًا تسلسليًا بثماني مسارات، لذا تتطلب عمليّة الإطلاق الافتراضية ثماني وحدات معالجة رسومات ضمن مجموعة استدلال واحدة. وملف README صريح في ذلك بدلًا من إخفائه.

هناك مسار حقيقي يعتمد على وحدة GPU واحدة، وهو أكثر الهندسات إثارةً للاهتمام في هذا الإصدار. فهو يعمل على بطاقة RTX 4090 واحدة عبر الجمع بين أربع حيل: تُخزَّن أوزان DiT والمفاتيح والقيم المخزَّنة مؤقتًا بدقة INT8 بينما يبقى الحساب بدقة BF16، ويعمل مفكك الترميز بدقة FP8 عبر CUTLASS، ويتنقّل مُشفّر النص وكلتا الشبكتين بين CPU وGPU لمراحلهما الخاصة، ويُحدَّد سجل GPU النشط بسقف 18 إطارًا كامنًا مع أرشفة السجل الأقدم في ذاكرة RAM النظام. هذه المقايضة الأخيرة هي ما يجب فهمه قبل التخطيط بناءً عليها: فالأرشيف يستمر في النمو، وميزانية الـ18 إطارًا لا تحدّ إلا ما هو موجود على GPU، أما ذاكرة المقطع الحالي فلا يحدّها ذلك على الإطلاق. وتقول Tencent بوضوح إن عمليات النقل بين CPU وGPU تضيف زمن وصول، وإن ذروة ذاكرة GPU تتفاوت حسب الدقة وطول المقطع.

تُستمد حسابات التنزيل من أحجام الملفات. يحتاج مسار العرض التجريبي الموثّق إلى DiT المقطّر (34.2 GB)، ومفكك ترميز PixelUMM المطابق (31.55 GB)، وDCAE-V (4.28 GB)، ونحو 16 GB إضافية لمرمّز Qwen — أي حوالي 86 GB قبل أن تولّد أي شيء. يستبدل مسار وحدة معالجة رسومات واحدة بـ DiT بنمط INT8 ومفكك ترميز FP8 لبصمة أصغر بكثير، تقارب 38 GB إضافة إلى المرمّز. محولا LoRA هما مشترىان منفصلان من مساحة القرص: محول سينمائي بحجم 6.12 GB ومحول روبوتي بحجم 12.24 GB مدرَّب على مجموعة بيانات RealSource-World ذات الذراعين، وكلاهما مقصود به أن يُدمجا في DiT بنمط الفاصلة العائمة. لا يستطيع محمّل INT8 أخذ LoRA منفصل في وقت الاستدلال، لذا لا يتكامل هذان المساران.

متطلبات البيئة محددة بالقدر نفسه: Linux، وPython 3.12 أو أحدث، وCUDA 13.0 Toolkit، وPyTorch 2.10.0، وإصدارات مبنية من FlashAttention 2 وFlashAttention 3 وMagiAttention. ويُوصى باستخدام صورة مسبقة البناء، hynomasoss/hynomasoss:cu130، بدلًا من المسار اليدوي — والسبب في ذلك هو تجميع نوى الانتباه. وتكوين التدريب في مستودع الشيفرة يذهب أبعد من ذلك: DP16 × SP8، و128 وحدة معالجة رسومات، وتسلسلات محزومة حتى 360,000 رمز. ومهما فعلت بالأوزان، فلن تعيد تدريب هذا في المنزل.

المعيار الذي أطلقته تينسنت دون درجات

Hy-Nomas-Bench ليس فكرة لاحقة. إنه مجموعة بيانات حقيقية: أربع مجموعات تقييم تغطي التفاعل النصي الحر متعدد الأدوار، والتنقل بالكاميرا، والتحكم المتداخل في النص والكاميرا، والذاكرة المكانية، مع 280 حالة اختبار، و220 مسار كاميرا مرجعيًا، ومطالبات منظمة، وتسلسلات تفاعل وجداول زمنية للوحة المفاتيح، صدرت بصيغة JSON بموجب Apache 2.0 ومنظمة في تقسيمات مخصصة للتقييم فقط. وقد ظهرت قبل صدور الأوزان بنحو ساعتين.

ما لا يأتي به هو جدول نتائج. فلا توجد لوحة صدارة، ولا درجة لكل مجموعة اختبارات، ولا مقارنة مع أي نموذج آخر، ولا أي إشارة إلى أن ذلك آتٍ. وبطاقة النموذج حذرة على نحو يبدو متعمدًا: فبعد سرد البنية وإعدادات أخذ العينات الافتراضية، تضيف سطرًا واحدًا — "إن البنية وإعدادات أخذ العينات الافتراضية هما تفاصيل تهيئة، وليستا نتائج معيارية."

تلك الجملة تؤدي دورًا حقيقيًا. فهي تعني أن خطوات إزالة الضوضاء الثماني ودقة 720 × 1280 ومعامل توجيه الكاميرا 1.0 ليست دليلًا على الجودة، وأن Tencent تمتنع عن السماح بقراءتها على هذا النحو. وبالنسبة لأي شخص يقيّم النموذج، فإن النتيجة العملية بسيطة: يمكنك تشغيل التقييم بنفسك، وإلى أن تفعل ذلك لا يمكنك وضع Hy-Nomas إلى جانب أي شيء آخر استنادًا إلى رقم. ومجموعة الاختبارات هي ما ينبغي تنزيله إذا أردت حكمًا، لأن لا أحد يقدّم لك واحدًا.

أين يقع بين بقية نماذج العالم المفتوح

تحرّك المجال بسرعة في عام 2026، والمقارنة التي تهم ليست عدد البارامترات بل الأدلة التي جاء بها كل إصدار.

• الأوزان والترخيص — Hy-Nomas مرخّص بموجب Apache 2.0 دون أي قيود على الوصول. وقد أتاحت LingBot-World، من Ant Group، أوزانها المفتوحة في أواخر يناير 2026، وروّج لها بوصفها أول نموذج مفتوح يُضاهي نموذج Google المغلق Genie 3.

• نظام التحكم — يعتمد Hy-Nomas على النص أولاً مع مسارات الكاميرا، مقطعًا بمقطع. أما LingBot-World وسلسلة Genie 3 فيتصدران التحكم الفوري بلوحة المفاتيح والفأرة في شخصية أو كاميرا، وهو نموذج تفاعل مختلف: اللعب المستمر مقابل البناء الموجّه.

• الحد الأدنى من العتاد — تريد Hy-Nomas ثماني وحدات GPU افتراضيًا أو وحدة RTX 4090 واحدة مع سجل مقيّد. وقد أفادت Astronex-World 1.0، المنشورة في سبتمبر 2026، بالبث في الوقت الفعلي على وحدة L20 واحدة بسعة 48 GB بدقة 832 × 480، وهو حدّ أدنى أقل بكثير.

• الأدلة — هنا يقف Hy-Nomas وحيدًا في العمود الخاطئ. فقد طُرح LingBot-World مصحوبًا بأرقام معلنة عن الإنتاجية وزمن الاستجابة؛ وطُرح Astronex-World مصحوبًا بورقة arXiv وأرقام قياس مرجعية. أما Hy-Nomas فيحتوي تقريره الفني على خطأ 404 ولا توجد له أي درجات على الإطلاق.

• النسب — إن جهد Tencent التفاعلي المفتوح السابق، HY-WorldPlay، عمل انطلاقًا من صورة بداية مع إدخال الوضعية والإجراء بدقة 720p و24 إطارًا في الثانية. Hy-Nomas ليس النموذج نفسه باسم جديد؛ فحلقة النص متعددة الأدوار وبنية الأوامر لكل مقطع جديدتان، ولا تزعم البطاقة أنه ينحدر منه.

لا شيء من ذلك يحسم مسألة الجودة. فقد يكون النموذج ممتازًا وغير موثّق، وصمت Tencent ليس دليلًا في أي من الاتجاهين — بل يعني فقط أن عبء الإثبات قد انتقل إلى من يقوم بتنزيله.

من يجب أن يلمسه الآن، ومن يجب أن ينتظر؟

إذا كانت لديك عقدة بثماني وحدات GPU ومشكلتك هي حالة العالم التي يعدّلها الإنسان أثناء التوليد — مشهد يكتسب جسمًا في الثانية الرابعة، وكاميرا تدور لأنك أمرتها بذلك، وعالم يحتفظ بهندسته بينما تغيّر الطقس — فإن هذا هو أكثر تطبيق مفتوح مباشر لهذه الفكرة متاح للتنزيل حاليًا، وشروط Apache 2.0 تعني أنه يمكنك البناء عليه دون تفاوض. إن LoRA الخاص بالروبوتات إشارة إلى أين تتوقع Tencent استخدامه: عوالم محاكاة للتدريب المتجسد، لا فيديو اجتماعي.

إذا كنت بحاجة إلى رقم قبل أن تقدم، فانتظر. لا لأن النموذج موضع شك، بل لأنه لا يوجد ما يمكن الاستشهاد به. فالمقياس الذي عليك تشغيله بنفسك يستغرق أسبوعًا من العمل الهندسي، والتقرير التقني، حين يظهر، من المرجح أن يغيّر ما كنت ستقيسه.

ثمة مسألة تشغيلية أصغر تتعلق بالنموذج يجدر تسميتها، لأنها تضرّ بكل من يحاول إعادة إنتاج العرض التجريبي. فالعرض التجريبي على الويب يمرّر كل تعليمة عبر Nomas-PE، وهي خدمة منفصلة بحجم 55.6 GB تحوّل صياغات المستخدم الفضفاضة إلى JSON المقاطع المهيكل الذي يتوقعه DiT، وتذكر Tencent أن العرض التجريبي يتطلبها. أما الاستدلال دون اتصال فيتخطى تلك الخطوة ويطلب منك كتابة المطالبات المهيكلة بنفسك. وإذا كنت تبني واجهتك الأمامية الخاصة، فإن طبقة بناء المطالبات تلك هي استدعاء عادي لنموذج لغوي — وهذا الجزء، خلافًا لحزمة الفيديو، بنية تحتية سلعية. لا يقدّم OrcaRouter نموذج Hy-Nomas — فحزمة انتشار ذاتية الاستضافة بحجم 196 GB ليست ما يُخصص له مسار API. ما يوجّهه هو الجانب النصي المحيط به — مفتاح واحد لأكثر من 200 نموذج بهامش 0% على سعر قائمة المزوّد، مع تحويل تلقائي عند الفشل — لذا فإن خطوة إعادة صياغة المطالبات أو وصف المخرجات أمام نموذج فيديو ذاتي الاستضافة لا تحتاج إلى عقد مورّد خاص بها.

الأسئلة المفتوحة، وما الذي قد يغيّر هذه المقالة

ثمة أربعة أمور مجهولة حقًا، ولكل منها قطعة أثرية محددة كفيلة بحسم الأمر.

الأول هو الجودة. بما أن Hy-Nomas-Bench موجود، فإن جدول النتائج المنشور هو الخطوة التالية البديهية، وغيابه هو الفجوة الأكبر الوحيدة بين هذا الإصدار وإصدار قابل للاستشهاد.

الثاني هو السرعة. لا يظهر أي رقم لزمن الاستجابة في أي مكان بالبطاقة، بل معدل التشغيل فقط. سيتعين على أحدهم قياس الزمن حتى المقطع الأول على عتاد حقيقي، والفرق بين التكوين المقطّر بثماني خطوات والنموذج الانحداري الذاتي الأساسي جدير بالقياس الكمي بدلًا من افتراضه.

الثالث هو دعم النظام البيئي. يحمل المستودع وسم diffusers، لكن المسار الموثّق هو المسار الخاص بتينسنت hymm، والحزمة وصورة Docker المخصّصة لهذا الغرض؛ ولا تُذكر أي بيئة تشغيل من طرف ثالث على أنها مدعومة. إن حصول هذا على فئة pipeline في مكتبة سائدة، بالطريقة التي تنتهي إليها معظم نماذج الفيديو المفتوحة في النهاية، يحدد ما إذا كان سيبقى نتاجًا بحثيًا أم سيصبح أداة.

الرابع هو ما إذا كانت تينسنت ستقول أي شيء على الإطلاق. التقرير الفني مصنّف على أنه «قريبًا» ويُرجع حاليًا خطأ 404، ولا توجد نسخة أولية على arXiv، ولا توجد تغطية صحفية اعتبارًا من 23 أكتوبر. من الممكن تمامًا أن تنتظر الشركة ورقة بحثية أو منتجًا مستضافًا قبل أن تروّج لأي من هذا. ومن الممكن أيضًا أن يكون الإصدار تمامًا كما يبدو: أوزان نُشرت للتسجيل، مع تأجيل الإعلان.

في كلتا الحالتين، التنزيل متاح الآن، والترخيص متساهل، والعرض التجريبي يستقبل التعليمات اليوم. وبالنسبة لنموذج لم يُعلن عنه أحد، فهذا أكثر مما تقدمه معظم الإصدارات الهادئة — وأقل بكثير من عملية إطلاق.