Hy-Nomas مقابل Hunyuan3D WorldClaw: المختبر نفسه، نوعان من العالم

طرحت مجموعة Hunyuan التابعة لـ Tencent شيئين يُسمّيان نموذج عالم بفارق ثلاثة أشهر من بعضهما البعض، وهما يختلفان حول كل شيء تقريبًا. Hunyuan3D WorldClaw، الذي نُشر في أغسطس 2026، ليس نموذجًا فعليًا على الإطلاق: بل هو خط معالجة وكيلي من أربع مراحل يخطط لمشهد باستخدام وكلاء LLM، ويولّد التضاريس، ويعيد بناء الأجسام الفردية كشبكات ثلاثية الأبعاد ذات قوام، ثم يكلّف وكيل رؤية بعرض النتيجة وإصلاح ما يبدو غير صحيح. Hy-Nomas، الذي صدر في 23 أكتوبر 2026، هو محوّل انتشار تجزيئي ذاتي الانحدار واحد يعرض فيديو قابلًا للتوجيه ويصدر أوزانه بموجب Apache 2.0. أحدهما يبني أصلًا ثلاثي الأبعاد قابلًا للتحرير من جملة. والآخر يعرض عالمًا متواصلًا من محادثة.

المقارنة جديرة بالاهتمام تحديدًا لأنهما يتشاركان المختبر نفسه. إنها تجربة طبيعية خالصة في استراتيجيتين: تنسيق نماذج حدودية داخل خط أنابيب، أو تدريب نموذج واحد ليفعل كل شيء. كما ينعكس الإصداران أحدهما على الآخر من حيث الانفتاح — فالإصدار ذو الحزمة الهندسية الأثقل لم ينشر أي شيفرة، أما الإصدار الذي هو نموذج واحد فقد نشر كل شيء.

النموذج وخط الأنابيب نوعان مختلفان من المخرجات.

تصف ورقة WorldClaw موجّهًا (router): إذ يقوم النظام بتنسيق عدة نماذج متقدمة بدلًا من أداء التوليد بنفسه — وكلاء LLM للتخطيط، ونموذج صور للتركيبات الإقليمية، ونموذج تقسيم (segmentation)، وHunyuan3D الخاص بـTencent لإعادة بناء الشبكات (mesh)، وBlender يُدار عبر MCP للتجميع. وتذكر الورقة Claude Opus 4.8 بصفته المخطِّط، وGPT-Image-2 وSAM3D ضمن المكوّنات الإقليمية. ويتمثل إسهامها في الإخراج المنسَّق — أي التفكيك من الكلي إلى الإقليمي وحلقة الإصلاح القائمة على التصيير — لا في عمود فقري توليدي جديد.

Hy-Nomas هو الرهان المعاكس. نموذج MMDiT ثنائي المسار مكوّن من 54 كتلة، وحجم مخفي 2,048، ومُشفّر نصي Qwen2.5-VL-7B-Instruct، وتكييف للكاميرا عبر الانتباه المتقاطع، وذاكرة KV مدى الحياة. لا يوجد مُخطِّط، ولا مرحلة تجزئة، ولا مُصيّر خارجي في الحلقة. النموذج هو النظام.

يفسّر هذا الاختلاف أنماط الفشل. فخط الأنابيب يرث نقاط ضعف كل مكوّن يستدعيه، ويمكن إصلاحه مكوّنًا واحدًا في كل مرة. أما النموذج الواحد فلديه رؤية عالمية متماسكة واحدة ولا يوجد فاصل بين مراحله، لكن أي ضعف يُدمج في الأوزان ولا يمكن إصلاحه إلا بإعادة التدريب أو باستخدام LoRA.

ماذا تفعل مراحل WorldClaw الأربع فعليًا

المرحلة الأولى هي تحليل النية وتخطيط المشهد. يتقاسم وكيلان من LLM المهمة: أحدهما يستخرج فقط القيود التي ذكرها المستخدم فعليًا، والآخر يملأ التفاصيل لإنتاج مواصفة مشهد منظمة تغطي المناطق والتضاريس والأجسام والعلاقات المكانية. هذا التقسيم دفاع معقول ضد الإخفاق المعتاد للمخطط الواحد، وهو اختراع المتطلبات ثم تلبيتها.

المرحلة الثانية تولّد التضاريس العالمية: خريطة تخطيط دلالية، وحقول ارتفاع واعية بالمناطق، ومواد وصخور ونباتات مُخصَّصة لكل منطقة. المرحلة الثالثة تُصيّر كل منطقة إلى تركيب ثنائي الأبعاد، وتُجزّئ النُسخ، وتُعيد بناء كل واحدة منها كشبكة مُكسّاة عبر Hunyuan3D، ثم تُعيد وضعها على التضاريس. المرحلة الرابعة هي المثيرة للاهتمام — وكيل رؤية يُصيّر المشهد المُجمّع من زوايا متعددة ويبحث عن الأجسام الطافية والتداخل وسوء المقياس وسوء الوضعية، ثم يكرّر العملية. تتم عملية التجميع في Blender عبر MCP.

المُخرَج عبارة عن شبكات صريحة ومكسوة بالنسيج وقابلة للتحرير فرديًا تُصدَّر إلى محرك لعبة. هذا ناتج مختلف جوهريًا عن الفيديو: فكل شجرة كائن، ولكل كائن تحويل، ويمكن لمصمم المستوى تحريك أحدها دون إعادة تصيير العالم.

شبكات يمكنك تعديلها، أو فيديو يمكنك توجيهه

مخرجات Hy-Nomas عبارة عن فيديو بدقة 720 × 1280 بمعدل 24 إطارًا في الثانية، يُولَّد على شكل مقاطع بثماني خطوات لإزالة التشويش في التكوين المقطَّر. لا يمكنك فتحه في Blender. ومع ذلك، يمكنك إعادة توجيهه أثناء الجلسة: نص حر لما يوجد في العالم، ومعاملات خارجية للكاميرا لتحديد أين تتجه اللقطة، وذاكرة تخزين مؤقت KV تحافظ على اتساق المقاطع السابقة مع التعليمات الجديدة. التعديل حواري ويحدث قبل عرض المقطع التالي.

مخرجات WorldClaw قابلة للتحرير بعد إنشائها. تحصل على الهندسة، والتحرير مكاني — حرّك الكائن، أعد تحجيم الشجرة، أعد عرض المنطقة. ما لا يمكنك فعله هو إجراء محادثة مع العالم أثناء العرض. تستمر خطوط المعالجة حتى تكتمل، ثم تعمل على الأصل.

• المخرجات — فيديو Hy-Nomas القابل للتوجيه بدقة 720 × 1280 مقابل شبكات Hunyuan3D WorldClaw الصريحة المكسوة بالنسيج في مشهد

• وحدة العمل — Hy-Nomas مقطع يُصيَّر عند الطلب مقابل Hunyuan3D WorldClaw عالم كامل يُولَّد على أربع مراحل

• التحرير — تعليمات Hy-Nomas النصية وتعليمات الكاميرا بين المقاطع مقابل التلاعب المباشر بالشبكات في Hunyuan3D WorldClaw بعد التوليد

• المحرك — Hy-Nomas محوّل انتشار واحد مقابل Hunyuan3D WorldClaw حزمة منسّقة من النماذج الرائدة بالإضافة إلى Blender

• العتاد — Hy-Nomas 8 وحدات معالجة رسومات افتراضيًا، واحدة RTX 4090 في مسار الذاكرة المنخفضة INT8 مقابل Hunyuan3D WorldClaw 4 × NVIDIA H20

• إصدار — Hy-Nomas: أوزان وشيفرة ومجموعة بيانات معيارية بترخيص Apache 2.0، مقابل Hunyuan3D WorldClaw: ورقة بحثية وصفحة مشروع وREADME دون شيفرة أو أوزان

تكلفة عالم الوكلاء

قصة الحوسبة لدى WorldClaw ليست رقم ساعات GPU بالمعنى المعتاد. فهي أربع وحدات H20 إضافةً إلى عدد كبير من استدعاءات النماذج الحدودية: رموز التخطيط، وتوليد الصور لكل منطقة، والتقسيم لكل نسخة، وإعادة بناء الشبكة لكل جسم، وعمليات عرض متكررة بواسطة وكيل رؤية أثناء التنقيح. وتتغلب تلك الاستدعاءات على التكلفة الحدية للعالم، ولا تنشر الورقة سعرًا. وتشير عمليات إعادة البناء المجتمعية التي تستبدل نقاط نهاية الصور والثلاثية الأبعاد المستضافة إلى نحو خمسين سنتًا وبضع دقائق لكل عالم، وهو مقياس تقريبي مفيد لكنه ليس رقمًا من مورّد.

تكلفة Hy-Nomas أكثر تقليدية: ثماني وحدات GPU مع توازٍ تسلسلي بثمانية اتجاهات افتراضيًا، أو وحدة RTX 4090 واحدة بأوزان DiT بدقة INT8، وذاكرة تخزين مؤقت KV بدقة INT8، وسجل نافذة منزلقة، وتفريغ إلى CPU، وFlexAttention، ومفكك ترميز CUTLASS FP8. تبلغ مجموعة نقاط التحقق الكاملة حوالي 196 GB؛ ومسار العرض التوضيحي الموثق يسحب حوالي 86 GB، أما مسار الذاكرة المنخفضة فيحتاج نحو 38 GB إضافة إلى مشفر النص. لا يوجد سعر للخدمة المستضافة لأنه لا توجد خدمة مستضافة.

المقارنة التي تهم ليست عدد الدولارات لكل عالم، بل أين يذهب المال. تنفق WorldClaw على الرموز واستدعاءات API، وهذه تنخفض مع انخفاض أسعار نماذج الحدود. أما Hy-Nomas فتنفق على إشغال GPU، وهو ما لا ينخفض. خط الأنابيب يصبح أرخص على منحنى شخص آخر؛ أما النموذج فلا يصبح أرخص إلا عندما يقطّره أحدهم.

• محرك التكلفة في Hy-Nomas — ساعات GPU لكل جلسة توليد، دون فوترة لكل استدعاء

• محرك التكلفة في WorldClaw — استدعاءات النماذج المتطورة للتخطيط والتصوير والتقسيم وإعادة البناء والإصلاح، بالإضافة إلى 4 × H20

• رافعة التوسّع Hy-Nomas — التقطير وLoRA، وكلاهما موجود بالفعل في الإصدار

رافعة توسيع WorldClaw — نماذج مكوّنات أقل تكلفة وعدد أقل من دورات الإصلاح

WorldClaw هو أيضًا أوضح حجة لطبقة توجيه تضمها هذه الدفعة، لأنه هو نفسه واحدة. فمخطِّطه يستدعي نموذجًا، ومرحلته الإقليمية تستدعي آخر، ومرحلة إعادة البناء لديه تستدعي ثالثًا، والكلّ سياسة توجيه مع مُصيّر ملحق بها. ويؤدي OrcaRouter المهمة نفسها بالنسبة إلى النماذج المستضافة — أكثر من 200 نموذج خلف مفتاح واحد، وسعر قائمة المزوّد يُمرَّر عند هامش ربح 0%، مع تجاوز فشل تلقائي، ولغة توجيه DSL تركّب عدة نماذج في استدعاء واحد، مع إتاحة دمج النماذج عندما تريد لوحة من النماذج بدلًا من سلسلة. لا Hy-Nomas ولا WorldClaw ضمن كتالوجنا، ولن ندّعي أن نموذج عالم مُستضاف ذاتيًا هو نقطة نهاية؛ ما نوجّهه هو الطبقة التي يُبرهن WorldClaw على أنك تحتاجها.

الانفتاح معكوس

هذا هو أغرب جزء في الثنائي. WorldClaw هو النظام الأكثر تفصيلاً — خط أنابيب وكيلي متعدد المراحل مع ورقة بحثية منشورة وصفحة مشروع — ويحتوي مستودع GitHub الرسمي على README والورقة وأصول المشروع. لا كود، ولا أوزان، ولا واجهة برمجة تطبيقات، ولا تسعير. ظلّ بلاغ يطلب الكود دون إجابة. وما هو موجود علنًا عبارة عن إعادة تنفيذ من المجتمع تعيد بناء خط الأنابيب فوق نقاط نهاية مستضافة، وهو دليل على وضوح الورقة وليس بديلاً عن الإصدار.

Hy-Nomas هو النظام الأبسط والأكثر انفتاحًا: ترخيص Apache 2.0، ونقاط تحقق كاملة على Hugging Face، وشيفرة الاستدلال والتدريب على GitHub، وأداة لتوليد التعليقات التوضيحية، ومدرب LoRA، وسكربت دمج، ومجموعة بيانات معيارية من 280 حالة. التقرير التقني مفقود ولا توجد درجات للمعيار، لكن المخرجات مكتملة بما يكفي لإعادة إنتاجها وتعديلها.

بالنسبة لأي شخص يخطط للبناء، هذا الانقلاب يحسم أمرًا أكثر مما تحسمه البنية نفسها. فخط المعالجة الذي لا تستطيع تشغيله يظل وثيقة تصميم. أما النموذج الذي يمكنك تشغيله فهو نقطة انطلاق، حتى وإن كان تقييمه صفحة بيضاء.

أيّهما تختار

اتجه إلى نهج Hunyuan3D WorldClaw عندما يكون المُخرَج عبارة عن مستوى: بيئة ثلاثية الأبعاد كبيرة قابلة للاستكشاف والتحرير، يجب إدخالها إلى محرك لعبة وأن يعدّلها إنسان. كن على علم بأنك ستعيد بناءها من الورقة البحثية، لأن Tencent لم تُصدرها، وأن مزاعم جودتها نوعية — إذ تقارن الورقة بـ SynCity وMarble من World Labs وMajutsuCity وWorldGen من Meta وGPT-5.6 Sol دون FID أو CLIP أو دراسة مستخدمين.

اختر Hy-Nomas عندما يكون المُخرَج لقطات فيديو أو بيئة تدريب: مرئيات أولية، أو فيديو اصطناعي، أو مولّد مشاهد روبوتية تنوي تكييفه باستخدام Robotics LoRA المرفق. كن على علم بأن ادعاء الاتساق على المدى الطويل هو حجة تصميمية بالإضافة إلى عرض توضيحي، وليس نتيجة تقييم، وأن تشغيلًا واحدًا على 4090 ممكن لكنه يترتب عليه عبء تفريغ إضافي.

وإذا كنت تحتاج إلى الاثنين معًا — عالمًا قابلًا للتحرير ولقطات منه قابلة للتوجيه — فالإجابة الصادقة هي أنه لا يوجد إصدار واحد من Tencent يمنحك ذلك اليوم. يُنتج WorldClaw هندسةً لا يمكنك تحريكها بالمحادثة. ويُنتج Hy-Nomas فيديو لا يمكنك تصديره. والفجوة بينهما هي المنتج الذي لم يطرحه أحد بعد، وهي أمر أكثر إثارة للمشاهدة من أيٍّ من النموذجين بمفرده.