Hy-Nomas vs. Odyssey-3: Offene Gewichte ohne Scores, Scores ohne Gewichte

Fragt man Odyssey nach Odyssey-3, erhält man eine Zahl: 66,1 bei Physics-IQ Verified, dem höchsten rohen Video-zu-Video-Score, den das Unternehmen meldet. Fragt man nach dem Checkpoint, erhält man ein Kontaktformular. Fragt man Tencent Hunyuan nach Hy-Nomas, läuft der Austausch andersherum: rund 196 GB Apache-2.0-Gewichte, ein Inferenz-Harness, ein LoRA-Trainer und eine Browser-Demo, ohne dass irgendein Score damit verbunden ist. Die beiden Modelle gehören derselben Kategorie an, interaktiven autoregressiven Diffusion-Transformer-Weltmodellen, und stammen aus demselben Monat. Die öffentliche Forschungsvorschau von Odyssey-3 startete am 8. Oktober 2026; die Gewichte von Hy-Nomas gingen zwischen dem 21. und 23. Oktober 2026 online. Doch die Entscheidung zwischen ihnen ist keine Frage, welches besser ist, denn keine der beiden Seiten hat den Nachweis veröffentlicht, der sie entscheiden würde, und jedem fehlt eine andere Hälfte.

Im Folgenden geht es ausschließlich um das, was sich aus den beiden Releases feststellen lässt: wie jedes Modell mit der Kamera umgeht, was die Zahlen auf beiden Seiten messen und was nicht, und was es kostet, eines von beiden vor einem Nutzer zum Laufen zu bringen.

Die Box, nicht die Architektur

Beide sind autoregressive Diffusions-Transformer und auf Ebene der Blockdiagramme Cousins. Hy-Nomas rendert ein Videosegment, fügt es der Sitzung hinzu und konditioniert das nächste Segment auf einen lebenslangen KV-Cache; das Backbone ist ein 54-Block-Dual-Stream-MMDiT mit Hidden-Size 2.048, 16 Attention-Heads und 128 Dimensionen pro Head, einem Text-Encoder Qwen2.5-VL-7B-Instruct und 32-Kanal-DCAE-V-Latents. Odyssey-3 wird von seinem Hersteller als mehrstufiger Video-Diffusions-Transformer beschrieben, der autoregressiv mit Teacher Forcing und kausaler Maskierung erweitert und dann für Echtzeitinteraktion destilliert wurde. Beide entscheiden sich, die Welt in Stücken zu rendern und sich daran zu erinnern, was zuvor kam.

Der Unterschied, der zählt, ist, was im Release enthalten ist. Hy-Nomas liefert ein Kit: Basis-DiT in FP32, ein destilliertes DiT, einen INT8-Build, den DCAE-V-Autoencoder, einen PixelUMM-Decoder in FP32 und FP8, den Nomas-PE-Prompt-Enhancer, zwei LoRA-Adapter, ein Docker-Image, ein Captioning-Harness zum Erstellen von Fine-Tuning-Daten, Offline-Sequence-Packing, einen LoRA-Trainer und ein Merge-Skript. Odyssey-3 liefert einen Browser-Tab und eine Warteschlange.

• Gewichte — Hy-Nomas: Apache 2.0, etwa 196 GB; Odyssey-3: keine veröffentlicht und keine Lizenz veröffentlicht

• Inferenzcode — Hy-Nomas-Repository plus ein Docker-Image; Odyssey-3: keines

• Feinabstimmung — Hy-Nomas liefert den LoRA-Trainer und eine dokumentierte Anleitung; Odyssey-3 wird nicht angeboten

• Parameteranzahl – kein Anbieter gibt eine an; der FP32-Checkpoint von Hy-Nomas ist 34,2 GB groß, was grob 8,5 Milliarden Parameter impliziert, wenn man 32-Bit-Speicherung und keinen Optimierer-Zustand annimmt – eine arithmetische Schätzung statt einer Spezifikation

• Zugang — Hy-Nomas zum Selbsthosten oder Tencent-Demo; Odyssey-3-Browser-Vorschau, API per Kontaktformular

Wer entscheidet, wohin die Kamera kommt?

Das Interaktionsmodell von Odyssey-3 ist Navigation. Die Vorschau unterstützt Bewegung in der Ego-Perspektive, Bewegung in der Third-Person-Perspektive und unabhängige Kamerabewegung, und die Welt trifft weiterhin Vorhersagen, während man sich bewegt. Das ist das richtige Design für eine Person, die eine Umgebung erkundet, und für das Demo-Reel, das das Modell verkauft hat: Man geht, die Welt reagiert, die Illusion bleibt bestehen.

Das Interaktionsmodell von Hy-Nomas ist eine Trajektorie. Sie liefern die Kameraextrinsik, einen Positions- und Orientierungspfad, und das Modell rendert diesen Pfad. Text und Kamera sind getrennte Kanäle: Der Prompt sagt, was in der Szene ist, die Trajektorie sagt, wo die Linse steht. Die beiden ergänzen sich, statt zu konkurrieren. Nomas-PE existiert, um eine knappe Anweisung in etwas umzuschreiben, worauf das Modell effektiver konditioniert – was Ihnen etwas über die scharfen Kanten des Textkanals verrät.

Die praktische Konsequenz ist Reproduzierbarkeit. Eine Navigationssitzung ist eine Durchquerung: in Echtzeit, von einer Person gesteuert und schwer exakt wiederholbar. Eine Trajektorie ist ein Parameter, den man protokollieren, variieren und anhand dessen man neu generieren kann. Wenn man synthetische Trainingsdaten für einen Roboter oder einen Agenten erzeugt, ist das Zweite eine Annotation und das Erste eine Demonstration. Das ist keine Behauptung, dass Hy-Nomas besser aussieht. Es gibt keine Belege dafür. Es ist eine Aussage darüber, welche Steuerungsoberfläche eine Pipeline konsumieren kann.

Die Auflösungszeile – und warum man nicht mit ihr beginnen sollte

Die naheliegende Feststellung ist, dass Hy-Nomas 720 × 1280 bei 24 FPS rendert, während Odyssey-3 832 × 480 rendert, mit einer Pro-Stufe bei 1280 × 720. Dieser Vergleich ist wahr und für sich genommen nahezu bedeutungslos. Die Angabe von 24 FPS bezieht sich auf die Wiedergabe eines generierten Segments, nicht auf die Generierungsgeschwindigkeit. Odyssey-3s 16 FPS werden auf dem Physics-IQ-Harness gemessen, und die Bildrate der Pro-Stufe wird überhaupt nicht veröffentlicht. Keiner der Anbieter hat gezeigt, wie seine Ausgabe neben der des anderen bei gleicher Auflösung aussieht, weil sie nie auf derselben Aufgabe ausgeführt wurden.

• Basisauflösung – Hy-Nomas 720 × 1280, änderbar auf 480 × 832; Odyssey-3 832 × 480

• Spitzenklasse — Hy-Nomas hat eine Konfiguration; Odyssey-3 Pro läuft mit 1280 × 720

• Bildrate — Hy-Nomas 24 FPS Wiedergabe, Generierungsgeschwindigkeit nicht angegeben; Odyssey-3 16 FPS auf dem Benchmark-Harness, Pro nicht angegeben

• Denoising — Hy-Nomas 8 Schritte in der destillierten Konfiguration, wobei auch 4 und 6 akzeptiert werden; Odyssey-3 ist für Echtzeit destilliert, aber seine Schrittanzahl ist nicht veröffentlicht

Eine Bestenliste, zwei Arten, sie nicht zu beantworten

Physics-IQ Verified, durchgeführt von Anates Labs mit Google DeepMind, ist das, was einer unabhängigen Prüfung für beide Modelle am nächsten kommt. Es fordert ein Modell auf, das Video eines realen physikalischen Experiments fortzusetzen, und bewertet die Fortsetzung daran, was tatsächlich passiert ist. 41 Modelle aus 16 Laboren stehen auf der Rangliste. Die 66,1 von Odyssey-3 Pro ist die Zahl, mit der das Unternehmen wirbt, und sie ist der höchste gemeldete Rohwert für Video-zu-Video.

Liest man die Rangliste selbst, wird das Bild konkreter. Sie rankt nach der Nettoverbesserung gegenüber dem Track-Mittelwert, nicht nach der Rohpunktzahl, und in dieser Spalte liegt FLUX 3 [large] mit +12,27 Punkten auf Platz eins, Odyssey-3 Pro mit +11,15 auf Platz zwei und das Basis-Odyssey-3 mit +9,99 auf Platz drei. Odysseys Einreichungen erscheinen zweimal unter zwei Prompt-Regimen: mit benutzerdefinierten Prompts +11,15 und +9,99; mit den eigenen Prompts des Benchmarks fällt das Basismodell auf +2,15 und den achten Platz zurück. Die 66,1 stammen aus Best-of-8-Sampling; eine einzelne Generierung erzielt 63,37. Die Rangliste ist eine Einreichungs-Rangliste, kein Drittanbieter-Lauf.

Nichts davon macht Odyssey-3 zu einem schlechten Modell. Es macht die Schlagzeile zu einer ausgewählten Konfiguration und das Ranking der Bestenliste zu einer anderen Aussage als der im Launch-Text. Wer 66,1 zitiert, und wer Rang 02 zitiert, beruft sich auf dieselbe Bestenliste, und nur einer von beiden gibt wieder, wie diese Bestenliste bewertet.

Die Beweislage aufseiten von Hy-Nomas ist einfacher und dünner. Tencent veröffentlichte Hy-Nomas-Bench: 280 Fälle in vier Tracks, die Multi-Turn-Textsteuerung, Kameranavigation, verschachtelte Text- und Kamerasteuerung sowie räumliches Gedächtnis abdecken, mit etwa 220 Referenzkameratrajektorien. Der Datensatz ist echt und herunterladbar. Die Ergebnistabelle existiert nicht. Der Link zum technischen Bericht auf der Modellkarte lautet „Demnächst verfügbar“ und führt ins Leere.

Der ehrliche Stand dieses Vergleichs – sechzehn Tage, nachdem die Preview von Odyssey-3 geöffnet wurde, und drei Tage, nachdem die Gewichte von Hy-Nomas erschienen sind – ist also, dass die beiden Modelle nie auf derselben Aufgabe, mit demselben Harness und denselben Einstellungen bewertet wurden. Physics-IQ führt Hy-Nomas nicht auf. Hy-Nomas-Bench führt Odyssey-3 nicht auf. Wer Ihnen sagt, welches besser ist, extrapoliert aus Architektur und Demo-Clips.

Was es kostet, zu berühren

Für Odyssey-3 gibt es keinen veröffentlichten Preis. Das Physics-IQ-Board führt eine normalisierte Kostenschätzung von 0,139 US-Dollar pro generiertem Video für das Basismodell und 0,267 US-Dollar für Pro, soweit möglich normalisiert auf 24 fps und eine 1280 Pixel breite Ausgabe; dabei handelt es sich jedoch um Benchmark-Abrechnungszahlen, nicht um Tarife, zu denen man tatsächlich kaufen kann. Der Zugang besteht aus der Browser-Vorschau und einem Kontaktformular für API-Priorität. Die API-Bedingungen der Website beschreiben noch immer einen Odyssey-2-Prototyp, was ein deutliches Signal dafür ist, wie weit sich die kommerzielle Ebene weiterentwickelt hat.

Hy-Nomas hat ebenfalls keinen Preis, denn es gibt nichts zu kaufen. Tencent betreibt dafür keinen gehosteten Endpunkt. Die Kosten liegen in der Hardware: acht GPUs mit achtfacher Sequenzparallelität auf dem Standardpfad oder eine einzelne RTX 4090 mit INT8-DiT-Gewichten, einem INT8-KV-Cache, einem FP8-Decoder, einer Begrenzung des Verlaufs per Schiebefenster und CPU-Offloading. Das vollständige Checkpoint-Set umfasst etwa 196 GB, der dokumentierte Demo-Pfad lädt etwa 86 GB, und der Pfad mit geringem Speicherbedarf benötigt rund 38 GB plus den Textencoder. Das Trainingsbeispiel im Repository verwendet 128 GPUs als sechzehn datenparallele Replikate über acht sequenzparallele Ränge.

Stellt man sie nebeneinander, ist der Unterschied beim Komfort alles andere als knapp: Odyssey-3 kostet heute einen Browser-Tab, Hy-Nomas kostet eine GPU und ein Wochenende. Das Wochenende erkauft etwas, das ein Browser-Tab nie bieten wird: einen Checkpoint, den man auf eigenem Filmmaterial feinabstimmen, in einen destillierten Build zusammenführen und bereitstellen kann, ohne jemanden um Erlaubnis zu bitten.

Wo die Routing-Schicht tatsächlich hingehört

Keines der beiden Modelle ist in unserem Katalog. Hy-Nomas ist Open Weights, das Sie selbst hosten; Odyssey-3 ist eine geschlossene Preview hinter einem Kontaktformular. Wir werden nichts anderes implizieren, und es gibt für keines der beiden eine Modellseite von uns, auf die wir verlinken könnten.

Dass Routing immer noch zur Sprache kommt, liegt an der Schleife um das Modell herum, nicht am Modell selbst. Eine Hy-Nomas-Sitzung braucht etwas, das die nächste Anweisung entscheidet und oft den Prompt umschreibt, bevor Nomas-PE ihn sieht. Ein Odyssey-3-Prototyp braucht etwas, das die Sitzung protokolliert, beurteilt, ob die Umgebung kohärent geblieben ist, und eine Traversierung in eine strukturierte Auswertung verwandelt. Das sind gewöhnliche Sprachmodellaufrufe, und genau diese fallen um drei Uhr morgens aus. OrcaRouter stellt über 200 gehostete Modelle hinter einem Schlüssel bei 0 % Aufschlag bereit, gibt den Listenpreis des Anbieters unverändert weiter und lässt dich den Prompt-Rewriter, den Judge und den Fallback in einer einzigen Routing-DSL-Kette statt drei Anbieterverträgen zusammenstellen. Das Weltmodell bleibt, wo es ist; das Gerüst darum herum bekommt einen Endpunkt und automatisches Failover.

Drei Entscheidungen, drei Antworten

• Sie brauchen ein Modell, das Sie auf proprietärem Filmmaterial fine-tunen, auf Ihrer eigenen Hardware ausliefern oder in das Sie ein Domain-LoRA mergen können — Hy-Nomas, ohne ernsthafte Alternative in diesem Paar. Das dokumentierte Rezept – Rang und Alpha 256 unter Muon bei konstantem 1e-4 über 2.000 Schritte, trainiert vom FP32-Checkpoint und in den destillierten gemergt – ist spezifisch genug, um es diese Woche laufen zu lassen.

• Sie brauchen heute Nachmittag eine erkundbare Umgebung gegenüber einem Stakeholder und müssen sie nicht selbst besitzen – die Vorschau von Odyssey-3. Sie ist außerdem die einzige der beiden mit einer Einreichung bei einem Board eines Drittanbieters, Einschränkungen inklusive.

• Sie brauchen eine belastbare Antwort auf die Frage „Was ist besser“ für ein Beschaffungsdokument – keines von beiden. Für dieses Dokument gibt es noch keine Quelle.

Was würde die Antwort ändern

Drei Dinge, nach Wahrscheinlichkeit geordnet. Ein technischer Bericht zu Hy-Nomas mit tatsächlichen Zahlen würde das Problem der einseitigen Belege beenden und die nächste Version dieser Seite zu einem echten Vergleich machen. Eine Community-LoRA-Welle würde zeigen, ob das Fine-Tuning-Rezept außerhalb der eigenen Beispiele von Tencent funktioniert – die Behauptung, die am schnellsten getestet werden kann. Eine Veröffentlichung der Gewichte von Odyssey-3 oder auch nur ein dokumentierter API-Preis würde es von einer Demo, die man besucht, zu einer Komponente machen, mit der man planen kann.

Bis eines davon verfügbar ist, liest man dieses Paar am besten danach, was einem jedes davon zu behalten erlaubt. Odyssey-3 lässt einen einen Eindruck behalten. Hy-Nomas lässt einen das Modell behalten. Welches davon man braucht, ist eine Frage des eigenen Projekts, nicht des Benchmarks.