Hy-Nomas vs Odyssey-3: pesos abiertos sin puntuaciones, puntuaciones sin pesos

Solicita a Odyssey Odyssey-3 y obtienes un número: 66.1 en Physics-IQ Verified, la puntuación bruta de vídeo a vídeo más alta que reporta la empresa. Pide el checkpoint y obtienes un formulario de contacto. Solicita a Tencent Hunyuan Hy-Nomas y el intercambio va al revés: aproximadamente 196 GB de pesos Apache 2.0, un arnés de inferencia, un entrenador LoRA y una demo en el navegador, sin ninguna puntuación asociada a nada de ello. Los dos modelos ocupan la misma categoría, modelos del mundo interactivos, autorregresivos y de tipo diffusion-transformer, y el mismo mes. La vista previa pública de investigación de Odyssey-3 se abrió el 8 de octubre de 2026; los pesos de Hy-Nomas se publicaron entre el 21 y el 23 de octubre de 2026. Pero la decisión entre ellos no es una cuestión de cuál es mejor, porque ninguna de las partes ha publicado la evidencia que lo resolvería, y a cada uno le falta una mitad diferente.

Lo que sigue es solo lo que puede establecerse a partir de los dos lanzamientos: cómo trata cada modelo la cámara, qué miden y qué no miden los números de cada lado, y cuánto cuesta conseguir que cualquiera de los dos esté funcionando frente a un usuario.

La caja, no la arquitectura.

Ambos son transformadores de difusión autorregresivos y, a nivel de diagramas de bloques, son primos. Hy-Nomas renderiza un segmento de vídeo, lo añade a la sesión y condiciona el siguiente segmento a una caché KV de por vida; el backbone es un MMDiT de doble flujo de 54 bloques con tamaño oculto de 2.048, 16 cabezas de atención y 128 dimensiones por cabeza, un codificador de texto Qwen2.5-VL-7B-Instruct y latentes DCAE-V de 32 canales. Odyssey-3 es descrito por su creador como un transformador de difusión de vídeo de varios pasos extendido de forma autorregresiva con teacher forcing y enmascaramiento causal, y luego destilado para la interacción en tiempo real. Ambos deciden renderizar el mundo por partes y recordar lo que vino antes.

La diferencia que importa es lo que hay dentro del lanzamiento. Hy-Nomas incluye un kit: DiT base en FP32, un DiT destilado, una compilación INT8, el autoencoder DCAE-V, un decodificador PixelUMM en FP32 y FP8, el potenciador de prompts Nomas-PE, dos adaptadores LoRA, una imagen de Docker, un arnés de subtitulado para crear datos de ajuste fino, empaquetado de secuencias sin conexión, un entrenador de LoRA y un script de fusión. Odyssey-3 incluye una pestaña del navegador y una cola.

• Pesos — Hy-Nomas Apache 2.0, aproximadamente 196 GB; Odyssey-3: no se publicó ninguno y no se publicó ninguna licencia

• Código de inferencia — repositorio de Hy-Nomas más una imagen de Docker; Odyssey-3: ninguno

• Ajuste fino — Hy-Nomas incluye el entrenador LoRA y una receta documentada; Odyssey-3 no se ofrece

• Recuento de parámetros — ningún proveedor revela uno; el checkpoint FP32 de Hy-Nomas es de 34,2 GB, lo que implica aproximadamente 8.500 millones de parámetros si se asume almacenamiento de 32 bits y ningún estado del optimizador, una estimación aritmética más que una especificación

• Acceso — Hy-Nomas autoalojado o la demo de Tencent; vista previa de Odyssey-3 en el navegador, API mediante formulario de contacto

¿Quién decide dónde va la cámara?

El modelo de interacción de Odyssey-3 es la navegación. La vista previa admite movimiento en primera persona, movimiento en tercera persona y movimiento independiente de la cámara, y el mundo sigue generando predicciones mientras lo haces. Ese es el diseño adecuado para una persona que explora un entorno, y para el vídeo de demostración que vendió el modelo: caminas, el mundo reacciona, la ilusión se mantiene.

El modelo de interacción de Hy-Nomas es una trayectoria. Tú proporcionas los extrínsecos de cámara, una trayectoria de posición y orientación, y el modelo renderiza esa trayectoria. El texto y la cámara son canales separados: el prompt indica qué hay en la escena, la trayectoria indica dónde está la lente. Los dos se componen en lugar de competir. Nomas-PE existe para reescribir una instrucción escueta en algo sobre lo que el modelo se condiciona con mayor eficacia, lo que revela algo sobre las aristas del canal de texto.

La consecuencia práctica es la reproducibilidad. Una sesión de navegación es un recorrido: en tiempo real, impulsado por una persona y difícil de reproducir exactamente. Una trayectoria es un parámetro que se puede registrar, variar y regenerar a partir de él. Si se producen datos de entrenamiento sintéticos para un robot o un agente, la segunda es una anotación y la primera es una demostración. Esto no es afirmar que Hy-Nomas se vea mejor. No hay evidencia de que lo haga. Es una afirmación sobre qué superficie de control puede consumir un pipeline.

La línea de resolución, y por qué no empezar por ella

La afirmación obvia es que Hy-Nomas renderiza 720 × 1280 a 24 FPS, mientras que Odyssey-3 renderiza 832 × 480, con un nivel Pro a 1280 × 720. Esa comparación es cierta y casi carece de significado por sí sola. La cifra de 24 FPS corresponde a la reproducción de un segmento generado, no a la velocidad de generación. Los 16 FPS de Odyssey-3 se miden con el arnés Physics-IQ, y la tasa de fotogramas del nivel Pro no se publica en absoluto. Ninguno de los proveedores ha mostrado cómo se ve su salida junto a la del otro a la misma resolución, porque nunca se han ejecutado en la misma tarea.

• Resolución base — Hy-Nomas 720 × 1280, modificable a 480 × 832; Odyssey-3 832 × 480

• Nivel superior — Hy-Nomas tiene una sola configuración; Odyssey-3 Pro funciona a 1280 × 720

• Frecuencia de fotogramas — Hy-Nomas: reproducción a 24 FPS con velocidad de generación no especificada; Odyssey-3: 16 FPS en el arnés de referencia, Pro no especificada

• Eliminación de ruido — Hy-Nomas 8 pasos en la configuración destilada, con 4 y 6 también aceptados; Odyssey-3 está destilado para tiempo real, pero su número de pasos no se publica

Un ranking, dos formas de no responderlo

Physics-IQ Verified, dirigido por Anates Labs con Google DeepMind, es lo más parecido que cualquiera de los dos modelos tiene a un escrutinio independiente. Pide a un modelo que continúe el vídeo de un experimento real de física y puntúa la continuación comparándola con lo que realmente ocurrió. Hay cuarenta y un modelos de dieciséis laboratorios en la tabla. El 66,1 de Odyssey-3 Pro es la cifra con la que la empresa abre, y es la puntuación bruta de vídeo a vídeo más alta reportada.

Lee la tabla en sí y el panorama se vuelve más específico. Clasifica por la mejora neta respecto a la media del track, no por la puntuación bruta, y en esa columna FLUX 3 [large] ocupa el primer lugar con +12.27 puntos, Odyssey-3 Pro el segundo con +11.15 y el Odyssey-3 base el tercero con +9.99. Los envíos de Odyssey aparecen dos veces bajo dos regímenes de prompts: con prompts personalizados, +11.15 y +9.99; con los prompts propios del benchmark, el modelo base cae a +2.15 y al octavo puesto. El 66.1 proviene de un muestreo best-of-8; una sola generación obtiene 63.37. La tabla es una tabla de envíos, no una ejecución de terceros.

Nada de eso convierte a Odyssey-3 en un mal modelo. Convierte el titular en una configuración seleccionada, y la propia clasificación de la tabla de líderes en una afirmación distinta de la que aparece en el texto de lanzamiento. Un lector que cita 66.1 y un lector que cita el puesto 02 están citando la misma tabla, y solo uno de ellos está citando cómo puntúa la tabla.

El lado de la evidencia de Hy-Nomas es más sencillo y más vacío. Tencent publicó Hy-Nomas-Bench: 280 casos en cuatro pistas, que abarcan control de texto multiturno, navegación de cámara, control intercalado de texto y cámara y memoria espacial, con alrededor de 220 trayectorias de cámara de referencia. El conjunto de datos es real y se puede descargar. La tabla de resultados no existe. El enlace al informe técnico en la tarjeta del modelo dice «Próximamente» y no lleva a ninguna parte.

Así que el estado honesto de esta comparación, dieciséis días después de que se abriera la vista previa de Odyssey-3 y tres días después de que aparecieran los pesos de Hy-Nomas, es que los dos modelos nunca se han evaluado en la misma tarea, con el mismo arnés y con la misma configuración. Physics-IQ no incluye a Hy-Nomas. Hy-Nomas-Bench no incluye a Odyssey-3. Cualquiera que te diga cuál es mejor está extrapolando a partir de la arquitectura y de clips de demostración.

Cuánto cuesta tocar

Odyssey-3 no tiene un precio publicado. El tablero de Physics-IQ incluye una estimación de coste normalizada de 0,139 $ por vídeo generado para el modelo base y de 0,267 $ para Pro, normalizada cuando es posible a 24 fps y a una salida de 1280 de ancho, pero esas son cifras de contabilidad de benchmarks, no tarifas que se puedan pagar. El acceso consiste en la vista previa en el navegador y un formulario de contacto para dar prioridad a la API. Los términos de API del sitio todavía describen un prototipo de Odyssey-2, lo cual es una señal bastante elocuente de lo poco que ha avanzado la capa comercial.

Hy-Nomas tampoco tiene precio, porque no hay nada que comprar. Tencent no opera un endpoint alojado para ello. El costo es el hardware: ocho GPU con paralelismo de secuencia de ocho vías en la ruta predeterminada, o una única RTX 4090 usando pesos DiT INT8, una caché KV INT8, un decodificador FP8, un límite de historial de ventana deslizante y offload a CPU. El conjunto completo de checkpoints es de unos 196 GB, la ruta de demostración documentada consume unos 86 GB y la ruta de baja memoria necesita aproximadamente 38 GB más el codificador de texto. El ejemplo de entrenamiento del repositorio usa 128 GPU como dieciséis réplicas de paralelismo de datos en ocho rangos de paralelismo de secuencia.

Ponlos uno al lado del otro y la balanza no está ni cerca en cuanto a comodidad: Odyssey-3 cuesta una pestaña del navegador hoy; Hy-Nomas cuesta una GPU y un fin de semana. El fin de semana compra algo que una pestaña del navegador nunca comprará: un checkpoint que puedes ajustar con tu propio metraje, fusionar en una compilación destilada y servir sin pedirle permiso a nadie.

Dónde pertenece realmente la capa de enrutamiento

Ninguno de los dos modelos está en nuestro catálogo. Hy-Nomas es de pesos abiertos que alojas tú mismo; Odyssey-3 es una vista previa cerrada detrás de un formulario de contacto. No vamos a insinuar lo contrario, y no hay ninguna página de modelo nuestra a la que enlazar para ninguno de los dos.

La razón por la que el enrutamiento sigue saliendo a colación es el bucle que rodea al modelo, no el modelo en sí. Una sesión de Hy-Nomas necesita algo que decida la siguiente instrucción y, a menudo, que reescriba el prompt antes de que Nomas-PE lo vea. Un prototipo de Odyssey-3 necesita algo que registre la sesión, juzgue si el entorno se mantuvo coherente y convierta un recorrido en una evaluación estructurada. Esas son llamadas normales a modelos de lenguaje, y son las que fallan a las tres de la madrugada. OrcaRouter pone más de 200 modelos alojados detrás de una sola clave con un 0 % de margen, traslada el precio de lista del proveedor sin cambios y te permite componer el reescritor de prompts, el juez y el fallback en una sola DSL de enrutamiento en lugar de tres contratos con proveedores. El modelo del mundo se queda donde está; el andamiaje que lo rodea obtiene un único endpoint y conmutación por error automática.

Tres decisiones, tres respuestas

• Necesitas un modelo que puedas ajustar con material propio, desplegar en tu propio hardware o en el que puedas fusionar un LoRA de dominio — Hy-Nomas, sin ninguna alternativa seria en este par. La receta documentada —rango y alpha 256 bajo Muon a una tasa constante de 1e-4 durante 2.000 pasos, entrenado desde el checkpoint FP32 y fusionado en el modelo destilado— es lo bastante específica como para ejecutarla esta misma semana.

• Necesitas un entorno explorable delante de un stakeholder esta tarde y no necesitas tenerlo en propiedad: la vista previa de Odyssey-3. También es el único de los dos con un envío en un tablero de terceros, advertencias incluidas.

• Necesitas una respuesta defendible a «cuál es mejor» para un documento de adquisición: ninguno de los dos. Ese documento aún no tiene una fuente.

¿Qué cambiaría la respuesta?

Tres cosas, en orden de probabilidad. Un informe técnico de Hy-Nomas con cifras reales acabaría con el problema de la evidencia unilateral y convertiría la próxima versión de esta página en una comparación real. Una ola de LoRA de la comunidad demostraría si la receta de ajuste fino funciona fuera de los propios ejemplos de Tencent, que es la afirmación con el camino más corto hasta poder comprobarse. Una publicación de los pesos de Odyssey-3, o incluso un precio de API documentado, lo convertiría de una demo que se visita a un componente con el que se puede planificar.

Hasta que uno de esos llegue, la forma útil de leer este par es por lo que cada uno te permite conservar. Odyssey-3 te permite conservar una impresión. Hy-Nomas te permite conservar el modelo. Cuál de los dos necesitas es una pregunta sobre tu proyecto, no sobre el benchmark.