Hy-Nomas vs Odyssey-3 : poids ouverts sans scores, scores sans poids

Demandez à Odyssey Odyssey-3 et vous obtenez un nombre : 66,1 sur Physics-IQ Verified, le score brut vidéo-vers-vidéo le plus élevé rapporté par l'entreprise. Demandez le checkpoint et vous obtenez un formulaire de contact. Demandez à Tencent Hunyuan Hy-Nomas et l'échange se fait dans l'autre sens : environ 196 Go de poids sous Apache 2.0, un harnais d'inférence, un entraîneur LoRA et une démo navigateur, sans aucun score associé à l'ensemble. Les deux modèles appartiennent à la même catégorie, celle des modèles du monde interactifs autoregressifs à transformateur de diffusion, et au même mois. L'aperçu public de recherche d'Odyssey-3 a ouvert le 8 octobre 2026 ; les poids de Hy-Nomas ont été mis en ligne entre le 21 et le 23 octobre 2026. Mais le choix entre eux n'est pas une question de savoir lequel est meilleur, car aucun des deux camps n'a publié les preuves qui permettraient de trancher, et il manque à chacun une moitié différente.

Ce qui suit ne présente que ce qu’il est possible d’établir à partir des deux versions : la façon dont chaque modèle traite la caméra, ce que mesurent et ne mesurent pas les chiffres de chaque côté, et ce qu’il en coûte pour faire fonctionner l’un ou l’autre devant un utilisateur.

La boîte, pas l’architecture

Tous deux sont des transformateurs de diffusion autorégressifs et, au niveau des schémas fonctionnels, ce sont des cousins. Hy-Nomas génère un segment vidéo, l’ajoute à la session et conditionne le segment suivant sur un cache KV persistant ; le backbone est un MMDiT à double flux de 54 blocs, de taille cachée 2 048, avec 16 têtes d’attention et 128 dimensions par tête, un encodeur texte Qwen2.5-VL-7B-Instruct et des latents DCAE-V à 32 canaux. Odyssey-3 est décrit par son créateur comme un transformateur de diffusion vidéo multi-étapes étendu de manière autorégressive avec teacher forcing et masquage causal, puis distillé pour l’interaction en temps réel. Tous deux choisissent de représenter le monde par fragments et de se souvenir de ce qui précède.

La différence qui compte, c'est ce qui se trouve à l'intérieur de la version. Hy-Nomas livre un kit : le DiT de base en FP32, un DiT distillé, une build INT8, l'autoencodeur DCAE-V, un décodeur PixelUMM en FP32 et FP8, l'amplificateur de prompt Nomas-PE, deux adaptateurs LoRA, une image Docker, un harnais de légendage pour constituer des données de fine-tuning, le packing de séquences hors ligne, un entraîneur LoRA et un script de fusion. Odyssey-3 livre un onglet de navigateur et une file d'attente.

• Poids — Hy-Nomas Apache 2.0, environ 196 Go ; Odyssey-3 : aucun modèle publié et aucune licence publiée

• Code d’inférence — dépôt Hy-Nomas ainsi qu’une image Docker ; Odyssey-3 : aucun

• Réglage fin — Hy-Nomas fournit l'entraîneur LoRA et une procédure documentée ; Odyssey-3 non proposé

• Nombre de paramètres — aucun des deux fournisseurs ne le divulgue ; le checkpoint FP32 de Hy-Nomas fait 34,2 Go, ce qui laisse supposer environ 8,5 milliards de paramètres si l’on suppose un stockage en 32 bits et aucun état d’optimiseur, une estimation arithmétique plutôt qu’une spécification

• Accès — auto-hébergement Hy-Nomas ou démo Tencent ; aperçu navigateur Odyssey-3, API via formulaire de contact

Qui décide où va la caméra

Le modèle d'interaction d'Odyssey-3 est la navigation. La prévisualisation prend en charge le déplacement à la première personne, le déplacement à la troisième personne et le mouvement indépendant de la caméra, et le monde continue de prédire pendant que vous vous déplacez. C'est la bonne conception pour une personne qui explore un environnement, et pour la bande de démonstration qui a permis de vendre le modèle : vous marchez, le monde réagit, l'illusion tient.

Le modèle d’interaction de Hy-Nomas est une trajectoire. Vous fournissez les paramètres extrinsèques de la caméra, une trajectoire de position et d’orientation, et le modèle rend cette trajectoire. Le texte et la caméra sont deux canaux distincts : le prompt indique ce qui se trouve dans la scène, la trajectoire indique où se trouve l’objectif. Les deux se combinent plutôt que de rivaliser. Nomas-PE a pour rôle de réécrire une instruction laconique en une formulation sur laquelle le modèle se conditionne plus efficacement, ce qui en dit long sur les aspérités du canal textuel.

La conséquence pratique est la reproductibilité. Une session de navigation est une traversée : en temps réel, pilotée par une personne, et difficile à rejouer exactement. Une trajectoire est un paramètre que l’on peut journaliser, faire varier et à partir duquel régénérer. Si vous produisez des données d’entraînement synthétiques pour un robot ou un agent, la seconde est une annotation et la première une démonstration. Cela ne revient pas à affirmer que Hy-Nomas est meilleur. Aucune preuve ne l’indique. C’est une affirmation sur la surface de contrôle qu’un pipeline peut consommer.

La ligne de résolution, et pourquoi ne pas commencer par elle

La comparaison évidente est que Hy-Nomas affiche du 720 × 1280 à 24 images/s, tandis qu’Odyssey-3 affiche du 832 × 480, avec une offre Pro à 1280 × 720. Cette comparaison est exacte et presque dépourvue de sens en soi. Le chiffre de 24 images/s correspond à la lecture d’un segment généré, non à la vitesse de génération. Les 16 images/s d’Odyssey-3 sont mesurés sur le banc d’essai Physics-IQ, et la fréquence d’images de l’offre Pro n’est pas publiée du tout. Aucun des deux fournisseurs n’a montré à quoi ressemble sa sortie à côté de celle de l’autre à résolution égale, car elles n’ont jamais été exécutées sur la même tâche.

• Résolution de base — Hy-Nomas 720 × 1280, modifiable pour passer à 480 × 832 ; Odyssey-3 832 × 480

• Haut de gamme — Hy-Nomas propose une seule configuration ; l’Odyssey-3 Pro fonctionne en 1280 × 720

• Fréquence d’images — Hy-Nomas : lecture à 24 i/s, vitesse de génération non précisée ; Odyssey-3 : 16 i/s sur le banc d’essai, Pro non précisé.

Débruitage — Hy-Nomas : 8 étapes dans la configuration distillée, 4 et 6 étant également acceptées ; Odyssey-3 est distillé pour le temps réel, mais son nombre d’étapes n’est pas publié.

Un classement, deux façons de ne pas y répondre

Physics-IQ Verified, géré par Anates Labs avec Google DeepMind, est ce qui se rapproche le plus d'un examen indépendant pour l'un ou l'autre des modèles. Il demande à un modèle de poursuivre la vidéo d'une expérience de physique réelle et évalue la suite produite par rapport à ce qui s'est réellement passé. Quarante et un modèles issus de seize laboratoires figurent au classement. Le 66,1 d'Odyssey-3 Pro est le chiffre que l'entreprise met en avant, et il s'agit du meilleur score brut vidéo-vers-vidéo rapporté.

Lisez le tableau lui-même et l’image devient plus précise. Il classe par amélioration nette par rapport à la moyenne du track, et non par score brut, et dans cette colonne FLUX 3 [large] occupe la première place avec +12,27 points, Odyssey-3 Pro la deuxième avec +11,15, et le modèle de base Odyssey-3 la troisième avec +9,99. Les soumissions d’Odyssey apparaissent deux fois sous deux régimes de prompts : avec des prompts personnalisés, +11,15 et +9,99 ; avec les prompts propres au benchmark, le modèle de base tombe à +2,15 et à la huitième place. Le 66,1 provient d’un échantillonnage best-of-8 ; une génération unique obtient 63,37. Le tableau est un tableau de soumissions, pas une exécution tierce.

Rien de tout cela ne fait d’Odyssey-3 un mauvais modèle. Cela fait du chiffre phare une configuration choisie, et du classement propre au leaderboard une affirmation différente de celle du texte de lancement. Un lecteur qui cite 66,1 et un lecteur qui cite le rang 02 citent tous deux le même leaderboard, et un seul des deux cite la façon dont le leaderboard attribue les scores.

Le côté Hy-Nomas des éléments de preuve est plus simple et plus vide. Tencent a publié Hy-Nomas-Bench : 280 cas répartis sur quatre pistes, couvrant le contrôle textuel multi-tour, la navigation par caméra, le contrôle entrelacé texte-caméra et la mémoire spatiale, avec environ 220 trajectoires de caméra de référence. Le jeu de données est réel et téléchargeable. Le tableau des résultats n’existe pas. Le lien du rapport technique sur la fiche du modèle indique « Coming Soon » et ne mène à rien.

L’état honnête de cette comparaison, seize jours après la mise en ligne de la preview d’Odyssey-3 et trois jours après la publication des poids de Hy-Nomas, c’est que les deux modèles n’ont jamais été évalués sur la même tâche, par le même harnais, avec les mêmes réglages. Physics-IQ ne répertorie pas Hy-Nomas. Hy-Nomas-Bench ne répertorie pas Odyssey-3. Quiconque vous dit lequel est meilleur extrapole à partir de l’architecture et de clips de démonstration.

Ce que coûte le toucher

Odyssey-3 n'a pas de prix publié. Le tableau Physics-IQ affiche une estimation de coût normalisée de 0,139 $ par vidéo générée pour le modèle de base et de 0,267 $ pour Pro, normalisée lorsque c'est possible sur 24 ips et une sortie de 1280 pixels de large, mais ce sont des chiffres comptables de benchmark, pas des tarifs auxquels on peut réellement acheter. L'accès se limite à l'aperçu dans le navigateur et à un formulaire de contact pour obtenir une priorité d'accès à l'API. Les conditions d'API du site décrivent encore un prototype Odyssey-2, ce qui en dit long sur le décalage de la couche commerciale.

Hy-Nomas n’a pas non plus de prix, car il n’y a rien à acheter. Tencent n’exploite pas de point de terminaison hébergé pour ce modèle. Le coût est matériel : huit GPU avec un parallélisme de séquence à huit voies sur le chemin par défaut, ou une seule RTX 4090 utilisant des poids DiT INT8, un cache KV INT8, un décodeur FP8, un plafond d’historique à fenêtre glissante et un déport CPU. L’ensemble complet des checkpoints fait environ 196 Go, le chemin de démonstration documenté télécharge environ 86 Go, et le chemin à faible mémoire nécessite environ 38 Go plus l’encodeur de texte. L’exemple d’entraînement du dépôt utilise 128 GPU sous forme de seize réplicas de parallélisme de données sur huit rangs de parallélisme de séquence.

Mettez-les côte à côte : côté commodité, le compromis n’est pas près d’être serré. Odyssey-3 coûte aujourd’hui un onglet de navigateur, Hy-Nomas coûte un GPU et un week-end. Le week-end permet d’obtenir quelque chose qu’un onglet de navigateur ne permettra jamais : un checkpoint que vous pouvez affiner sur vos propres séquences, fusionner dans une build distillée et servir sans demander la permission à qui que ce soit.

Où la couche de routage a réellement sa place

Aucun des deux modèles ne figure dans notre catalogue. Hy-Nomas est un modèle à poids ouverts que vous hébergez vous-même ; Odyssey-3 est un aperçu fermé derrière un formulaire de contact. Nous n’allons pas laisser entendre le contraire, et nous n’avons de page de modèle à lier pour ni l’un ni l’autre.

Si le routage revient encore sur le tapis, c'est à cause de la boucle autour du modèle, pas du modèle lui-même. Une session Hy-Nomas a besoin de quelque chose pour décider de l'instruction suivante et, souvent, pour réécrire le prompt avant que Nomas-PE ne le voie. Un prototype Odyssey-3 a besoin de quelque chose pour journaliser la session, juger si l'environnement est resté cohérent et transformer un parcours en évaluation structurée. Ce sont des appels ordinaires à des modèles de langage, et ce sont ceux qui échouent à trois heures du matin. OrcaRouter place plus de 200 modèles hébergés derrière une seule clé avec 0 % de marge, répercute le prix catalogue du fournisseur sans modification et vous permet de combiner le réécrivain de prompt, le juge et le repli en une seule DSL de routage chaîne au lieu de trois contrats fournisseurs. Le modèle du monde reste où il est ; l'échafaudage autour de lui obtient un seul point de terminaison et un basculement automatique.

Trois décisions, trois réponses

• Vous avez besoin d’un modèle que vous pouvez affiner sur des séquences propriétaires, déployer sur votre propre matériel, ou dans lequel fusionner un LoRA de domaine — Hy-Nomas, sans véritable alternative dans cette paire. La recette documentée, le rang et l’alpha 256 sous Muon à un taux constant de 1e-4 pendant 2 000 étapes, entraînée à partir du checkpoint FP32 puis fusionnée dans le modèle distillé, est suffisamment précise pour être lancée cette semaine.

• Vous avez besoin d’un environnement explorable devant une partie prenante cet après-midi et vous n’avez pas besoin d’en être propriétaire — l’aperçu d’Odyssey-3. C’est aussi le seul des deux à avoir une soumission sur un tableau tiers, mises en garde incluses.

• Vous avez besoin d’une réponse défendable à « lequel est meilleur » pour un document d’approvisionnement — ni l’un ni l’autre. Ce document n’a pas encore de source.

Qu’est-ce qui changerait la réponse ?

Trois choses, par ordre de probabilité. Un rapport technique sur Hy-Nomas avec de vrais chiffres mettrait fin au problème des preuves à sens unique et transformerait la prochaine version de cette page en une véritable comparaison. Une vague de LoRA communautaires montrerait si la recette de fine-tuning fonctionne en dehors des exemples propres à Tencent, ce qui est l’affirmation qui peut être testée le plus rapidement. Une publication des poids d’Odyssey-3, ou même un prix d’API documenté, le ferait passer d’une démo que l’on consulte à un composant sur lequel on peut planifier.

Jusqu’à ce que l’un de ces deux se concrétise, la façon utile de lire ce duo est selon ce que chacun permet de conserver. Odyssey-3 permet de conserver une impression. Hy-Nomas permet de conserver le modèle. Lequel de ces deux besoins est le vôtre est une question qui concerne votre projet, pas le benchmark.