Hy-Nomas: טנסנט שחררה בקוד פתוח מודל עולם אינטראקטיבי ולא אמרה על כך דבר

טנסנט העלתה הבוקר לאוויר את חבילת ההערכה ואת המשקלים של Hy-Nomas, ועד סוף היום עדיין לא פרסמה אף ציון אחד מאף אחד מהם. זהו טיב ההשקה הזו. Hy-Nomas הוא מודל עולם לווידאו שמנווטים אותו באמצעות הוראות טקסט ותנועות מצלמה, מקטע אחד בכל פעם, והמשקלים שלו עלו ל-Hugging Face ב-11:18 UTC היום, 23 באוקטובר 2026: קומיט אחד הנושא 196 GB של צ'קפוינטים ברישיון Apache-2.0, לצד מאגר קוד שנדחף ב-09:01 באותו בוקר והדגמה ניתנת להפעלה. יומיים קודם לכן שני המאגרים היו קיימים וריקים. אין פוסט בבלוג, אין רשומה ב-arXiv, ותג "דוח טכני (בקרוב)" בכרטיס המודל מקשר לקובץ שמחזיר 404. שעות לאחר ההעלאה עמוד המודל מציג אפס לייקים ואפס הורדות, והסימן היחיד לכך שמישהו שם לב הוא מאגר ה-GitHub: שמונה כוכבים, קומיט אחד, ללא תיאור.

אז הניסוח הכנה אינו "Tencent השיקה מודל עולם". הוא: Tencent פרסמה את המשקלים, את קוד האימון וההסקה, בנצ'מרק ואתר הדגמה, ועדיין לא אמרה אף מילה על מה הציונים של כל אחד מהם. כל מה שמופיע בהמשך הוא או חתימת זמן או גודל קובץ שאפשר לאמת בעצמכם, או מספר ש-Tencent הקלידה על הכרטיס שלה, או מקום שבו הכרטיס שותק באופן בולט. שלוש הקטגוריות מופרדות זו מזו בכוונה, מפני שבפרסום כזה השתיקה נושאת מידע רב באותה מידה כמו המפרטים.

מה שלמעשה נחת, בשעה המדויקת

קל לתארך את הממצאים כי יש מעט מאוד מהם ואף אחד מהם לא עבר עריכות רבות.

• מאגר המודל tencent/Hy-Nomas נוצר ב-Hugging Face ב-2026-10-21 בשעה 02:17:37 UTC ונשאר ריק עד שהקומיט היחיד שלו נחת ב-2026-10-23 בשעה 11:18:04 UTC. הקומיט הזה הוא 196.4 GB על פני 46 קבצים: שני צ'קפוינטים של DiT מסוג fp32 בנפח 34.2 GB כל אחד, DiT INT8 בנפח 9.06 GB, שני מתאמי LoRA, מפענח PixelUMM בנפח 31.55 GB, התאום שלו ב-FP8 בנפח 9.13 GB, אוטואנקודר DCAE-V בנפח 4.28 GB, מודל לשיפור פרומפטים בעל 18 רסיסים בסך 55.6 GB, ורהיטי הטוקנייזר והקונפיגורציה הרגילים.

• מאגר הקוד Tencent-Hunyuan/Hy-Nomas נוצר 47 דקות לאחר מכן, בשעה 03:04:54 UTC, כאשר שדה התיאור לא מולא. הקומיט היחיד שלו נכתב ב-21 באוקטובר אך נדחף רק היום, בשעה 09:01:42 UTC. המאגר עדיין מציג קומיט אחד וללא מהדורות, והוא מכיל את קוד האימון, סקריפטי הסקה, תמונת Docker ומדריך לפריסת הדגמה באינטרנט.

• מערך נתוני הבנצ'מרק tencent/Hy-Nomas-Bench נוצר ב-2026-10-22 בשעה 05:18:20 UTC וקיבל את הקומיט האחד והיחיד שלו היום בשעה 09:10:51 UTC.

• ההדגמה ב-hy-nomas.hy.tencent.com מחזירה HTTP 200 וכותרת עמוד. זהו החלק היחיד בגרסה הזו שמיועד למי שנמצא מחוץ לקבוצת מחקר.

השקט הזה ספציפי למודל הזה, ולא ל-Tencent. ארגון Hugging Face של החברה עצמה עסוק: tencent/Hy4-preview צבר מסוף אוגוסט 513 לייקים וכ-18,400 הורדות, ולמודל tencent/Hy-Memory-30B-A3B מ-15 באוקטובר יש 297 לייקים וכ-3,300 הורדות בתוך שמונה ימים. ל-Hy-Nomas, שהועלה באותו חלון זמן וגדול בהרבה, אין שום דבר מזה. יהיו אשר יהיו הסיבות הפנימיות, זו לא השקה שהשיגה פחות מהצפוי. זו השקה שלא נעשה ניסיון להשיק אותה.

מה ש־Hy-Nomas עושה ומודל טקסט לווידאו לא עושה

ההבחנה הזו חשובה יותר ממספרי הפרמטרים, כי היא הסיבה להתעניין בשחרור הזה בכלל. מודל רגיל של טקסט לווידאו מקבל פרומפט אחד ומחזיר קליפ אחד; אם רוצים משהו אחר, מתחילים מחדש ומקבלים קליפ לא קשור. Hy-Nomas יוצר עולם כשרשרת של מקטעים ושומר את ההיסטוריה שלו.

באופן קונקרטי, הכרטיס מתאר ארבעה דברים המתרחשים בו-זמנית. כל מקטע מקבל הנחיה משלו, כך שאפשר להציג אובייקט, לשנות את הסגנון, לשנות את התפאורה או לתאר פעולה באמצע היצירה ולא מראש. מטמון מפתח/ערך מתמשך נושא את ההיסטוריה שנוצרה קדימה, כך שמקטע מאוחר יותר מותנה במה שכבר נוצר במקום להיות מומצא מאפס. תנועת המצלמה היא מסלול התניה נפרד ולא משהו שמתארים בפרוזה: מספקים מטריצות מצלמה-לעולם ופרמטרים פנימיים, והמודל מתייחס אליהם בכל בלוק. ומכיוון שהמקטעים נוצרים באופן אוטורגרסיבי, העולם יכול להמשיך להתרחב כל עוד ממשיכים להזין לו הנחיות.

פורמט הפרומפט ממחיש עד כמה זה מילולי. אינפרנס לא־מקוון מקבל רשימת JSON שבה כל רשומה כוללת סגנון, נקודת מבט, רשימת נושאים ואז מקטעים מתוזמנים — זמן התחלה וסיום, תיאור חזותי ארוך ופעולות הכלולות עם חותמות הזמן שלהן. המקטע הראשון מבסס את העולם; מקטעים מאוחרים יותר משתמשים בdescription_change בתור שדה כדי לומר כיצד הוא אמור להתפתח. הדוגמה המצורפת בונה יער זוהר סביב שועל כתום קטן, ואז פותחת פרחים כחולים זוהרים לצד דרכו בסימן הזמן של שתי שניות.

מספר אחד בכרטיס קל לקריאה שגויה, והכרטיס עצמו מסמן זאת: נתון 24 FPS הוא קצב הניגון של וידאו הפלט, לא מהירות היצירה. כמה מהר המודל באמת פועל תלוי בחומרה, ברזולוציה, באורך הקטע ובכמה היסטוריה נמצאת במטמון. Tencent אומרת זאת ישירות. בשחרור ללא השהיה מפורסמת וללא ציונים מפורסמים, זו הקריאה הישרה היחידה של המספר.

דף המפרט שהכרטיס כן מספק

טנסנט מקפידה בצורה יוצאת דופן על ארכיטקטורה, וזה מה שגורם לתוצאות החסרות להרגיש מכוונות.

• עמוד שדרה — 54 בלוקי MMDiT דו-זרימיים ואפס בלוקים חד-זרימיים, בהתאם לתצורת ההסקה.

• רוחב — גודל מוסתר 2,048, עם 16 ראשי קשב בגודל 128 ממדים כל אחד והרחבת feed-forward פי 4 ל-8,192.

• קידוד מיקום — RoPE תלת-ממדי עם ממדים [16, 56, 56] ותטא 256.

• נתיב הטקסט — רכיב מודל השפה של Qwen2.5-VL-7B-Instruct, שמצביו החבויים בעלי 3,584 הממדים עוברים דרך מעדן טוקנים דו-שכבתי ומוקרנים אל מרחב DiT בעל 2,048 ממדים.

• נתיב המצלמה — אקסטרינזיות מנורמלות בגודל 4×4 המקובצות על פני ארבעה פריימים ומשוטחרות ל־64 ממדים, ומיושמות באמצעות קשב צולב בכל בלוק.

• לטנטים — DCAE-V f32t4c32: 32 ערוצים, דחיסה מרחבית של 32×, דחיסה זמנית של 4×.

• מפענח — מודל PixelUMM שעבר כוונון עדין עם 36 שכבות, גודל מוסתר 4,096, 32 ראשי שאילתה ו-8 ראשי KV, המבצע צעד פענוח אחד על חלונות של 10 פריימים לטנטיים עם חפיפה של 5 פריימים.

• פלט — 720 × 1280 ב-24 FPS, עם 8 שלבי הסרת רעש בתצורת ה-distilled; מאגר הקוד אומר שה-checkpoints ה-distilled תומכים ב-4, 6 או 8 שלבים.

• רישיון — Apache 2.0, כאשר מקודד הטקסט Qwen נותר בכפוף לתנאים שלו.

הנתון היחיד שטנסנט אף פעם לא מציינת הוא סך מספר הפרמטרים. המספר שמתקרב ביותר נגזר ולא פורסם: נקודת ביקורת DiT בפורמט fp32 בנפח 34.2 GB מסתכמת בבערך 8.5 מיליארד פרמטרים בארבעה בייטים כל אחד, וגרסת ה-INT8 בנפח 9.06 GB עקבית עם זה. יש להתייחס לזה כחשבון על גודל קובץ, לא כטענה מגיליון מפרט — הספק לא אישר זאת בשום מקום.

כמה זה עולה להריץ — זהו השער האמיתי.

שום דבר בשחרור הזה אינו עוין לזרים, אבל פריסת ברירת המחדל מניחה שיש לך צומת, לא מחשב נייד. תצורת ההסקה הסטנדרטית משתמשת במקביליות רצף של 8-way, ולכן הפעלת ברירת המחדל שלה דורשת שמונה GPUs בקבוצת הסקה אחת. ה-README מציין זאת בגלוי במקום לקבור את זה.

יש מסלול אמיתי של GPU בודד, וזו ההנדסה המעניינת ביותר בגרסה. הוא פועל על RTX 4090 אחד על ידי שילוב של ארבעה טריקים: משקולות DiT ומפתחות וערכים במטמון מאוחסנים ב-INT8 בעוד החישוב נשאר ב-BF16, המפענח פועל ב-FP8 דרך CUTLASS, מקודד הטקסט ושתי הרשתות נעות בין CPU ל-GPU עבור השלבים שלהן, והיסטוריית ה-GPU הפעילה מוגבלת ל-18 פריימי latent כאשר ההיסטוריה הישנה יותר נשמרת בארכיון ב-RAM של המערכת. הפשרה האחרונה היא מה שצריך להבין לפני שמתכננים סביבה: הארכיון ממשיך לגדול, תקציב 18 הפריימים רק מגביל את מה שנמצא על ה-GPU, והזיכרון של הקטע הנוכחי אינו מוגבל על ידו כלל. Tencent אומרת בפשטות שהעברות CPU–GPU מוסיפות השהיה ושיא זיכרון ה-GPU משתנה בהתאם לרזולוציה ולאורך הקטע.

חשבון ההורדות נובע מגדלי הקבצים. מסלול ההדגמה המתועד דורש את ה-DiT המזוקק (34.2 GB), את מפענח ה-PixelUMM המתאים (31.55 GB), את DCAE-V (4.28 GB) ועוד כ-16 GB עבור מקודד ה-Qwen — כ-86 GB לפני שמפיקים משהו. מסלול ה-GPU הבודד מחליף ל-DiT מסוג INT8 ומפענח FP8 לשם טביעת רגל קטנה בהרבה, קרוב ל-38 GB בתוספת המקודד. שני מתאמי ה-LoRA הם רכישות נפרדות של מקום בדיסק: מתאם קולנועי בנפח 6.12 GB ומתאם רובוטי בנפח 12.24 GB שאומן על מערך הנתונים הדו-זרועי RealSource-World, ושניהם מיועדים למיזוג אל תוך DiT בנקודה צפה. טוען ה-INT8 אינו יכול לקבל LoRA נפרד בזמן הסקה, ולכן שני המסלולים האלה אינם משתלבים.

דרישות הסביבה ספציפיות באותה מידה: Linux, Python 3.12 ואילך, CUDA 13.0 Toolkit, PyTorch 2.10.0, וגרסאות בנייה של FlashAttention 2, FlashAttention 3 ו-MagiAttention. תמונה מוכנה מראש, hynomasoss/hynomasoss:cu130, מומלצת על פני המסלול הידני — כשהסיבה היא הידור גרעיני הקשב. תצורת האימון במאגר הקוד מרחיקה לכת: DP16 × SP8, 128 כרטיסי GPU, רצפים ארוזים ל-360,000 טוקנים. יהיה מה שתעשה עם המשקלים, אתה לא תאמן את זה מחדש בבית.

המדד שטנסנט שחררה ללא ציונים

Hy-Nomas-Bench אינו מחשבה של בדיעבד. זהו מערך נתונים אמיתי: ארבע חבילות הערכה המכסות אינטראקציית טקסט חופשי רב-סיבובית, ניווט במצלמה, שליטה משולבת בטקסט ובמצלמה וזיכרון מרחבי, עם 280 מקרי בדיקה, 220 מסלולי מצלמה ייחוס, הנחיות מובנות, רצפי אינטראקציה וצירי זמן של מקלדת, המשוחררים כ-JSON תחת Apache 2.0 ומאורגנים לחלוקות המיועדות להערכה בלבד. הוא הופיע כשעתיים בערך לפני שהמשקולות הופיעו.

מה שחסר בו הוא טבלת תוצאות. אין לוח מובילים, אין ציון לכל חבילת מבחנים, אין השוואה לשום מודל אחר, ואין שום סימן שכזה עומד להגיע. והכרטיס זהיר באופן שנראה מכוון: לאחר פירוט הארכיטקטורה וברירות המחדל של הדגימה, הוא מוסיף שורה אחת — "הארכיטקטורה וברירות המחדל של הדגימה הן פרטי תצורה, ולא תוצאות בנצ'מרק."

המשפט הזה עושה עבודה של ממש. פירושו ששמונת שלבי הסרת הרעש, הרזולוציה 720 × 1280 ומקדם הנחיית המצלמה של 1.0 אינם ראיה לאיכות, וטנסנט מסרבת לאפשר לקרוא אותם כך. עבור כל מי שמעריך את המודל, ההשלכה המעשית פשוטה: אתם יכולים להריץ את ההערכה בעצמכם, ועד אז אינכם יכולים להציב את Hy-Nomas לצד משהו אחר על גבי מספר. חבילת הבדיקות היא מה שכדאי להוריד אם אתם רוצים הכרעה, כי אף אחד לא מגיש לכם אחת.

איפה הוא ממוקם בין שאר מודלי העולם הפתוח

התחום התפתח במהירות ב-2026, וההשוואה שמשנה אינה מספר הפרמטרים אלא אילו ראיות הביא עמו כל שחרור.

• משקלים ורישיון — Hy-Nomas הוא Apache 2.0 ללא חסימה. LingBot-World מבית Ant Group שחררה משקלים פתוחים בסוף ינואר 2026 והוצגה כמודל הפתוח הראשון שניתן להשוות ל-Genie 3 הסגור של Google.

• שיטת שליטה — Hy-Nomas היא טקסט-ראשית עם מסלולי מצלמה, קטע אחר קטע. LingBot-World וסדרת Genie 3 מובילים עם שליטה בזמן אמת במקלדת ובעכבר בדמות או במצלמה, שזהו מודל אינטראקציה שונה: משחק רציף לעומת בנייה מכוונת.

• דרישת מינימום חומרה — Hy-Nomas דורשת שמונה כרטיסי GPU כברירת מחדל או RTX 4090 יחיד עם היסטוריה מוגבלת. Astronex-World 1.0, שפורסם בספטמבר 2026, דיווח על סטרימינג בזמן אמת על L20 יחיד בנפח 48 GB ברזולוציית 832 × 480, שזה רף נמוך באופן ניכר.

• ראיות — כאן Hy-Nomas ניצב לבדו בעמודה הלא נכונה. LingBot-World הושק עם נתוני תפוקה וזמן השהיה שדווחו; Astronex-World הושק עם מאמר arXiv ונתוני בנצ'מרק. הדוח הטכני של Hy-Nomas מחזיר 404, ואין לו ציונים כלל.

• קו מוצא — המאמץ האינטראקטיבי הפתוח הקודם של Tencent, HY-WorldPlay, פעל מתמונת התחלה בתוספת קלט תנוחה ופעולה ברזולוציית 720p ובקצב 24 FPS. Hy-Nomas אינו אותו מודל בשם חדש; לולאת הטקסט מרובת התורים ומבנה הפרומפט לכל מקטע הם חדשים, והכרטיס אינו טוען לייחוס ממנו.

אף אחד מהדברים האלה לא מכריע בשאלת האיכות. מודל יכול להיות מצוין ובלתי מתועד, ושתיקתה של טנסנט אינה מהווה ראיה לכאן או לכאן — היא רק אומרת שנטל ההוכחה עבר למי שמוריד אותו.

מי צריך לגעת בזה עכשיו, ומי צריך להמתין

אם יש לך צומת עם שמונה מעבדי GPU והבעיה שלך היא מצב עולם שאדם עורך באמצע היצירה — סצנה שמקבלת עצם בשנייה הרביעית, מצלמה שמסתובבת כי אמרת לה, עולם ששומר על הגאומטריה שלו בזמן שאתה משנה את מזג האוויר — זהו המימוש הפתוח הישיר ביותר של הרעיון הזה שניתן להוריד כיום, ותנאי Apache 2.0 אומרים שאתה יכול לבנות עליו בלי משא ומתן. ה-LoRA לרובוטיקה הוא אות לאיפה Tencent מצפה שישתמשו בו: עולמות סימולציה לאימון מערכות מוטבעות, לא לווידאו חברתי.

אם אתם צריכים מספר לפני שאתם מתחייבים, חכו. לא מפני שהמודל חשוד, אלא מפני שאין על מה להסתמך. בנצ׳מרק שתצטרכו להריץ בעצמכם הוא שבוע של עבודה הנדסית, והדוח הטכני, כשיפורסם, כנראה ישנה את מה שהייתם מודדים.

יש שאלה תפעולית קטנה יותר סביב המודל שראוי להזכיר בשמה, כי היא נושכת כל מי שמנסה לשחזר את ההדגמה. ההדגמה באינטרנט מעבירה כל הוראה דרך Nomas-PE, שירות נפרד בנפח 55.6 GB שממיר ניסוח משתמש חופשי ל-JSON מקטעים מובנה שה-DiT מצפה לו, ו-Tencent מציינת שההדגמה דורשת אותו. הסקה במצב לא מקוון מדלגת על השלב הזה ומבקשת ממך לכתוב את הפרומפטים המובנים בעצמך. אם אתה בונה ממשק משלך, שכבת בניית הפרומפט הזו היא קריאה רגילה למודל שפה — והחלק הזה, בשונה ממערך הווידאו, הוא תשתית סטנדרטית. OrcaRouter לא מגישה את Hy-Nomas — מחסנית דיפוזיה מתארחת עצמית בנפח 196 GB היא לא מה שנתיב API נועד לו. מה שהיא מנתבת הוא הצד הטקסטואלי שסביבו — מפתח אחד ליותר מ-200 מודלים בתוספת של 0% על מחיר המחירון של הספק, עם מעבר אוטומטי לגיבוי — כך ששלב של שכתוב פרומפט או יצירת כיתוב לפלט לפני מודל וידאו מתארח עצמית לא צריך חוזה ספק משלו.

השאלות הפתוחות, ומה היה משנה את המאמר הזה

ארבעה דברים באמת אינם ידועים, ולכל אחד מהם יש ממצא ספציפי שיכריע בו.

הראשון הוא איכות. Hy-Nomas-Bench קיים, ולכן טבלת תוצאות מפורסמת היא הצעד הבא המתבקש, והיעדרה הוא הפער הגדול ביותר בין גרסה זו לבין גרסה ראויה לציטוט.

השני הוא מהירות. שום נתון השהיה אינו מופיע בשום מקום בכרטיס, רק קצב ההשמעה. מישהו יצטרך למדוד את הזמן עד למקטע הראשון על חומרה אמיתית, וההבדל בין תצורת הזיקוק בת שמונת השלבים לבין מודל האוטורגרסיה הבסיסי הוא הבדל שכדאי לכמת במקום להניח.

השלישי הוא תמיכה באקוסיסטם. המאגר נושא תג diffusers, אך הנתיב המתועד הוא חבילת hymm של Tencent עצמה ותמונת Docker ייעודית; שום סביבת ריצה של צד שלישי אינה מוצהרת כנתמכת. השאלה אם זה יזכה למחלקת pipeline בספרייה מיינסטרימית, כפי שרוב מודלי הווידאו הפתוחים עושים בסופו של דבר, קובעת אם הוא יישאר ארטיפקט מחקרי או יהפוך לכלי.

הנקודה הרביעית היא אם Tencent בכלל אומרת משהו. הדוח הטכני מסומן כ"בקרוב" וכרגע מחזיר 404, אין preprint ב-arXiv, ואין סיקור עיתונאי נכון ל-23 באוקטובר. בהחלט ייתכן שהחברה ממתינה למאמר או למוצר מוארח לפני שתקדם את זה. ייתכן גם שהשחרור הוא בדיוק כפי שהוא נראה: משקלים שפורסמו לתיעוד, כשההכרזה נדחית.

כך או כך, ההורדה זמינה, הרישיון מתירני, והדמו מקבל הוראות היום. עבור מודל שאיש לא הכריז עליו, זה יותר ממה שרוב השחרורים השקטים מציעים — והרבה פחות מהשקה.