Genie 4 vs HY-Nomas: Dunia yang Lebih Baik Itu Tertutup, yang Dapat Diunduh Tidak

Dengan sekitar 196 gigabyte, Anda bisa memiliki model dunia secara penuh. Itu adalah ukuran set checkpoint HY-Nomas lengkap, yang diterbitkan tim Hunyuan Tencent di bawah Apache 2.0 pada 23 Oktober 2026, dengan bobot di Hugging Face dan kode di GitHub. Empat hari kemudian, Google DeepMind mengumumkan Genie 4 — model dunia yang lebih baik menurut sebagian besar ukuran kualitatif, dengan audio native dan jendela koherensi dua menit, yang tidak tersedia untuk siapa pun kecuali penguji tepercaya dan daftar tunggu. Di antara kedua fakta itu terletak keputusan paling praktis dalam pemodelan dunia generatif saat ini: ambil model yang lebih kuat yang tidak bisa Anda miliki, atau model yang lebih lemah yang bisa Anda jalankan malam ini.

Perbandingan ini sebenarnya bukan tentang kualitas Genie 4 versus HY-Nomas. Ini adalah perbandingan antara dua sikap terhadap masalah yang sama, dan kesenjangan kualitas adalah harga dari sikap tersebut. Memahami apa yang Anda bayar, dan dengan apa Anda membayarnya, adalah inti dari tulisan ini.

Apa yang Sebenarnya Anda Dapatkan dari Apache 2.0

HY-Nomas dirilis sebagai bobot, bukan sebagai layanan. Checkpoint utamanya ada di Hugging Face sebagai tencent/Hy-Nomas, dengan varian yang kompatibel dengan Diffusers di sampingnya, dan repositori tersebut menyertakan resep fine-tuning LoRA plus dua adaptor — satu untuk pekerjaan kamera sinematik, satu untuk rekaman bergaya robotika.

Bagian terakhir itu perlu ditekankan karena tidak ada model dunia tertutup yang menawarkannya. Jika Anda dapat melakukan fine-tuning pada rekaman Anda sendiri, Anda dapat mengarahkan model ke domain Anda: bahasa kamera studio Anda, karakteristik sensor robot Anda, arah seni game Anda. Genie 4, apa pun batas kemampuannya, akan menghasilkan apa yang Google latih untuk dihasilkannya, dan satu-satunya tuas yang Anda miliki adalah prompt teks. Bagi tim yang model dunianya merupakan aset kompetitif, bukan sekadar alat, perbedaan itu lebih bernilai daripada banyak polesan visual.

Lisensinya juga penting. Apache 2.0 cukup permisif untuk penerapan komersial tanpa negosiasi, yang tidak dapat dikatakan tentang Genie 4, yang ketentuan komersialnya sama sekali belum dipublikasikan.

Enam Puluh Detik Melawan Dua Menit

Kedua model menghasilkan dunia interaktif. Mereka menghasilkannya dengan cara yang berbeda, dan perbedaannya menentukan bagaimana angka durasi harus dibaca.

Genie 4 adalah model dunia real-time: ia merender saat Anda mengarahkan, mempertahankan sebuah adegan selama sekitar dua menit, dan menghasilkan audio — suara ambiens, musik, dialog — secara native dalam proses yang sama. Anda mengubah cuaca dengan mengetikkannya. Peringatan dari DeepMind sendiri adalah bahwa detail dan permanensi objek bergeser pada durasi yang lebih panjang, terutama setelah pengeditan prompt kompleks yang berulang.

HY-Nomas menghasilkan video dalam segmen berurutan, bukan dalam satu file statis, dan Anda mengarahkannya giliran demi giliran dengan prompt teks serta trajektori kamera. Cache KV yang berlangsung sepanjang proses membawa konsistensi dunia lintas giliran tersebut. Batas atas yang dinyatakan adalah sekitar enam puluh detik generasi pada 720×1280 dan 24 frame per detik, menggunakan delapan langkah denoising dalam konfigurasi terdistilasi, dengan empat dan enam juga didukung.

Jadi perbandingan yang jujur bukanlah enam puluh detik versus seratus dua puluh detik. Melainkan pembuatan segmen berbasis giliran versus perenderan real-time yang berkelanjutan. Genie 4 memberi Anda dunia yang merespons saat Anda berada di dalamnya. HY-Nomas memberi Anda dunia yang bergerak maju satu giliran yang disusun pada satu waktu, yang merupakan cara kerja yang lebih lambat dan jauh lebih terkendali — setiap segmen adalah keputusan yang dapat Anda periksa sebelum beralih ke segmen berikutnya.

Di balik layar, keduanya berbeda secara arsitektural dengan cara yang menjelaskan perilakunya. HY-Nomas adalah transformer difusi — lima puluh empat blok MMDiT aliran ganda, encoder teks Qwen2.5-VL-7B-Instruct, latents DCAE-V, dan dekoder PixelUMM yang telah disetel halus, dengan sekitar delapan miliar parameter berdasarkan penurunan dari checkpoint yang dipublikasikan, bukan dari pernyataan resmi. Itu adalah model besar yang menghasilkan segmen video. Genie 4 adalah simulator waktu nyata yang bagian dalamnya tidak dijelaskan Google dalam detail yang sebanding, dipasangkan dengan model Gemini yang menjangkarkan tampilan dan memandu loop.

Fitur yang Dimiliki Genie 4 dan Tidak Dimiliki oleh Siapa Pun Lainnya

Audio. Genie 4 adalah model dunia DeepMind pertama yang menghasilkan suara secara native, dan pada saat penulisan ini belum ada model dunia berbobot terbuka dalam perbandingan ini — termasuk HY-Nomas — yang membuat klaim setara. Model ini menghasilkan suara ambien, musik, dan dialog interaktif yang karakternya merespons apa yang terjadi dalam adegan.

Apakah itu menentukan sepenuhnya bergantung pada penggunaan Anda. Untuk pra-visualisasi film, itu hampir menentukan: shot tanpa suara adalah setengah shot, dan membangun ulang lanskap suara dari nol mengikuti timing orang lain adalah bagian dari pra-visualisasi yang tidak disukai siapa pun. Untuk simulasi robotika, itu adalah modalitas masukan yang hilang yang membatasi apa yang dapat diajarkan lingkungan. Untuk studio game yang menghasilkan rekaman plate latar belakang, itu hanyalah kemudahan.

Dan bagi semua orang, hal itu tidak terukur. Google belum menerbitkan tolok ukur audio, tidak ada pengukuran sinkronisasi, dan para insinyurnya sendiri mengakui bahwa akurasi audio belum terpecahkan. Klaimnya nyata dan buktinya hanyalah rekaman demo.

Rincian Tagihan Perangkat Keras

Inilah titik ketika model terbuka berhenti menjadi gratis dan mulai menjadi belanja modal.

• Deployment default — HY-Nomas dirancang untuk delapan GPU. Itu server, bukan workstation.

• Jalur GPU tunggal — konfigurasi terdokumentasi berjalan pada satu RTX 4090 dengan bobot INT8 untuk transformer difusi, dekoder FP8, offload CPU, dan buffer riwayat yang dibatasi.

• Disk — set checkpoint lengkap berukuran sekitar 196 GB; jalur memori rendah membutuhkan sekitar 38 GB ditambah text encoder.

• Throughput — enam puluh detik keluaran bukan berarti enam puluh detik komputasi. Difusi dengan delapan langkah denoising di lima puluh empat blok transformer berarti generasi diukur dalam hitungan menit per segmen, dan Tencent belum menerbitkan angka latensi.

• Genie 4 — tidak ada persyaratan perangkat keras yang dipublikasikan, tidak ada latensi yang dipublikasikan, tidak ada harga yang dipublikasikan. Aksesnya berupa langganan Google AI Ultra melalui Project Genie atau perjanjian kemitraan akses awal.

Hitunglah secara jujur, dan jalur 4090 adalah mesin riset, bukan mesin produksi: ia akan menghasilkan satu segmen, secara lambat, dengan memori yang terdegradasi untuk sekuens panjang, yang persis merupakan kompromi yang dibuat oleh buffer riwayat yang dibatasi. Jalur delapan GPU menghasilkan throughput yang layak dan biayanya sama dengan biaya delapan GPU pusat data, sebelum menghitung daya dan orang yang harus menjaganya tetap berjalan.

Itulah sebabnya perbandingan dengan API terkelola tidak bisa dilakukan secara otomatis. Jika volume Anda hanya beberapa ratus segmen per bulan, menjalankan delapan GPU untuk melayaninya adalah penggunaan modal yang buruk, dan jawaban yang tepat adalah API — milik kami atau siapa pun — dengan harga per panggilan dan tanpa belanja modal. Jika volume Anda berkelanjutan, atau data Anda tidak boleh keluar dari jaringan Anda, unduhan 196 GB adalah tawaran yang tidak bisa ditandingi layanan terkelola mana pun. Itulah keputusan sebenarnya, dan itu sama sekali tidak berkaitan dengan model mana yang lebih cantik.

Dua Benchmark, Nol Skor

HY-Nomas merilis sesuatu yang disebut Hy-Nomas-Bench: 280 kasus uji dengan sekitar 220 lintasan kamera referensi. Ini adalah harness evaluasi yang nyata dan, pada saat rilis, belum memiliki hasil yang dipublikasikan. Laporan teknisnya disebutkan akan segera terbit.

Genie 4 tidak memiliki padanan. Google tidak menerbitkan rangkaian tolok ukur apa pun, tidak ada perbandingan numerik dengan Genie 3 selain jendela koherensi yang dua kali lipat, dan sama sekali tidak ada informasi resolusi maupun laju bingkai.

Jadi kedua pihak meminta dinilai berdasarkan rekaman demo. Dalam situasi itu, penentu serinya seharusnya adalah reproduksibilitas, dan selisihnya tidak tipis: Anda dapat mengunduh HY-Nomas, menjalankan Hy-Nomas-Bench sendiri, dan menerbitkan angka. Anda tidak dapat melakukan itu dengan Genie 4, dan jika Anda adalah tim yang membutuhkan angka sebelum berkomitmen, model tertutup bukan sekadar merepotkan — melainkan mendiskualifikasi.

Apa yang Sebenarnya Akan Kami Rekomendasikan

Jika Anda membutuhkan dunia paling meyakinkan yang tersedia dan pekerjaan Anda bersifat eksploratif — pre-vis, konseptualisasi, simulasi tingkat prototipe — Genie 4 adalah kemampuan yang lebih kuat dan Anda sebaiknya bergabung dengan daftar tunggu serta merancang dengan asumsi shot dua menit. Audionya saja sudah menempatkannya di kelas yang berbeda dari semua yang berbobot terbuka, dan arsitektur Gemini-in-the-loop berarti ia dapat dikendalikan oleh agen, bukan secara manual.

Jika Anda memerlukan world model yang dapat Anda miliki, fine-tune, audit, sematkan dalam produk, atau jalankan tanpa mengirim data ke vendor, HY-Nomas adalah satu-satunya opsi dalam perbandingan ini, dan opsi itu benar-benar mumpuni: Apache 2.0, jalur single-4090, kontrol kamera, adaptor robotika, dan rangkaian evaluasi yang dipublikasikan. Anda menukar fotorealisme dan audio demi kontrol dan reproduksibilitas, dan untuk sebagian besar pekerjaan teknik, itulah pertukaran yang tepat.

Tumpukan di sekitarnya adalah tempat keduanya bertemu. Model mana pun yang Anda pilih akan berada di dalam loop agen—sesuatu harus menulis prompt, memilih lintasan kamera, memeriksa segmen, dan memutuskan apakah akan melakukan regenerasi. Loop itu terdiri dari panggilan model bahasa dan visi biasa, dan di situlah router membuktikan nilainya: satu API untuk lebih dari 200 model, failover otomatis sehingga penyedia yang macet menjadi percobaan ulang, bukan render yang hilang, serta harga daftar penyedia yang diteruskan dengan markup 0% sehingga pemotongan harga vendor sampai kepada Anda pada hari berlaku. Model dunia adalah bagian tumpukan Anda yang mahal dan lambat berubah. Segala sesuatu di sekitarnya seharusnya menjadi kebalikannya.

Enam bulan lalu, pertanyaan yang menarik adalah apakah model dunia terbuka bisa sama sekali kompetitif. {{1}}HY-Nomas{{/1}} menjawab bahwa model tersebut bisa kompetitif dalam hal kontrol meskipun tertinggal dalam fidelitas, dan {{2}}Genie 4{{/2}} menjawab bahwa batas fidelitas masih terus bergerak. Tidak ada jawaban yang menyelesaikan perdebatan, itulah sebabnya unduhan tersedia dan daftar tunggunya panjang.