Genie 4 vs HY-Nomas: Il mondo migliore è chiuso, quello scaricabile no

Per circa 196 gigabyte puoi possedere del tutto un modello del mondo. È la dimensione dell'intero set di checkpoint HY-Nomas, che il team Hunyuan di Tencent ha pubblicato con licenza Apache 2.0 il 23 ottobre 2026, con i pesi su Hugging Face e il codice su GitHub. Quattro giorni dopo, Google DeepMind ha annunciato Genie 4 — un modello del mondo migliore secondo la maggior parte dei parametri qualitativi, con audio nativo e una finestra di coerenza di due minuti, non disponibile per nessuno al di fuori di tester fidati e di una lista d'attesa. Tra questi due fatti si colloca la decisione più pratica nella modellazione generativa del mondo in questo momento: prendere il modello più forte che non puoi avere, oppure quello più debole che puoi eseguire stasera.

Il confronto non è davvero Genie 4 contro HY-Nomas sulla qualità. È un confronto tra due atteggiamenti verso lo stesso problema, e il divario di qualità è il prezzo dell’atteggiamento. Capire che cosa si sta pagando, e in che cosa lo si sta pagando, è il punto di questo articolo.

Cosa ottieni davvero con Apache 2.0

HY-Nomas viene distribuito come pesi, non come servizio. Il checkpoint principale è su Hugging Face come tencent/Hy-Nomas, con accanto una variante compatibile con Diffusers, e il repository include una ricetta di fine-tuning LoRA più due adapter: uno per le riprese cinematografiche, uno per i filmati in stile robotico.

Quell'ultima parte merita enfasi perché nessun modello del mondo chiuso la offre. Se puoi fare fine-tuning sui tuoi filmati, puoi orientare il modello verso il tuo dominio: il linguaggio di ripresa del tuo studio, le caratteristiche dei sensori del tuo robot, la direzione artistica del tuo gioco. Genie 4, qualunque sia il suo limite, produrrà ciò per cui Google lo ha addestrato, e l'unica leva a tua disposizione è un prompt testuale. Per un team il cui modello del mondo è un asset competitivo più che uno strumento, questa differenza conta molto più di tanta rifinitura visiva.

Anche la licenza conta. Apache 2.0 è sufficientemente permissiva per un'implementazione commerciale senza negoziazione, cosa che non si può dire di Genie 4, i cui termini commerciali non sono stati pubblicati affatto.

Sessanta secondi contro due minuti

Entrambi i modelli generano mondi interattivi. Li generano in modi diversi, e la differenza determina come devono essere interpretati i valori di durata.

Genie 4 è un modello del mondo in tempo reale: esegue il rendering mentre lo guidi, mantiene una scena per circa due minuti e genera audio — suoni ambientali, musica, dialoghi — nativamente nello stesso passaggio. Cambi il meteo digitandolo. L'avvertenza di DeepMind stessa è che i dettagli e la permanenza degli oggetti degradano sulle esecuzioni più lunghe, soprattutto dopo ripetute modifiche complesse ai prompt.

HY-Nomas genera video in segmenti sequenziali anziché in un unico file statico, e lo si guida turno dopo turno con prompt testuali e traiettorie della telecamera. Una cache KV lifelong mantiene la coerenza del mondo attraverso questi turni. Il suo limite dichiarato è di circa sessanta secondi di generazione a 720×1280 e 24 fotogrammi al secondo, utilizzando otto fasi di denoising nella configurazione distillata, con quattro e sei anch'essi supportati.

Quindi il confronto onesto non è sessanta secondi contro centoventi. È la generazione di segmenti a turni contrapposta al rendering continuo in tempo reale. Genie 4 ti offre un mondo che risponde mentre ci sei dentro. HY-Nomas ti offre un mondo che avanza un turno definito alla volta, un modo di lavorare più lento e molto più controllabile: ogni segmento è una decisione che puoi esaminare prima di passare al successivo.

Nel profondo, i due sono architetturalmente diversi in un modo che spiega il comportamento. HY-Nomas è un diffusion transformer — cinquantaquattro blocchi MMDiT a doppio flusso, un text encoder Qwen2.5-VL-7B-Instruct, latenti DCAE-V e un decoder PixelUMM fine-tuned, con circa otto miliardi di parametri dedotti dal checkpoint pubblicato anziché da una dichiarazione ufficiale. Si tratta di un modello di grandi dimensioni che produce segmenti video. Genie 4 è un simulatore in tempo reale i cui dettagli interni Google non ha descritto con un livello di dettaglio paragonabile, abbinato a modelli Gemini che ancorano l'aspetto e guidano il ciclo.

La funzione che Genie 4 ha e che nessun altro ha

Audio. Genie 4 è il primo world model di DeepMind a generare suono in modo nativo e, al momento in cui scriviamo, nessun world model open-weight in questo confronto — HY-Nomas incluso — può vantare un'affermazione equivalente. Produce rumore ambientale, musica e dialoghi interattivi in cui i personaggi reagiscono a ciò che accade nella scena.

Che sia decisivo dipende interamente dall’uso che ne fai. Per la pre-visualizzazione cinematografica è quasi decisivo: un’inquadratura senza audio è mezza inquadratura, e ricostruire il paesaggio sonoro da zero sul timing di qualcun altro è la parte della pre-vis che nessuno apprezza. Per la simulazione robotica è una modalità di input mancante che limita ciò che l’ambiente può insegnare. Per uno studio di videogiochi che genera footage per plate di sfondo, è una comodità.

E per tutti, resta non misurato. Google non ha pubblicato alcun benchmark audio, nessuna misurazione della sincronizzazione, e i suoi stessi ingegneri ammettono che l'accuratezza audio non è risolta. L'affermazione è reale e le prove sono un reel dimostrativo.

Il conto dell'hardware, calcolato

È qui che il modello aperto smette di essere gratuito e comincia a diventare una spesa in conto capitale.

• Distribuzione predefinita — HY-Nomas è progettato per otto GPU. Si tratta di un server, non di una workstation.

• Percorso a GPU singola — una configurazione documentata funziona su una singola RTX 4090 usando pesi INT8 per il diffusion transformer, un decoder FP8, offload sulla CPU e un buffer della cronologia limitato.

• Disco — il set completo di checkpoint è di circa 196 GB; la modalità a basso consumo di memoria richiede circa 38 GB più il text encoder.

• Throughput — sessanta secondi di output non equivalgono a sessanta secondi di calcolo. La diffusion con otto passaggi di denoising su cinquantaquattro blocchi transformer significa che la generazione si misura in minuti per segmento, e Tencent non ha pubblicato dati sulla latenza.

• Genie 4 — nessun requisito hardware pubblicato, nessuna latenza pubblicata, nessun prezzo pubblicato. L'accesso avviene tramite un abbonamento a Google AI Ultra attraverso Project Genie o un accordo con un partner per l'accesso anticipato.

Fai i calcoli onestamente e il percorso 4090 è una macchina da ricerca, non da produzione: produrrà un segmento, lentamente, con memoria degradata per sequenze lunghe, che è esattamente il compromesso imposto dal buffer storico limitato. Il percorso a otto GPU offre una capacità di elaborazione utilizzabile e costa quanto costano otto GPU da datacenter, prima di contare la potenza elettrica e la persona che deve mantenerlo in funzione.

Ecco perché il confronto con un'API ospitata non è automatico. Se il vostro volume è di poche centinaia di segmenti al mese, eseguire otto GPU per servirli è un cattivo impiego di capitale, e la risposta giusta è un'API — nostra o di chiunque altro — con un prezzo per chiamata e nessun capex. Se il vostro volume è continuo, o i vostri dati non possono uscire dalla vostra rete, il download da 196 GB è un affare che nessun servizio ospitato può eguagliare. Questa è la decisione reale, e non ha nulla a che vedere con quale modello sia più bello.

Due benchmark, zero punteggi

HY-Nomas presenta qualcosa chiamato Hy-Nomas-Bench: 280 casi di test con circa 220 traiettorie di camera di riferimento. È un vero ambiente di valutazione e, al momento del rilascio, non ha risultati pubblicati. Il rapporto tecnico è descritto come imminente.

Genie 4 non ha equivalenti. Google non ha pubblicato alcuna suite di benchmark, nessun confronto numerico con Genie 3 oltre alla finestra di coerenza raddoppiata, e nessuna risoluzione né frame rate.

Quindi entrambe le parti chiedono di essere giudicate sui filmati demo. In quella situazione il criterio di spareggio dovrebbe essere la riproducibilità, e non c’è partita: puoi scaricare HY-Nomas, eseguire Hy-Nomas-Bench da te e pubblicare un numero. Con Genie 4 non puoi farlo, e se sei il tipo di team che ha bisogno di un numero prima di impegnarsi, il modello chiuso non è solo scomodo — è squalificante.

Che cosa consiglieremmo davvero

Se ti serve il mondo più convincente disponibile e il tuo lavoro è esplorativo — pre-vis, conceptualizzazione, simulazione a livello di prototipo — Genie 4 è la capacità più potente e dovresti iscriverti alla lista d'attesa e progettare intorno a un'inquadratura di due minuti. Il solo audio lo colloca in una classe diversa da tutto ciò che ha pesi aperti, e l'architettura Gemini-in-the-loop significa che può essere guidato da un agente anziché manualmente.

Se hai bisogno di un world model che puoi possedere, mettere a punto, sottoporre ad audit, integrare in un prodotto o eseguire senza inviare dati a un fornitore, HY-Nomas è l'unica opzione in questo confronto, ed è davvero all'altezza: Apache 2.0, un percorso su singola 4090, controllo della camera, adattatori per la robotica e una suite di valutazione pubblicata. Stai barattando fotorealismo e audio in cambio di controllo e riproducibilità, e per un'ampia categoria di lavoro ingegneristico è il compromesso corretto.

Lo stack circostante è il punto in cui i due convergono. Qualunque modello tu scelga, si troverà dentro un loop agentico: qualcosa deve scrivere i prompt, scegliere la traiettoria della camera, controllare il segmento e decidere se rigenerarlo. Quel loop è fatto di normali chiamate a modelli linguistici e di visione, ed è lì che un router si guadagna il suo posto: un'unica API su oltre 200 modelli, failover automatico così un provider bloccato diventa un nuovo tentativo anziché un rendering perso, e i prezzi di listino dei provider trasferiti con 0% di ricarico, così un taglio di prezzo del fornitore arriva da te il giorno stesso in cui viene applicato. Il modello del mondo è la parte costosa e lenta a cambiare del tuo stack. Tutto ciò che lo circonda dovrebbe essere l'opposto.

Sei mesi fa la domanda interessante era se i modelli open-world potessero essere competitivi. HY-Nomas risponde che possono esserlo sul controllo pur restando indietro sulla fedeltà, e Genie 4 risponde che il tetto della fedeltà si sta ancora spostando. Nessuna delle due risposte chiude la discussione, ed è per questo che il download esiste e la lista d’attesa è lunga.