Apollo World vs Hy-Nomas: 반드시 제대로 보여야 하는 픽셀, 반드시 정확해야 하는 센서

두 사람에게 차가 교차로로 접근하는 동일한 10초짜리 클립을 보여주면 둘 다 문제없어 보인다고 동의할 것이다. 이를 플래닝 스택에 보여주면 한 버전만 사용할 수 있는데, 다른 버전에는 그림자가 잘못된 방향을 가리키는 보행자, 40cm나 너무 높은 연석, 그리고 라이다 반사 신호가 전혀 없는 문제가 있기 때문이다. 그 격차가 Apollo World와 Hy-Nomas의 차이 전부다. Hy-Nomas는 Tencent Hunyuan의 공개 가중치 대화형 비디오 월드 모델로, 텍스트 프롬프트와 카메라 경로로부터 720p 비디오를 생성하는 80억 매개변수 모델이며 2026년 10월 말 Apache 2.0으로 공개되었다. Apollo World는 Baidu의 에이전트 기반 시뮬레이터로, 2026년 11월 3일 공개되었으며, 시험 대상 차량에 교통이 반응하는 가상 도시의 카메라 및 라이다 관측값을 출력한다. 하나는 눈으로 판단하고, 다른 하나는 차가 운전을 더 잘하게 되는지로 판단한다.

둘 다 정당하게 세계 모델이라고 불린다. 그중 하나만 오늘 오후에 다운로드할 수 있고, 다른 하나만 인식 스택에 공급하도록 설계되었다. 그 트레이드오프가 바로 이 글의 핵심이다.

충실성의 함정

비디오 월드 모델은 시청자가 받아들일 수 있는 것을 최적화한다. 그것은 비판이 아니다. 생성 모델에게는 올바른 목표이며, Hy-Nomas가 한 번도 본 적 없는 거리를 설득력 있게 걸어갈 수 있는 이유이기도 하다. 그러나 지각적 그럴듯함과 물리적 일관성은 서로 다른 목표이며, 바로 자율주행이 존재하는 지점에서 둘은 분리된다.

다음 프레임을 예측하도록 학습된 모델은 교차로 근처에서 차들이 감속한다는 것과 그림자가 광원에서 멀어지는 방향으로 드리운다는 것을 학습한다. 하지만 픽셀만으로는 두 차선 표시 사이의 거리가 3.5미터라는 것, 라이다 펄스가 젖은 노면에서 특정 세기로 반사되어 돌아온다는 것, 또는 이미 길로 나서기 시작한 보행자가 자차가 제동한다고 해서 연석으로 순간이동할 수는 없다는 것을 학습하지 않는다. 그 모델에 센서 스트림을 요청하면 센서 스트림처럼 보이는 무언가를 만들어 낼 것이다. 그 안의 숫자가 미터법 단위인지는 학습 목표가 결코 묻지 않았던 별개의 질문이다.

바이두의 발표 자료는 그 반론을 중심으로 구성돼 있다. 바이두 지능형주행그룹 수석 아키텍트 왕량은 무대에서 세계 모델은 인상적인 영상을 만들어내는 화가가 아니라 주행 안전을 검사하는 시험관이어야 한다고 말했고, 이어서 제시된 "2+3" 평가 기준은 겉보기엔 맞아 보이지만 실제로는 맞지 않는 모델을 걸러내기 위한 필터임을 분명히 했다. 인과성과 상호작용성은 관문이고, 물리적 정확성, 지속성, 실시간 성능은 등급이 매겨지는 속성이다. 이 기준이 그 밖에 무엇이든, 그것은 비디오 생성기를 주행 스택에 적용했을 때의 실패 모드를 설명한 것이다.

Hy-Nomas가 실제로 출시하는 것

Hy-Nomas는 단일 샷 영상 생성기가 아니라 세그먼트 자기회귀 확산 트랜스포머입니다. 캐시된 이력을 조건으로 가변 길이 세그먼트를 생성하며, 이는 카메라가 움직여도 일관성을 유지하는 방식입니다. 즉 "월드 메모리"는 새 세그먼트가 생성될 때마다 갱신되며 앞으로 이어지는 KV 캐시입니다.

• 크기 — 약 80억 개의 파라미터로, 54개의 듀얼 스트림 MMDiT 블록에 걸쳐 있으며 은닉 크기는 2,048입니다.

• 입력 — 자유 형식 텍스트와 연속 카메라 궤적, 그리고 느슨한 산문을 구조화된 JSON 캡션으로 다시 작성하는 선택적 프롬프트 향상기 Nomas-PE

• 출력 — 720 × 1280, 초당 24프레임, DCAE-V 잠재 표현에 대해 미세 조정된 PixelUMM 디코더를 사용하여 8개의 증류된 노이즈 제거 단계로.

• 가중치 — Hugging Face의 tencent/Hy-Nomas, Apache 2.0 라이선스, 약 196GB, 코드는 GitHub에 있으며 호스팅 데모도 제공됩니다.

• 하드웨어 — 기본 배포에는 GPU 8개가 필요합니다. INT8 DiT와 KV 캐시, FP8 디코더 및 CPU 오프로드를 사용하는 단일 RTX 4090 경로가 약 38GB로 존재합니다.

기술 보고서 arXiv 2610.36729은 2026년 10월 27일에 공개되었으며, 멀티턴 상호작용을 가능하게 하는 기법을 설명한다. 구조화된 캡션이 행동 인지형 인과 어텐션 패턴과 정렬되어, 설명적 맥락은 세그먼트 전반에 걸쳐 지속되는 반면 행동 지시는 발행된 창 내에 국한된다. 평가는 네 개 트랙—멀티턴 텍스트, 카메라 내비게이션, 텍스트와 카메라의 인터리브, 공간 기억—에 걸친 280개 사례 벤치마크로, Genie 3, LingBot-World v2, Happy Oyster와의 인간 쌍별 비교를 포함한다. Hy-Nomas는 상호작용과 프롬프트 따르기에서 승리하며, 프롬프트 따르기에서 약 65%의 승률이 보고되었고, 장기 공간 기억에서는 Genie 3에 패한다. 이는 저자들의 벤치마크에서 저자들이 수행한 비교이며, 가중치가 공개되어 있기 때문에 이 기사에서 가장 검증 가능한 주장들이다.

Apollo World가 공개하지 않는 것

Apollo World의 공개는 역량 브리핑이었으며, 빠진 항목들은 그 주장만큼이나 시사적입니다. 파라미터 수, 아키텍처, 논문, 이름이 명시된 기준선이 포함된 벤치마크 표, 가중치, API, 가격이 모두 없습니다. Baidu가 실제로 밝힌 것은 이 모델이 이미 Apollo Go의 글로벌 테스트 및 검증을 지원하고 있으며, 하루 약 100,000킬로미터의 시뮬레이션 주행을 커버할 수 있다는 점입니다. 이는 안전 운전자가 탑승한 차량의 약 3년간 연속 테스트에 해당한다고 표현했습니다. 또한 Apollo Go는 28개 도시에서 운영되며 2,300만 회 이상의 탑승, 3억 5천만 자율주행 킬로미터, 2억 4천만 킬로미터 이상의 완전 무인 주행 킬로미터를 기록하고 있다고 밝혔습니다.

10만 킬로미터라는 수치는 느슨하게 받아들여야 할 수치다. 이는 이를 뒷받침하는 외부 측정치가 없는 회사 측 숫자이며, 그 수치가 근거로 삼는 비교, 즉 시험용 차량 한 대를 3년간 연속 주행시키는 비교는 바이두가 밝히지 않은 가정 연간 주행거리에 달려 있다. 그렇다고 해서 그것이 틀린 것은 아니다. 그것은 검증 불가능하게 만들 뿐이며, 이는 알아두면 더 유용한, 다른 종류의 사실이다.

이와 대조적으로, 설계상의 주장은 반박할 수 있을 만큼 구체적이다. 모든 교통 참여자는 대본을 따르는 소품이 아니라 스스로 결정을 내리는 에이전트다. 카메라와 라이다는 실시간으로 생성된다. 운행은 수락된 주문에서 승객 하차까지, 임의의 출발지와 목적지 전반에 걸쳐 종단간 완결된다. 그리고 전체는 1/30초, 약 33밀리초의 의사결정 주기로 경계가 정해지며, 바로 이것이 지속성과 지연 속성을 장식이 아니라 구조를 지탱하는 요소로 만든다.

Hy-Nomas에 Baidu 자체의 평가 기준을 적용하기

흥미로운 과제는 두 회사를 마케팅 용어로 비교하는 것이 아니라, Apollo World의 다섯 개 프로퍼티를 가져와 실제로 존재하는 모델에 대입해 보는 것이다.

인과성: Hy-Nomas는 Baidu가 의미하는 바에서는 통과한다. 세그먼트 단위로 자기회귀이며 이력에 조건화하므로, 미래는 조립되고 역으로 채워지는 것이 아니라 현재로부터 생성된다. 상호작용성: 부분적이다. 텍스트 지시와 카메라 이동에 반응하지만, 그것들은 다른 에이전트의 행동이 아니라 감독의 명령이다. 장면 안의 어떤 것도 장면 안의 다른 어떤 것에 반응하지 않는다. 물리적 정확성: 측정되지 않았고, 발표된 연구로는 측정할 수 없다. 그 연구는 지표 기반 정답 대신 인간 선호도를 기준으로 평가한다. 지속성: 이것이 문서화된 약점이다 — 논문 자체가 장기 공간 기억에서 Genie 3에 뒤처진다고 보고하며, 이는 바로 Baidu가 지적한 드리프트 특성이다. 실시간성: 8개의 증류 단계에서 초당 24프레임은 확산 모델로서는 빠르지만, 기준 배포는 GPU 8개이며, 33밀리초 예산은 같은 선상에서 논할 수 없다.

그렇다고 해서 Hy-Nomas가 나쁜 모델이 되는 것은 아니다. 이는 Hy-Nomas를 다른 도구로 만들 뿐이다. 상호작용형 비디오 세계, 즉 그것이 애초에 만들어진 대상으로서 평가하면, Hy-Nomas는 현존 최고 수준과 견줄 만하고 공개되어 있으며, 경쟁 모델 중 거의 어느 것도 공개되어 있지 않다. 운전 시뮬레이터로서 평가하면, Baidu의 다섯 가지 테스트 중 네 가지를 통과하지 못하며, 가중치가 두 배로 좋아지더라도 그 테스트들은 통과하지 못할 것이다.

각각을 실행하는 데 드는 비용

Hy-Nomas는 가격을 직접 계산해 볼 수 있습니다. 가중치는 Apache 2.0에 따라 무료이며, 비용은 기기에서 발생합니다. 양자화 경로를 실행하는 4090 한 장은 CPU 오프로드를 감안하면 약 38GB의 메모리가 필요하고, 720p를 초당 24프레임으로 생성합니다. 8개 GPU 참조 배포가 바로 벤치마크가 설명하는 버전입니다. 연구 질문을 위해 수백 개의 클립을 생성한다면 카드 한 장이면 충분하지만, 학습용 코퍼스를 생성한다면 전기 요금이 곧 라이선스 비용입니다.

아폴로 월드는 판매 대상이 아니기 때문에 계산 가능한 가격이 없습니다. 가장 정직한 설명은 바이두가 어떤 상업적 조건도 공개하지 않았으며, 언급된 배포는 자사 로보택시 운영 내부에서 이루어진 것이라는 점입니다.

둘 중 하나를 기반으로 구축하는 팀에게 라우팅 문제는 모델 문제와 별개입니다. Apollo World도 Hy-Nomas도 OrcaRouter의 카탈로그에 없습니다. 하나는 Baidu 내부용이고, 다른 하나는 직접 호스팅하는 비디오 모델이며, 이 글은 그 점을 아닌 척하지 않겠습니다. 우리가 제공하는 것은 이런 종류의 출력을 평가하고 오케스트레이션하는 계층입니다. 생성된 클립의 점수를 매기는 비전-언어 판정 모델, 연구 질문을 프롬프트 배치로 바꾸는 플래너, 기본 모델이 속도 제한에 걸렸을 때 쓰는 폴백 모델입니다. 그것은 하나의 API로, 200개가 넘는 모델을 아우르며 0% 마크업으로 공급자의 목록 가격을 그대로 전달합니다. 이는 196GB 모델의 출력에 대해 수천 건의 판정 호출을 실행할 때 가장 중요합니다.

어떤 것이 당신의 스택에 어울리나요?

생성된 환경을 탐험하고, 그 안에서 카메라를 조작하며, 브라우저에서 장면을 반복적으로 개선하고 싶다면 Hy-Nomas가 더 나은 답이며 지금 이용할 수 있습니다. 오픈 라이선스는 형식적인 절차가 아닙니다. 이를 통해 미세 조정하고, 양자화하고, 배포할 수 있는데, 이는 프롬프트 따르기에서 Hy-Nomas가 앞서는 모델들을 포함해 대부분의 인터랙티브 월드 모델에는 해당되지 않는 이야기입니다.

주행 정책을 검증하는 경우, Hy-Nomas는 시뮬레이터의 대체물이 아니며 더 나은 프롬프트를 통해 시뮬레이터가 되지도 않을 것입니다. Apollo World의 올바른 사용법은 명세로서 활용하는 것입니다. 2+3 평가 기준은 어떤 시뮬레이터 공급업체에도 던질 수 있는 일련의 질문이며, 특히 지속성 질문 — 10시간 실행에서 드리프트는 얼마인가 — 은 테스트 리그와 데모 릴을 구분하는 질문입니다.

주목할 융합은 RGB와 함께 메트릭 깊이와 라이다를 출력하고, 지각적 손실이 아니라 물리적 일관성 손실로 학습되는 비디오 월드 모델이다. Hy-Nomas의 저자들은 이미 기하학적으로 의미 있는 방식으로 카메라 궤적에 조건화하고 있다; 센서 헤드를 추가하는 것은 명백한 다음 단계이며 아무도 그것을 발표하지 않았다. 누군가 그렇게 하기 전까지 구분은 명확하다: Hy-Nomas는 바라볼 수 있는 세계를 만들고, Apollo World는 자동차가 평가받을 수 있는 세계를 만들며, 그 두 문장 사이의 간극이 앞으로 1년의 연구가 자리하는 곳이다.