Genie 4 vs HY-Nomas: 더 나은 세상은 닫혀 있고, 다운로드 가능한 세상은 그렇지 않다

약 196기가바이트면 월드 모델을 완전히 소유할 수 있습니다. 이는 텐센트의 Hunyuan 팀이 2026년 10월 23일 Apache 2.0 라이선스로 공개한 전체 HY-Nomas 체크포인트 세트의 크기이며, 가중치는 Hugging Face에, 코드는 GitHub에 있습니다. 나흘 뒤 Google DeepMind는 Genie 4를 발표했습니다 — 대부분의 정성적 기준에서 더 나은 월드 모델로, 네이티브 오디오와 2분간의 일관성 창을 갖추었지만, 신뢰받는 테스터와 대기자 명단에 든 사람 외에는 누구도 이용할 수 없습니다. 이 두 사실 사이에는 지금 생성형 월드 모델링에서 가장 실용적인 결정이 놓여 있습니다: 가질 수 없는 더 강력한 모델을 택할 것인가, 아니면 오늘 밤 실행할 수 있는 더 약한 모델을 택할 것인가.

이 비교는 사실 품질 측면에서 Genie 4와 HY-Nomas를 비교하는 것이 아니다. 그것은 같은 문제에 대한 두 가지 자세를 비교하는 것이며, 품질 격차는 그 자세의 대가다. 무엇을, 무엇으로 지불하고 있는지 이해하는 것이 이 글의 요점이다.

Apache 2.0으로 실제로 얻을 수 있는 것

HY-Nomas는 서비스가 아니라 가중치로 제공됩니다. 메인 체크포인트는 Hugging Face에 tencent/Hy-Nomas로 있으며, Diffusers 호환 변형이 함께 제공되고, 저장소에는 LoRA 미세 조정 레시피와 두 개의 어댑터—하나는 시네마틱 카메라 작업용, 하나는 로보틱스 스타일 영상용—가 포함되어 있습니다.

마지막 부분은 강조할 가치가 있습니다. 어떤 폐쇄형 월드 모델도 그것을 제공하지 못하기 때문입니다. 자체 촬영 영상으로 미세 조정할 수 있다면 모델을 여러분의 도메인, 즉 여러분 스튜디오의 카메라 언어, 로봇의 센서 특성, 게임의 아트 디렉션 쪽으로 끌어올 수 있습니다. Genie 4는 그 상한이 어떻든 Google이 학습시킨 것을 생성할 것이며, 여러분이 가진 유일한 지렛대는 텍스트 프롬프트뿐입니다. 월드 모델이 도구가 아니라 경쟁 자산인 팀에게 그 차이는 상당한 수준의 시각적 완성도보다 더 큽니다.

라이선스도 중요합니다. Apache 2.0은 협상 없이 상업적으로 배포할 수 있을 만큼 충분히 허용적이며, 이는 상업적 조건이 전혀 공개되지 않은 Genie 4와는 대조적입니다.

60초 대 2분

두 모델 모두 상호작용 가능한 세계를 생성합니다. 두 모델은 서로 다른 방식으로 이를 생성하며, 그 차이가 지속 시간 수치를 어떻게 읽어야 하는지를 결정합니다.

Genie 4는 실시간 월드 모델입니다: 조종하는 대로 렌더링하고, 장면을 약 2분 동안 유지하며, 앰비언트 사운드, 음악, 대화 등 오디오를 같은 패스에서 네이티브로 생성합니다. 날씨는 입력하는 대로 바꿀 수 있습니다. DeepMind 자체의 단서는 더 긴 실행에서, 특히 복잡한 프롬프트 편집이 반복된 후에 세부 사항과 객체 영속성이 흐트러진다는 것입니다.

HY-Nomas는 하나의 정적 파일이 아니라 순차적 세그먼트로 비디오를 생성하며, 텍스트 프롬프트와 카메라 궤적을 통해 턴 단위로 조정합니다. lifelong KV 캐시는 이러한 턴 전반에 걸쳐 세계 일관성을 유지합니다. 명시된 상한은 720×1280 및 초당 24프레임에서 약 60초 생성이며, 증류 구성에서 8개의 디노이징 단계를 사용하고 4와 6도 지원됩니다.

따라서 정직한 비교는 60초 대 120초가 아닙니다. 그것은 턴 기반 세그먼트 생성 대 연속 실시간 렌더링의 비교입니다. Genie 4는 당신이 그 안에 있는 동안 반응하는 세계를 제공합니다. HY-Nomas는 한 번에 하나의 작성된 턴씩 진행되는 세계를 제공하는데, 이는 더 느린 작업 방식이자 훨씬 더 통제 가능한 방식입니다. 각 세그먼트는 다음 단계로 넘어가기 전에 검토할 수 있는 결정입니다.

내부적으로 두 모델은 아키텍처가 달라서 그런 동작이 설명된다. HY-Nomas는 확산 트랜스포머로, 54개의 듀얼 스트림 MMDiT 블록, Qwen2.5-VL-7B-Instruct 텍스트 인코더, DCAE-V 잠재 표현, 미세 조정된 PixelUMM 디코더를 갖추고 있으며, 공식 발표가 아니라 공개된 체크포인트에서 도출한 기준으로 약 80억 개 파라미터다. 이는 비디오 세그먼트를 생성하는 대형 모델이다. Genie 4는 실시간 시뮬레이터로, Google이 비슷한 수준의 세부 사항으로 내부를 설명한 적이 없으며, 외형을 그라운딩하고 루프를 안내하는 Gemini 모델들과 결합된다.

Genie 4만 가진, 다른 누구도 갖지 못한 기능

오디오. Genie 4는 사운드를 네이티브로 생성하는 DeepMind 최초의 월드 모델이며, 이 글을 쓰는 현재 이 비교에 포함된 오픈 웨이트 월드 모델 중 HY-Nomas를 포함해 이에 상응하는 주장을 내세우는 모델은 없습니다. 이 모델은 주변 소음, 음악, 그리고 캐릭터가 장면에서 일어나는 일에 반응하는 인터랙티브 대화를 생성합니다.

그것이 결정적인지는 전적으로 여러분의 사용 용도에 달려 있습니다. 영화 프리비주얼라이제이션의 경우, 그것은 거의 결정적입니다. 소리가 없는 샷은 반쪽짜리 샷이며, 다른 사람의 타이밍에 맞춰 사운드스케이프를 처음부터 다시 구축하는 것은 아무도 즐기지 않는 프리비주얼 작업의 일부이기 때문입니다. 로봇공학 시뮬레이션의 경우, 그것은 환경이 가르칠 수 있는 것을 제한하는 누락된 입력 양식입니다. 게임 스튜디오가 배경 플레이트 영상을 생성하는 경우에는 편의성에 불과합니다.

그리고 모두에게 그것은 측정되지 않은 상태다. 구글은 오디오 벤치마크도, 동기화 측정치도 공개하지 않았으며, 구글 자체 엔지니어들조차 오디오 정확성이 해결되지 않았다고 인정한다. 그 주장은 실재하지만, 증거는 데모 영상 한 편뿐이다.

하드웨어 비용, 계산해 보니

여기서 오픈 모델은 무료인 것을 멈추고 자본 지출이 되기 시작한다.

• 기본 배포 — HY-Nomas는 8개의 GPU를 기준으로 설계되었습니다. 이는 워크스테이션이 아니라 서버입니다.

• 단일 GPU 경로 — 문서화된 구성은 확산 트랜스포머용 INT8 가중치, FP8 디코더, CPU 오프로드 및 상한이 설정된 히스토리 버퍼를 사용하여 하나의 RTX 4090에서 실행됩니다.

• 디스크 — 전체 체크포인트 세트는 약 196GB이며, 저메모리 경로에는 텍스트 인코더 외에 약 38GB가 필요합니다.

• 처리량 — 60초 분량의 출력이 60초의 연산을 뜻하지는 않는다. 54개 트랜스포머 블록에 걸쳐 8번의 노이즈 제거 단계를 거치는 Diffusion에서는 생성 시간이 세그먼트당 분 단위로 측정되며, Tencent는 지연 시간 수치를 공개하지 않았다.

• Genie 4 — 공개된 하드웨어 요구 사항도, 공개된 지연 시간도, 공개된 가격도 없습니다. 액세스는 Project Genie를 통한 Google AI Ultra 구독 또는 얼리 액세스 파트너 계약입니다.

산술적으로 정직하게 따져 보면 4090 경로는 연구용 장비이지 프로덕션용이 아닙니다. 세그먼트를 느리게 생성하고, 긴 시퀀스에서는 메모리 성능이 저하되는데, 이는 상한이 설정된 히스토리 버퍼가 감수하는 바로 그 트레이드오프입니다. 8-GPU 경로는 쓸 만한 처리량을 내지만, 전력과 이를 계속 운영해야 하는 인력까지 따지기 전에 이미 데이터센터 GPU 8장에 맞먹는 비용이 듭니다.

그래서 호스팅 API와의 비교가 자동으로 성립하는 것은 아닙니다. 월 세그먼트 수가 수백 개에 불과하다면, 그것을 처리하기 위해 GPU 8개를 돌리는 것은 자본을 잘못 쓰는 일이며, 정답은 호출당 가격이 있고 초기 설비 투자가 없는 API — 우리 것이든 누구 것이든 — 입니다. 볼륨이 연속적이거나 데이터가 네트워크 밖으로 나갈 수 없다면, 196 GB 다운로드는 어떤 호스팅 서비스도 따라올 수 없는 좋은 거래입니다. 그것이 실제 결정 사항이며, 어느 모델이 더 예쁜지와는 아무 관련이 없습니다.

두 개의 벤치마크, 0점

HY-Nomas는 Hy-Nomas-Bench라는 것을 제공합니다. 280개의 테스트 케이스와 약 220개의 참조 카메라 궤적으로 구성되어 있죠. 이는 실제 평가 하네스이며, 공개 시점 기준으로 발표된 결과는 없습니다. 기술 보고서는 추후 공개될 예정이라고 합니다.

Genie 4에는 이에 상응하는 것이 없습니다. Google은 두 배로 늘어난 일관성 창 외에는 Genie 3와의 수치 비교도, 벤치마크 제품군도 공개하지 않았고, 해상도나 프레임 레이트도 전혀 밝히지 않았습니다.

그래서 양측 모두 데모 영상으로 평가받기를 원하고 있습니다. 그런 상황에서 결정을 가르는 기준은 재현성이어야 하며, 이 기준에서는 차이가 명백합니다. HY-Nomas를 다운로드하고 Hy-Nomas-Bench를 직접 실행해 수치를 공개할 수 있습니다. Genie 4로는 그렇게 할 수 없으며, 도입을 결정하기 전에 수치가 필요한 팀이라면 폐쇄형 모델은 단지 불편한 정도가 아니라 자격 미달입니다.

우리가 실제로 추천하는 것

가장 설득력 있는 세계가 필요하고 작업이 탐색적이라면 — 프리비즈, 콘셉트 기획, 프로토타입 수준 시뮬레이션 — Genie 4가 더 강력한 역량이며, 대기자 명단에 참여해 2분짜리 샷을 전제로 설계해야 합니다. 오디오만으로도 공개 가중치를 가진 모든 것과 차원이 다르며, Gemini-in-the-loop 아키텍처 덕분에 수작업이 아니라 에이전트로 구동할 수 있습니다.

직접 소유하고, 미세 조정하고, 감사하고, 제품에 내장하거나, 데이터를 벤더에 보내지 않고 실행할 수 있는 월드 모델이 필요하다면, 이 비교에서 HY-Nomas가 유일한 옵션이며, 정말로 유능한 옵션입니다: Apache 2.0, 단일 4090 경로, 카메라 제어, 로보틱스 어댑터, 공개된 평가 스위트를 갖추고 있습니다. 포토리얼리즘과 사운드를 제어와 재현성과 맞바꾸는 것이며, 많은 엔지니어링 작업에서는 그것이 올바른 트레이드오프입니다.

주변 스택은 이 둘이 만나는 지점입니다. 어떤 모델을 선택하든 그것은 에이전트 루프 안에 위치하게 됩니다. 무언가가 프롬프트를 작성하고, 카메라 궤적을 선택하고, 세그먼트를 확인하고, 재생성할지 결정해야 하기 때문입니다. 그 루프는 평범한 언어 및 비전 모델 호출로 구성되며, 바로 여기서 라우터가 제 역할을 합니다. 200개 이상의 모델을 아우르는 단일 API, 공급자가 지연될 때 렌더링을 잃는 대신 재시도가 되도록 하는 자동 장애 조치, 그리고 공급업체의 가격 인하가 발표되는 당일 여러분에게 도달하도록 공급자 목록 가격을 0% 마크업으로 그대로 전달하는 것입니다. 월드 모델은 스택에서 비용이 많이 들고 느리게 변하는 부분입니다. 그 주변의 모든 것은 그 반대여야 합니다.

6개월 전 흥미로운 질문은 오픈 월드 모델이 과연 경쟁력을 가질 수 있느냐였다. HY-Nomas는 제어 측면에서는 경쟁력이 있지만 충실도에서는 뒤처진다고 답하며, Genie 4는 충실도의 상한이 여전히 움직이고 있다고 답한다. 어느 답도 논쟁을 끝내지 못한다. 그래서 다운로드가 존재하고 대기자 명단이 긴 것이다.