Hy-Nomas: 텐센트의 자유형 인터랙티브 월드 모델이 실제로 하는 일

가장 유용하게 이해할 점은 Hy-Nomas가 비디오를 만들지 않는다는 것입니다. 그것은 비디오의 다음 4초를 만들고, 그것을 여러분에게 보여 주고, 여러분의 지시를 기다린 뒤, 그다음 4초를 만듭니다 — 이미 렌더링한 모든 것을 캐시에 담아 두므로, 2분 전에 돌아선 길모퉁이에도 여전히 같은 가게가 있습니다. Tencent Hunyuan은 2026년 10월 21일부터 23일 사이에 Apache 2.0 라이선스로 가중치, 추론 코드, 파인튜닝 파이프라인, 280개 사례 벤치마크, 브라우저 데모를 공개했으며, 공지 게시물도 벤치마크 결과도 없었습니다. 모델 카드 자체의 갤러리에는 60초, 5턴 클립인 clockwork-flight를 포함합니다; 그 클립은 저장소나 아직 공개되지 않은 논문 어느 것보다도 이 제품을 더 잘 설명해 줍니다.

다음은 실제로 출시된 것이 무엇인지, 상호작용 루프가 어떻게 구성되는지, 그리고 이번 릴리스에 포함되지 않은 단 하나의 숫자를 살펴보는 글이다. 이 글은 저장소, 모델 카드, 공개된 구성 파일을 바탕으로 작성되었으며, 직접 실행해 본 경험에서 나온 것은 아니다. 10월 24일 현재 인용할 수 있는 Hy-Nomas에 대한 제3자 평가가 없기 때문이다.

네 개의 아티팩트 중 모델은 단 하나뿐이다

Tencent는 번들을 공개했고, 그 번들이 핵심이다. 첫 번째 아티팩트는 Hugging Face의 체크포인트 세트로, 기본 자기회귀 DiT, 증류된 DiT, INT8 빌드, DCAE-V 비디오 오토인코더, FP32 및 FP8 버전의 미세 조정된 PixelUMM 디코더, Nomas-PE 프롬프트 향상기에 걸쳐 대략 196GB다. 두 번째는 GitHub 저장소다: 추론 하네스, 미세 조정 데이터 구축용 캡셔닝 하네스, 오프라인 시퀀스 패킹, LoRA 트레이너, 병합 스크립트. 세 번째는 Hy-Nomas-Bench로, 4개 트랙으로 구성된 280개 사례 평가 세트이며 약 220개의 참조 카메라 궤적을 갖는다. 네 번째는 hy-nomas.hy.tencent.com의 데모로, WASD나 마우스 드래그로 생성된 장면을 이동할 수 있다.

그 조합은 월드 모델 공개에서는 이례적이다. 대부분은 논문과 갤러리를 공개한다. 텐센트는 메커니즘을 공개하고 평가는 비워 두었다. Hy-Nomas가 좋은지 알고 싶다면 이제 직접 알아낼 수 있다; 아직 답을 읽을 수는 없다.

루프: 한 번에 한 세그먼트씩, 과거는 캐시에 보관한 채

Hy-Nomas는 세그먼트 자기회귀 확산 트랜스포머입니다. 짧은 구간의 비디오를 렌더링해 세션에 추가하고, 이전 잠재 표현과 그 키와 값을 보관하는 평생 KV 캐시를 조건으로 다음 구간을 생성합니다. 그래서 이 모델은 별도의 메모리 모듈이나 검색 단계 없이도 여러 턴에 걸쳐 장면 일관성을 유지할 수 있습니다. 이력이 어텐션 컨텍스트 안에 있고, 그것이 계속 커지기 때문입니다.

기반 아키텍처는 54개 블록의 듀얼 스트림 MMDiT로, 은닉 크기 2,048, 어텐션 헤드 16개, 3D 회전 위치 임베딩을 사용합니다. 텍스트는 Qwen2.5-VL-7B-Instruct로 인코딩됩니다. 카메라 외부 파라미터는 텍스트 프롬프트에 내장되는 대신 교차 어텐션을 통해 입력되며, 이는 아래의 제어 설명에서 중요합니다. Tencent는 파라미터 수를 명시하지 않습니다. FP32 체크포인트는 34.2 GB인데, 32비트 저장과 옵티마이저 상태가 없다고 가정하면 약 85억 개 파라미터를 의미합니다. 이는 벤더의 주장이 아니라 산술 계산이며, 사양이라기보다 추정치로 보는 것이 좋습니다.

• 출력 — 720 × 1280, 24 FPS이며, 여기서 24 FPS는 생성 속도가 아닌 재생 속도를 의미합니다

• 디노이징 — 증류 구성에서는 8단계이며, 코드는 4, 6 또는 8단계를 허용합니다

• 잠재 변수 — 32채널 DCAE-V, 미세 조정된 PixelUMM 디코더로 디코딩됨; FP8 디코더가 제공됩니다

• 컨텍스트 — 재설정되는 고정 창이 아니라 세그먼트 전반에 걸쳐 이어지는 평생 KV 캐시

스티어링 휠은 두 개이고, 그중 하나만 프롬프트입니다.

텍스트 채널은 자유 형식이며 멀티턴입니다. 객체를 추가하거나, 날씨를 바꾸거나, 장면의 스타일을 바꾸거나, 동작을 설명할 수 있으며, 해당 지시는 이전 내용을 다시 렌더링하는 대신 다음 세그먼트부터 적용됩니다. 저장소 자체의 표현은 "자유 형식 멀티턴 텍스트 프롬프트 제어"입니다. 요점은 프롬프트가 클립에 대한 일회성 캡션이 아니라 세계와의 대화에서 하나의 턴이라는 것입니다.

카메라 채널은 언어가 아니기 때문에 더 흥미롭습니다. 카메라 외부 파라미터의 궤적을 제공하면, 모델은 그 경로에서 세계를 렌더링하는 동안 텍스트 프롬프트는 그 안에 무엇이 있는지 계속 설명합니다. 텍스트와 카메라는 함께 사용할 수 있습니다. "시장이 문을 닫고 있다"라고 말하는 프롬프트와 통로를 따라 걷는 궤적은 결합되는 두 개의 별도 입력입니다. 이것이 Hy-Nomas와 텍스트-투-비디오 모델의 구체적인 차이입니다. 텍스트-투-비디오 모델은 산문에서 카메라 움직임을 추론하며 기대에 걸지만, Hy-Nomas는 카메라가 어디로 가는지 알려줍니다.

세 번째로, 더 눈에 덜 띄는 제어 수단이 있습니다. 바로 Nomas-PE로, 간결한 지시문을 모델이 더 효과적으로 조건으로 삼을 수 있는 형태로 다시 작성해 주는 온라인 프롬프트 향상기입니다. 이는 선택 사항이며, 실패 모드가 어디에 있는지 알려 주는 유형의 구성 요소입니다 — 기본 모델이 다섯 단어짜리 프롬프트를 잘 처리했다면, 이 향상기는 존재하지 않았을 것입니다.

아무도 논의하지 않는 기능: 2,000스텝으로 학습하는 도메인 LoRA

두 어댑터가 이번 릴리스에 포함됩니다. Cinematic LoRA는 시각적 품질을 향상시키기 위해 증류된 DiT에 병합됩니다. Robotics LoRA는 RealSource-World 로봇 팔 데이터셋으로 학습되었으며, 조작 장면을 개선하기 위해 동일한 증류 체크포인트에 병합됩니다. Tencent는 그 레시피를 문서화합니다: rank와 alpha 256, 드롭아웃 0, 2,000스텝 동안 1e-4의 일정한 학습률로 Muon을 사용하고, LoRA 파라미터만 학습하며, segment forcing이라는 기법을 사용한 다음, 추론을 위해 어댑터를 증류된 가중치에 병합합니다.

가장 반감기가 긴 부분입니다. 단일 도메인에서의 2,000스텝 적응은 비용이 충분히 저렴해서, 고유한 하우스 룩을 가진 스튜디오나 자체 로봇 암을 보유한 로보틱스 연구소, 특정 아트 디렉션을 가진 게임 팀이 베이스 가중치를 건드리지 않고도 모델을 특화할 수 있습니다. 또한 이번 릴리스에는 폐쇄형 모델이 가질 수 없는 설득력 있는 커뮤니티 발전 경로가 생깁니다. 다음 달에 나올 흥미로운 Hy-Nomas 결과물은 베이스 체크포인트가 아니라 LoRA 병합에서 나올 것으로 예상하십시오.

실행 비용: GPU 8개, 또는 일부 양보를 감수한 4090 한 장

기본 경로는 8개 GPU와 8-way 시퀀스 병렬화입니다. 저메모리 경로는 헤드라인을 장식한 바로 그 경로입니다. 단일 RTX 4090에서 INT8 DiT 가중치와 INT8 KV 캐시, 슬라이딩 윈도우 히스토리 제한, CPU 오프로드, DiT용 FlexAttention 및 디코딩용 CUTLASS FP8을 사용하며 시퀀스 병렬화는 비활성화됩니다. 텐센트는 CPU 오프로드에 충분한 시스템 RAM이 필요하고 전송 오버헤드가 추가된다고 경고하는데, 이는 단일 GPU 모드가 실재하지만 공짜는 아니라는 점을 정중하게 표현한 것입니다.

다운로드 용량도 경로에 따라 다릅니다. 문서화된 데모 경로는 약 86GB를 다운로드하며, 저메모리 경로는 텍스트 인코더 외에 대략 38GB가 필요합니다. 둘 다 노트북에서 받을 용량이 아니며, 둘 다 호스팅 엔드포인트가 제공되지 않습니다. Hy-Nomas를 위한 Tencent의 API도, 초당 가격도, 관리형 서비스도 없습니다 — 직접 실행하거나, 아니면 사용하지 않아야 합니다.

• 기본 서빙 — GPU 8개, 8-way 시퀀스 병렬화; 학습 예시에서는 GPU 128개를 16개의 데이터 병렬 복제본 × 8개의 시퀀스 병렬로 사용

• 단일 GPU 서빙 — INT8 DiT, INT8 KV 캐시, FP8 디코더, 슬라이딩 윈도우 히스토리 및 CPU 오프로드를 갖춘 RTX 4090

• 차지 공간 — 전체 체크포인트 세트의 경우 약 196GB, 문서화된 데모 경로의 경우 86GB, 저메모리 구성의 경우 38GB에 텍스트 인코더를 더한 용량

• 비용 — 공급업체 가격은 책정된 바 없으며, 비용은 GPU 시간입니다

이와 같은 오픈 웨이트 모델을 기반으로 구축하는 경우, 모델이 아닌 부분에도 여전히 스택이 필요합니다: 캡셔닝, 프롬프트 개선, 평가 하네스, 그리고 다음 지시를 결정하는 에이전트 루프 안에 있는 모든 LLM입니다. 바로 그 계층에서 단일 API가 제 역할을 합니다 — OrcaRouter는 200개 이상의 호스팅 모델을 하나의 키로 0% 마크업으로 제공하고, 제공업체의 정가를 그대로 전달하며, 제공업체가 저하되면 자동으로 장애 조치하므로, 자체 호스팅 월드 모델 주변의 오케스트레이션은 모든 보조 호출마다 별도의 계약이 필요하지 않습니다. Hy-Nomas 자체는 저희 카탈로그에 없습니다. 가중치는 벤더의 것이며, 우리는 그걸 아닌 척하지 않겠습니다.

빠진 숫자

Hy-Nomas-Bench는 실제로 존재합니다. 이 벤치마크에는 네 개 트랙에 걸친 280개 사례가 있습니다. 트랙은 다중 턴 텍스트 제어, 카메라 내비게이션, 텍스트와 카메라가 교차하는 제어, 공간 기억이며, 약 220개의 참조 카메라 궤적도 포함됩니다. 그러나 결과 표는 없습니다. 저장소는 데이터셋을 링크하지만, 데이터셋 페이지에는 점수가 없고, 기술 보고서 링크는 아무 데도 연결되지 않으며, README에는 "Coming Soon"이라고만 적혀 있습니다. Tencent의 모델 카드는 아키텍처와 샘플링 기본값을 설명하는데, 이는 벤치마크 결과라기보다 구성 세부 사항입니다.

그 부재는 스캔들이 아니지만, 이 모델에 대해 공정한 문장이 말할 수 있는 내용을 바꾼다. “Hy-Nomas는 8개의 디노이징 단계로 24 FPS에서 720 × 1280 비디오를 생성한다”는 것은 구성에서 확인할 수 있는 사양이다. “Hy-Nomas는 장기적 일관성을 유지한다”는 것은 데모 클립으로 뒷받침되는 설계상의 주장이지, 측정된 결과가 아니다. “Hy-Nomas가 모델 X를 능가한다”는 것은 현재 누구도 할 수 없는 주장이다. 그 비교의 어느 쪽도 동일한 테스트에서 공개된 수치를 갖고 있지 않기 때문이다.

가중치가 공개된 지 사흘 뒤에 내릴 수 있는 정직한 입장은, {{1}}Hy-Nomas{{/1}}가 평가되지 않은 품질 주장을 지닌, 잘 문서화된 역량 공개라는 것입니다. 문서는 그것을 재현하기에 충분히 잘 되어 있습니다. 평가는 직접 실행해 보기에 충분합니다. 판정은 빠져 있으며, 그것은 의도적으로 빠졌거나 급한 탓에 빠졌습니다 — 어느 쪽이든, 그것을 우리가 지어내는 것은 아닙니다.

주목할 것과 지금 해야 할 일

세 가지가 상황을 바꿀 것이다. 실제 수치가 담긴 기술 보고서가 나오면 Hy-Nomas는 주장에서 기준선으로 바뀔 것이다. 커뮤니티의 LoRA 물결이 일면 2,000단계 적응 레시피가 Tencent 자체 예시 밖에서도 통하는지 알 수 있을 것이다. 그리고 단일 4090에서의 재현, 즉 데모가 아니라 측정된 실행이 이루어지면 저메모리 경로가 단지 가능한 것인지 실제로 쓸 수 있는 것인지 알 수 있을 것이다.

그때까지 이 릴리스는 헤드라인보다 아티팩트 단위로 읽는 것이 합리적이다. 가중치는 공개되어 있고, 코드는 실행되며, 벤치마크는 껍데기이고, 데모는 기억하는 세계와 나누는 다섯 턴짜리 대화다. 그것은 이번 달 대부분의 연구소가 배포한 것보다 많고, 벤치마크 표가 입증할 수 있는 것보다는 적다. GPU가 있고 자기 분야를 직접 살펴볼 필요가 있다면, LoRA 레시피가 오늘 다운로드할 이유다. 커밋하기 전에 숫자가 필요하다면, 그 숫자는 아직 존재하지 않는다.