Hy-Nomas vs Hunyuan3D WorldClaw: 같은 연구실, 두 종류의 세계

텐센트의 훈위안 그룹은 석 달 사이에 '월드 모델'이라 불리는 두 가지를 내놓았는데, 둘은 거의 모든 면에서 서로 다르다. Hunyuan3D WorldClaw는 2026년 8월에 공개되었으며, 사실상 모델이라기보다는 4단계 에이전트형 파이프라인이다. 이 파이프라인은 LLM 에이전트로 장면을 계획하고, 지형을 생성하며, 개별 객체를 텍스처가 입혀진 메시로 재구성한 뒤, 비전 에이전트가 결과를 렌더링하고 잘못된 부분을 수정하도록 한다. Hy-Nomas는 2026년 10월 23일 공개된 단일 세그먼트 자기회귀 확산 트랜스포머로, 조종 가능한 비디오를 렌더링하며 가중치를 Apache 2.0으로 배포한다. 하나는 문장 하나로 편집 가능한 3D 자산을 만들고, 다른 하나는 대화로 연속적인 세계를 렌더링한다.

이 비교가 가치 있는 이유는 두 모델이 같은 연구소에서 나왔기 때문입니다. 이는 두 가지 전략에 대한 깔끔한 자연 실험이라 할 수 있습니다. 프런티어 모델들을 파이프라인으로 엮어 조율하거나, 하나의 모델이 모든 것을 처리하도록 훈련하는 것입니다. 두 출시는 개방성 측면에서도 서로 정반대입니다. 더 무거운 엔지니어링 스택을 갖춘 쪽은 코드를 전혀 공개하지 않았고, 단일 모델인 쪽은 모든 것을 공개했습니다.

모델과 파이프라인은 서로 다른 종류의 아티팩트입니다

WorldClaw의 논문은 라우터를 설명한다. 이 시스템은 자체적으로 생성을 수행하기보다 여러 프런티어 모델을 오케스트레이션한다. 계획을 위한 LLM 에이전트, 지역별 합성을 위한 이미지 모델, 세그멘테이션 모델, 메시 재구성을 위한 Tencent 자체의 Hunyuan3D, 그리고 조립을 위해 MCP를 통해 구동되는 Blender가 그것이다. 논문은 Claude Opus 4.8을 플래너로, GPT-Image-2와 SAM3D를 지역 구성 요소 중 일부로 명시한다. 그 기여는 새로운 생성 백본이 아니라 안무, 즉 전역-지역 분해와 렌더 기반 복구 루프에 있다.

Hy-Nomas는 정반대의 선택이다. 54블록 듀얼 스트림 MMDiT 하나, 히든 크기 2,048, Qwen2.5-VL-7B-Instruct 텍스트 인코더, 교차 어텐션을 통한 카메라 컨디셔닝, 그리고 지속적인 KV 캐시가 있다. 루프 안에는 플래너도, 분할 단계도, 외부 렌더러도 없다. 모델이 곧 시스템이다.

그 차이가 실패 모드를 설명해 준다. 파이프라인은 호출하는 모든 구성 요소의 약점을 물려받지만, 구성 요소 하나씩 고쳐 나갈 수 있다. 단일 모델은 하나의 일관된 세계관을 지니고 단계 사이에 이음새가 없지만, 어떤 약점이든 가중치에 내재되어 있어 재훈련이나 LoRA로만 고칠 수 있다.

WorldClaw의 네 단계는 실제로 무엇을 하는가

1단계는 {{1}}의도 분석{{/1}}과 {{2}}장면 기획{{/2}}이다. 두 LLM 에이전트가 작업을 분담한다. 하나는 사용자가 실제로 진술한 제약 조건만 추출하고, 다른 하나는 세부 사항을 채워 영역, 지형, 객체 및 공간 관계를 포괄하는 구조화된 장면 명세를 생성한다. 이러한 분담은 요구사항을 만들어낸 뒤 그것을 충족시키는, 단일 기획자의 흔한 실패에 대한 합리적인 방어책이다.

2단계는 전역 지형을 생성합니다: 의미론적 레이아웃 맵, 지역 인식 높이 필드, 그리고 지역별로 할당된 재질, 암석, 식생입니다. 3단계는 각 지역을 2D 합성 이미지로 렌더링하고, 인스턴스를 분할하며, Hunyuan3D를 통해 각 인스턴스를 텍스처 메시로 재구성한 뒤 지형 위에 다시 배치합니다. 4단계가 흥미로운 부분입니다 — 비전 에이전트가 조립된 장면을 여러 시점에서 렌더링하고 떠 있는 객체, 상호 관통, 잘못된 스케일과 잘못된 포즈를 찾아낸 다음 반복합니다. 조립은 MCP를 통해 Blender에서 이루어집니다.

출력물은 명시적이고 질감이 있으며 개별적으로 편집 가능한 메시로, 게임 엔진으로 내보낼 수 있습니다. 이는 영상과는 확실히 다른 결과물입니다. 모든 나무가 하나의 오브젝트이고, 모든 오브젝트에는 트랜스폼이 있으며, 레벨 디자이너는 월드를 다시 렌더링하지 않고도 하나를 옮길 수 있습니다.

편집할 수 있는 메시, 또는 조작할 수 있는 비디오

Hy-Nomas의 출력은 증류 구성에서 8개의 노이즈 제거 단계를 거쳐 세그먼트 단위로 생성되는 24 FPS의 720 × 1280 비디오입니다. Blender에서는 열 수 없습니다. 하지만 세션 중간에 방향을 바꿀 수 있습니다. 세계에 무엇이 있는지를 나타내는 자유 형식 텍스트, 샷이 어디로 향하는지를 나타내는 카메라 외부 파라미터, 그리고 이전 세그먼트가 새 지시와 일관되도록 유지하는 KV 캐시를 사용할 수 있습니다. 편집은 대화형으로 이루어지며 다음 세그먼트가 렌더링되기 전에 발생합니다.

WorldClaw의 출력은 사후에 편집할 수 있습니다. 당신은 지오메트리를 얻게 되고, 편집은 공간적으로 이루어집니다. 오브젝트를 옮기고, 트리의 크기를 다시 조정하고, 해당 영역을 다시 렌더링하는 식입니다. 다만 렌더링이 진행되는 동안 세계와 대화를 나눌 수는 없습니다. 파이프라인이 끝까지 실행된 다음에야 당신이 에셋을 작업하게 됩니다.

• 출력 — Hy-Nomas의 조종 가능한 720 × 1280 비디오 vs 장면 속 Hunyuan3D WorldClaw의 명시적 텍스처 메시

• 작업 단위 — Hy-Nomas: 요청 시 렌더링되는 세그먼트 vs Hunyuan3D WorldClaw: 네 단계로 생성되는 전체 세계

• 편집 — 세그먼트 간 Hy-Nomas 텍스트 및 카메라 지시 vs 생성 후 Hunyuan3D WorldClaw의 메시 직접 조작

• 엔진 — Hy-Nomas의 단일 디퓨전 트랜스포머 vs Hunyuan3D WorldClaw, 프런티어 모델들과 Blender로 구성된 오케스트레이션 스택

• 하드웨어 — Hy-Nomas는 기본적으로 GPU 8개, INT8 저메모리 경로에서는 RTX 4090 1개인 반면, Hunyuan3D WorldClaw는 NVIDIA H20 4개

• 릴리스 — Hy-Nomas: Apache 2.0 가중치, 코드 및 벤치마크 데이터셋 공개 vs Hunyuan3D WorldClaw: 코드나 가중치 없이 논문, 프로젝트 페이지, README 공개

에이전트 중심 세계의 비용

WorldClaw의 컴퓨트 이야기는 통상적인 의미의 GPU-시간 수치가 아니다. 그것은 H20 네 대에 더해 대규모 프런티어 모델 호출로 구성된다. 계획 토큰, 지역별 이미지 생성, 인스턴스별 분할, 객체별 메시 재구성, 그리고 개선 과정에서 반복되는 비전 에이전트 렌더링이다. 하나의 월드에 대한 한계 비용은 이러한 호출이 대부분을 차지하며, 논문은 가격을 공개하지 않는다. 호스팅 이미지 및 3D 엔드포인트로 대체한 커뮤니티 재구현은 월드당 대략 50센트와 몇 분이 걸린다고 보고하는데, 이는 유용한 대략적 규모이긴 하지만 벤더가 제시한 수치는 아니다.

Hy-Nomas의 비용은 더 일반적입니다. 기본적으로 8개의 GPU와 8-way 시퀀스 병렬 처리를 사용하거나, INT8 DiT 가중치, INT8 KV 캐시, 슬라이딩 윈도우 히스토리, CPU 오프로드, FlexAttention 및 CUTLASS FP8 디코더를 갖춘 RTX 4090 한 장을 사용합니다. 전체 체크포인트 세트는 약 196GB이고, 문서화된 데모 경로는 약 86GB를 가져오며, 저메모리 경로는 대략 38GB에 텍스트 인코더가 더 필요합니다. 호스팅 서비스가 없기 때문에 호스팅 가격은 존재하지 않습니다.

중요한 비교는 월드당 달러가 아니라 돈이 어디로 가는가이다. WorldClaw는 토큰과 API 호출에 지출하는데, 이 비용은 프런티어 모델 가격이 내려가면서 함께 내려간다. Hy-Nomas는 GPU 점유에 지출하는데, 이 비용은 내려가지 않는다. 파이프라인은 남의 곡선 덕분에 저렴해지지만, 모델은 누군가가 증류해 줄 때만 저렴해진다.

• Hy-Nomas 비용 요인 — 생성 세션당 GPU 시간, 호출당 과금 없음

• WorldClaw 비용 발생 요인 — 계획, 이미징, 세그멘테이션, 재구성 및 수리를 위한 프런티어 모델 호출, 그리고 4 × H20

• Hy-Nomas 스케일링 레버 — 증류와 LoRA, 둘 다 이미 릴리스에 포함

• WorldClaw 확장 수단 — 더 저렴한 구성 요소 모델과 더 적은 수리 반복

WorldClaw는 또한 이 배치에서 라우팅 계층에 대한 가장 명확한 논거이기도 합니다. 왜냐하면 그것 자체가 라우팅 계층이기 때문입니다. 플래너는 한 모델을 호출하고, 지역 단계는 다른 모델을 호출하며, 재구성 단계는 세 번째 모델을 호출합니다. 즉 전체가 렌더러가 붙은 하나의 라우팅 정책인 셈입니다. OrcaRouter는 호스팅 모델에 대해 같은 역할을 합니다 — 하나의 키로 200개 이상의 모델, 공급자 정가를 그대로 전달하는 0% 마크업, 자동 페일오버, 그리고 여러 모델을 하나의 호출로 구성하는 라우팅 DSL을 제공하며, 체인 대신 패널을 원할 때는 모델 퓨전도 사용할 수 있습니다. Hy-Nomas도 WorldClaw도 우리 카탈로그에 없으며, 자체 호스팅 월드 모델을 엔드포인트인 척할 생각은 없습니다. 우리가 라우팅하는 것은 WorldClaw가 필요하다고 보여주는 바로 그 계층입니다.

개방성은 역전됩니다

이 쌍에서 가장 이상한 부분이다. WorldClaw는 더 정교한 시스템으로, 논문과 프로젝트 페이지가 공개된 다단계 에이전트 파이프라인이며, 공식 GitHub 저장소에는 README와 논문, 프로젝트 자산이 들어 있다. 코드도, 가중치도, API도, 가격도 없다. 코드를 요청하는 이슈는 아직 답변이 없다. 공개된 것은 호스팅 엔드포인트 위에 파이프라인을 다시 구현한 커뮤니티 재구현물뿐인데, 이는 논문이 얼마나 명확한지를 보여주는 증거일 뿐 공식 릴리스의 대체물은 아니다.

Hy-Nomas는 더 단순한 시스템이자 더 개방적인 시스템입니다. Apache 2.0, Hugging Face의 전체 체크포인트, GitHub의 추론 및 학습 코드, 캡셔닝 하네스, LoRA 트레이너, 병합 스크립트, 280개 사례 벤치마크 데이터셋을 갖추고 있습니다. 기술 보고서가 없고 벤치마크에는 점수가 없지만, 아티팩트는 재현하고 수정하기에 충분히 완전합니다.

무언가를 만들려는 사람이라면, 그 역전은 아키텍처보다 더 많은 것을 결정한다. 실행할 수 없는 파이프라인은 설계 문서일 뿐이다. 실행할 수 있는 모델은 평가가 백지일지라도 출발점이다.

어느 것을 선택할까

산출물이 레벨, 즉 게임 엔진에 들어가 사람이 수정해야 하는 크고 탐색 및 편집 가능한 3D 환경일 때는 Hunyuan3D WorldClaw의 접근 방식을 선택하세요. Tencent가 이를 공개하지 않았기 때문에 논문을 바탕으로 처음부터 다시 구현해야 한다는 점, 그리고 그 품질 주장은 정성적이라는 점을 유의하세요. 논문은 FID, CLIP 또는 사용자 연구 없이 SynCity, World Labs의 Marble, MajutsuCity, Meta의 WorldGen 및 GPT-5.6 Sol과 비교합니다.

산출물이 푸티지나 학습 환경일 때는 Hy-Nomas를 선택하세요. 예를 들어 프리비즈, 합성 비디오, 제공되는 Robotics LoRA로 적응할 계획인 로보틱스 장면 생성기 등입니다. 장기 일관성 주장은 점수가 아니라 설계 논거와 데모에 불과하며, 단일 4090 실행은 가능하지만 오프로드 오버헤드가 따른다는 점을 유의하세요.

그리고 편집 가능한 세계와 그 세계를 조종할 수 있는 영상이 둘 다 필요하다면, 솔직한 답은 현재 단일 Tencent 릴리스로는 그것을 얻을 수 없다는 것입니다. WorldClaw는 대화식으로 애니메이션할 수 없는 지오메트리를 생성합니다. Hy-Nomas는 내보낼 수 없는 영상을 생성합니다. 둘 사이의 격차는 아직 아무도 출시하지 않은 제품이며, 그것은 어느 모델 단독보다 보기 더 흥미로운 대상입니다.