Apollo World vs Hy-Nomas: pixels die er goed uit moeten zien, sensoren die correct moeten zijn

Laat twee mensen dezelfde clip van tien seconden zien van een auto die een kruising nadert, en beiden zullen vinden dat het er goed uitziet. Laat hem aan een planningsstack zien en slechts één versie is bruikbaar, want bij de andere heeft een voetganger een schaduw die de verkeerde kant op wijst, een stoeprand die 40 centimeter te hoog is, en helemaal geen lidar-retour. Dat gat is het hele verschil tussen Apollo World en Hy-Nomas. Hy-Nomas is Tencent Hunyuan's open-weight interactieve video-wereldmodel: een model met 8 miljard parameters dat 720p-video genereert op basis van een tekstprompt en een camerapad, uitgebracht onder Apache 2.0 eind oktober 2026. Apollo World is Baidu's agentgestuurde simulator, onthuld op 3 november 2026, die camera- en lidar-waarnemingen van een virtuele stad produceert waarin het verkeer reageert op het voertuig dat wordt getest. De een wordt beoordeeld met het oog. De ander wordt beoordeeld op of de auto beter wordt in rijden.

Beide worden terecht wereldmodellen genoemd. Slechts één ervan kan vanmiddag worden gedownload, en alleen de andere is ontworpen om een perceptiestack te voeden. Die afweging is het artikel.

De getrouwheidsval

Video-wereldmodellen optimaliseren voor wat een kijker zal accepteren. Dat is geen kritiek; het is de juiste doelstelling voor een generatiemodel, en het is de reden waarom Hy-Nomas een overtuigende wandeling kan genereren door een straat die het nog nooit heeft gezien. Maar perceptuele plausibiliteit en fysieke consistentie zijn verschillende doelen, en ze lopen juist uiteen op het terrein waar autonoom rijden zich afspeelt.

Een model dat is getraind om het volgende frame te voorspellen, leert dat auto's in de buurt van kruisingen langzamer rijden en dat schaduwen van een lichtbron af vallen. Het leert niet, louter uit pixels, dat de afstand tussen twee rijstrookmarkeringen 3,5 meter is, dat een lidarpuls met een bepaalde intensiteit terugkomt van een natte weg, of dat een voetganger die al een stap de weg op heeft gezet niet terug naar de stoeprand kan teleporteren wanneer het ego-voertuig remt. Vraag het om een sensorstroom en het produceert iets dat op een sensorstroom lijkt. Of de getallen erin metrisch zijn, is een aparte vraag die de trainingsdoelstelling nooit heeft gesteld.

Het lanceermateriaal van Baidu is opgebouwd rond die tegenwerping. Wang Liang, hoofdarchitect van Baidu's Intelligent Driving Group, zei op het podium dat een wereldmodel geen schilder zou moeten zijn die indrukwekkende video's maakt, maar een examinator van rijveiligheid, en het daaropvolgende "2+3"-beoordelingskader is expliciet een filter voor modellen die er goed uitzien zonder goed te zijn. Causaliteit en interactiviteit zijn de poorten; fysieke nauwkeurigheid, persistentie en realtimeprestaties zijn de eigenschappen die worden beoordeeld. Wat het beoordelingskader verder ook is, het beschrijft de faalmodus van een videogenerator toegepast op een rijstack.

Wat Hy-Nomas daadwerkelijk levert

Hy-Nomas is een segment-autoregressieve diffusie-transformer, geen videogenerator die alles in één keer genereert. Het produceert segmenten van variabele lengte op basis van een gecachte geschiedenis, en zo blijft het coherent terwijl de camera beweegt: het "wereldgeheugen" is een KV-cache die wordt meegenomen en vernieuwd naarmate er nieuwe segmenten worden gegenereerd.

• Grootte — ongeveer 8 miljard parameters verdeeld over 54 dual-stream MMDiT-blokken met een verborgen grootte van 2.048.

• Invoer — vrije tekst plus een continue cameratrajectorie, met een optionele prompt-enhancer, Nomas-PE, die losse proza herschrijft naar gestructureerde JSON-captions.

• Uitvoer — 720 bij 1280 met 24 frames per seconde, met een fine-tuned PixelUMM-decoder over DCAE-V-latenten, in acht gedistilleerde denoisingstappen.

Gewichten — tencent/Hy-Nomas op Hugging Face onder Apache 2.0, ongeveer 196GB, met code op GitHub en een gehoste demo.

• Hardware — een standaarduitrol vraagt om acht GPU's. Er bestaat een route met één RTX 4090 die gebruikmaakt van een INT8-DiT en KV-cache, een FP8-decoder en CPU-offload, bij circa 38GB.

Het technische rapport, arXiv 2610.36729, verscheen op 27 oktober 2026 en beschrijft de truc die meerbeurtinteractie laat werken: gestructureerde captions worden afgestemd op een actiebewust causaal aandachtspatroon, zodat beschrijvende context over segmenten heen behouden blijft, terwijl actie-instructies beperkt blijven tot het venster waarin ze zijn gegeven. De evaluatie is een benchmark van 280 cases over vier tracks — meerbeurttekst, cameranavigatie, afwisselende tekst en camera, en ruimtelijk geheugen — met menselijke paarsgewijze vergelijkingen met Genie 3, LingBot-World v2 en Happy Oyster. Hy-Nomas wint op interactie en promptopvolging, met een gerapporteerd winpercentage van ongeveer 65% bij promptopvolging, en verliest van Genie 3 op ruimtelijk langetermijngeheugen. Dat zijn de vergelijkingen van de auteurs op de benchmark van de auteurs, en het zijn de meest verifieerbare beweringen in dit artikel, omdat de gewichten openbaar zijn.

Wat Apollo World niet publiceert

De bekendmaking van Apollo World was een capaciteitsbriefing, en wat ontbreekt is even informatief als de claims. Er is geen aantal parameters, geen architectuur, geen paper, geen benchmarktabel met genoemde baselines, geen gewichten, geen API en geen prijs. Wat Baidu wel zei, is dat het model al Apollo Go's wereldwijde testen en validatie ondersteunt, dat het ongeveer 100.000 kilometer gesimuleerd rijden per dag kan afdekken — gepresenteerd als ruwweg drie jaar onafgebroken testen door een auto met een veiligheidsbestuurder — en dat Apollo Go actief is in 28 steden met meer dan 23 miljoen ritten, 350 miljoen autonome kilometers en meer dan 240 miljoen volledig bestuurderloze kilometers.

Het cijfer van 100.000 kilometer moet je met de nodige terughoudendheid bekijken. Het is een bedrijfscijfer zonder externe meting erachter, en de vergelijking waarop het berust — drie jaar lang een testauto die continu rijdt — hangt af van een verondersteld jaarkilometrage dat Baidu niet heeft vermeld. Dat maakt het niet onjuist. Het maakt het onverifieerbaar, wat iets anders en iets nuttigers is om te weten.

De ontwerpclaims daarentegen zijn specifiek genoeg om over te discussiëren. Elke verkeersdeelnemer is een agent die beslissingen neemt in plaats van een figurant die een script volgt. Camera en lidar worden in realtime gegenereerd. Ritten worden end-to-end voltooid, van geaccepteerde order tot afgeleverde passagier, voor willekeurige vertrekpunten en bestemmingen. En het geheel wordt begrensd door een beslissingscyclus van een dertigste seconde, ongeveer 33 milliseconden, waardoor de persistentie- en latentie-eigenschappen dragend zijn in plaats van decoratief.

Baidu's eigen beoordelingsrubriek toepassen op Hy-Nomas

De interessante oefening is niet om de twee in marketingtermen te vergelijken, maar om de vijf eigenschappen van Apollo World te nemen en ze te richten op het model dat daadwerkelijk bestaat.

Causaliteit: Hy-Nomas slaagt, in de zin die Baidu bedoelt. Het is autoregressief over segmenten en conditioneert op de geschiedenis, dus de toekomst wordt vanuit het heden gegenereerd in plaats van samengesteld en teruggevuld. Interactiviteit: gedeeltelijk. Het reageert op tekstinstructies en camerabewegingen, maar dat zijn regisseurscommando's, niet de acties van andere agenten. Niets in de scène reageert op iets anders in de scène. Fysieke nauwkeurigheid: ongemeten, en niet meetbaar op basis van het gepubliceerde werk, dat evalueert aan de hand van menselijke voorkeur in plaats van metrische ground truth. Persistentie: dit is het gedocumenteerde zwakke punt — het artikel zelf meldt dat het achterblijft bij Genie 3 op ruimtelijk langetermijngeheugen, wat precies de drift-eigenschap is die Baidu aanstipt. Realtime: 24 frames per seconde in acht gedistilleerde stappen is snel voor een diffusiemodel, maar de referentie-implementatie gebruikt acht GPU's, en het budget van 33 milliseconden valt niet in dezelfde categorie.

Niets daarvan maakt Hy-Nomas een slecht model. Het maakt er een ander instrument van. Beoordeeld als een interactieve videowereld — wat het beoogd was te zijn — kan het wedijveren met het beste dat beschikbaar is, en het is open, wat bijna geen van zijn concurrenten is. Als rijsimulator slaagt het niet voor vier van Baidu's vijf tests, en dat zou het ook niet doen als de gewichten twee keer zo goed waren.

Wat het kost om elk te laten draaien

Hy-Nomas heeft een prijs die je kunt berekenen. De gewichten zijn gratis onder Apache 2.0; de kosten zitten in de machine. Eén enkele 4090 die het gekwantiseerde pad draait, heeft ongeveer 38 GB geheugen nodig wanneer CPU-offload wordt meegerekend, en levert 720p bij 24 frames per seconde. De referentie-implementatie met acht GPU's is de versie die de benchmarks beschrijven. Als je een paar honderd clips genereert voor een onderzoeksvraag, is één kaart genoeg; als je een trainingscorpus genereert, is de elektriciteitsrekening de licentievergoeding.

Apollo World heeft geen berekenbare prijs omdat het niet te koop is. De enige eerlijke uitspraak is dat Baidu geen commerciële voorwaarden heeft gepubliceerd, en dat de beschreven inzet binnen de eigen robotaxi-activiteit van Baidu plaatsvindt.

Voor teams die rond een van beide modellen bouwen, staat de routeringsvraag los van de modelvraag. Noch Apollo World noch Hy-Nomas staat in de catalogus van OrcaRouter — het ene is intern bij Baidu, het andere een videomodel dat je zelf host — en dit artikel gaat niet doen alsof dat anders is. Wat wij wél bieden, is de laag die dit soort output evalueert en orkestreert: een vision-language-judge die gegenereerde clips beoordeelt, een planner die een onderzoeksvraag omzet in een batch prompts, een fallbackmodel voor wanneer het primaire model rate-limited is. Dat is één API voor meer dan 200 modellen met 0% opslag, waarbij de lijstprijs van de provider wordt doorgegeven, wat het meest uitmaakt wanneer je duizenden judge-aanroepen op de output van een 196GB-model uitvoert.

Welke hoort thuis in jouw stack?

Als je een gegenereerde omgeving wilt verkennen, er een camera doorheen wilt sturen en in een browser aan een scène wilt blijven sleutelen, is Hy-Nomas het betere antwoord en het is nu beschikbaar. De open licentie is geen formaliteit: je kunt er verfijnen, quantiseren en uitbrengen, wat meer is dan je van de meeste interactieve wereldmodellen kunt zeggen, inclusief de modellen die het verslaat op het volgen van prompts.

Als je een rijbeleid valideert, is Hy-Nomas geen vervanging voor een simulator en zal het dat door betere prompts ook niet worden. Het juiste gebruik van Apollo World is als specificatie: de 2+3-rubriek is een reeks vragen die je aan elke simulatorleverancier kunt stellen, en vooral de persistentievraag — wat is de drift over een run van tien uur — is degene die een testopstelling onderscheidt van een demo-reel.

De convergentie om in de gaten te houden is een video-wereldmodel dat metrische diepte en lidar samen met RGB uitvoert, getraind met een fysieke-consistentieverlies in plaats van een perceptueel verlies. De auteurs van Hy-Nomas conditioneren al op cameratrajectorieën op een geometrisch betekenisvolle manier; een sensorkop toevoegen is de voor de hand liggende volgende stap en niemand heeft dat gepubliceerd. Totdat iemand dat doet, is de scheiding duidelijk: Hy-Nomas maakt werelden waar je naar kunt kijken, Apollo World maakt werelden waarin een auto kan worden beoordeeld, en het gat tussen die twee zinnen is waar het werk van het komende jaar ligt.