Hy-Nomas vs Odyssey-3: Pesos Abertos Sem Pontuações, Pontuações Sem Pesos

Peça à Odyssey o Odyssey-3 e você obtém um número: 66,1 no Physics-IQ Verified, a maior pontuação bruta de vídeo para vídeo que a empresa relata. Peça o checkpoint e você recebe um formulário de contato. Peça à Tencent Hunyuan o Hy-Nomas e a troca funciona ao contrário: aproximadamente 196 GB de pesos Apache 2.0, um harness de inferência, um treinador LoRA e uma demonstração no navegador, sem nenhuma pontuação associada a nada disso. Os dois modelos ocupam a mesma categoria, modelos de mundo interativos autorregressivos de transformador de difusão, e o mesmo mês. A prévia pública de pesquisa do Odyssey-3 foi aberta em 8 de outubro de 2026; os pesos do Hy-Nomas foram disponibilizados entre 21 e 23 de outubro de 2026. Mas a decisão entre eles não é uma questão de qual é melhor, porque nenhum dos lados publicou as evidências que a resolveriam, e a cada um falta uma metade diferente.

O que segue é apenas o que se pode estabelecer a partir dos dois lançamentos: como cada modelo trata a câmera, o que os números de cada lado medem e não medem, e quanto custa colocar qualquer um deles funcionando diante de um usuário.

A caixa, não a arquitetura

Ambos são transformadores de difusão autorregressivos e, no nível de diagramas de blocos, são primos. O Hy-Nomas renderiza um segmento de vídeo, anexa-o à sessão e condiciona o próximo segmento a um cache KV vitalício; o backbone é um MMDiT de dois fluxos com 54 blocos, tamanho oculto de 2.048, 16 cabeças de atenção e 128 dimensões por cabeça, um codificador de texto Qwen2.5-VL-7B-Instruct e latentes DCAE-V de 32 canais. O Odyssey-3 é descrito por seu criador como um transformador de difusão de vídeo em múltiplas etapas, estendido autorregressivamente com teacher forcing e mascaramento causal, e depois destilado para interação em tempo real. Ambos decidem renderizar o mundo em pedaços e lembrar o que veio antes.

A diferença que importa é o que está dentro da versão. O Hy-Nomas entrega um kit: DiT base em FP32, um DiT destilado, uma build INT8, o autoencoder DCAE-V, um decodificador PixelUMM em FP32 e FP8, o aprimorador de prompt Nomas-PE, dois adaptadores LoRA, uma imagem Docker, um harness de legendagem para construir dados de ajuste fino, empacotamento de sequências offline, um treinador LoRA e um script de merge. O Odyssey-3 entrega uma aba do navegador e uma fila.

• Pesos — Hy-Nomas Apache 2.0, cerca de 196 GB; Odyssey-3: nenhum disponibilizado e nenhuma licença publicada

• Código de inferência — repositório Hy-Nomas mais uma imagem Docker; Odyssey-3 nenhum

• Ajuste fino — Hy-Nomas fornece o treinador LoRA e uma receita documentada; Odyssey-3 não é oferecido

• Contagem de parâmetros — nenhum dos fornecedores divulga uma; o checkpoint FP32 do Hy-Nomas tem 34,2 GB, o que implica aproximadamente 8,5 bilhões de parâmetros se você assumir armazenamento de 32 bits e nenhum estado do otimizador, uma estimativa aritmética e não uma especificação

• Acesso — auto-hospedagem do Hy-Nomas ou demo da Tencent; prévia do Odyssey-3 no navegador, API via formulário de contato

Quem decide onde a câmera fica

O modelo de interação do Odyssey-3 é a navegação. A prévia suporta movimento em primeira pessoa, movimento em terceira pessoa e movimento independente de câmera, e o mundo continua prevendo enquanto você faz isso. Esse é o design certo para uma pessoa explorando um ambiente, e para o vídeo de demonstração que vendeu o modelo: você caminha, o mundo reage, a ilusão se mantém.

O modelo de interação do Hy-Nomas é uma trajetória. Você fornece os parâmetros extrínsecos da câmera, um caminho de posição e orientação, e o modelo renderiza esse caminho. Texto e câmera são canais separados: o prompt diz o que está na cena, a trajetória diz onde está a lente. Os dois se compõem em vez de competir. O Nomas-PE existe para reescrever uma instrução concisa em algo sobre o qual o modelo se condiciona com mais eficácia, o que revela algo sobre as limitações do canal de texto.

A consequência prática é a reprodutibilidade. Uma sessão de navegação é uma travessia: em tempo real, conduzida por uma pessoa e difícil de reproduzir exatamente. Uma trajetória é um parâmetro que você pode registrar, variar e em função do qual pode regenerar. Se você está produzindo dados sintéticos de treinamento para um robô ou um agente, o segundo é uma anotação e o primeiro é uma demonstração. Isso não é uma afirmação de que o Hy-Nomas parece melhor. Não há evidências de que seja. É uma afirmação sobre qual superfície de controle um pipeline consegue consumir.

A linha de resolução, e por que não começar por ela

A comparação óbvia é que o Hy-Nomas renderiza 720 × 1280 a 24 FPS, enquanto o Odyssey-3 renderiza 832 × 480, com um nível Pro a 1280 × 720. Essa comparação é verdadeira e quase sem significado por si só. O número de 24 FPS refere-se à reprodução de um segmento gerado, não à velocidade de geração. Os 16 FPS do Odyssey-3 são medidos no harness Physics-IQ, e a taxa de quadros do nível Pro não é publicada de forma alguma. Nenhum dos fornecedores mostrou como sua saída se parece ao lado da do outro na mesma resolução, porque eles nunca foram executados na mesma tarefa.

• Resolução base — Hy-Nomas 720 × 1280, substituível por 480 × 832; Odyssey-3 832 × 480

• Nível superior — o Hy-Nomas tem uma configuração; o Odyssey-3 Pro roda em 1280 × 720

• Taxa de quadros — reprodução a 24 FPS do Hy-Nomas com velocidade de geração não especificada; Odyssey-3 a 16 FPS no ambiente de benchmark, Pro não especificado

• Remoção de ruído — Hy-Nomas 8 passos na configuração destilada, com 4 e 6 também aceitos; o Odyssey-3 é destilado para tempo real, mas seu número de passos não é publicado

Um ranking, duas maneiras de não respondê-lo

Physics-IQ Verified, executado pela Anates Labs com o Google DeepMind, é o mais próximo que qualquer um dos modelos tem de uma análise independente. Ele pede que um modelo continue o vídeo de um experimento real de física e pontua a continuação em relação ao que realmente aconteceu. Quarenta e um modelos de dezesseis laboratórios estão no placar. O 66,1 do Odyssey-3 Pro é o número com que a empresa lidera, e é a maior pontuação bruta de vídeo para vídeo relatada.

Leia o próprio placar e o quadro fica mais específico. Ele classifica por ganho líquido em relação à média da track, não pela pontuação bruta, e nessa coluna o FLUX 3 [large] ocupa o primeiro lugar com +12,27 pontos, o Odyssey-3 Pro vem em segundo com +11,15, e o Odyssey-3 base em terceiro com +9,99. As submissões da Odyssey aparecem duas vezes sob dois regimes de prompt: com prompts personalizados, +11,15 e +9,99; com os próprios prompts do benchmark, o modelo base cai para +2,15 e oitavo lugar. O 66,1 vem de amostragem best-of-8; uma única geração pontua 63,37. O placar é um placar de submissões, não uma execução de terceiros.

Nada disso faz do Odyssey-3 um modelo ruim. Isso faz da manchete uma configuração selecionada, e a classificação do próprio leaderboard uma alegação diferente daquela do texto de lançamento. Um leitor que cita 66,1 e um leitor que cita a posição 02 estão ambos citando o mesmo board, e apenas um deles está citando como o board pontua.

O lado da Hy-Nomas na evidência é mais simples e mais vazio. A Tencent publicou o Hy-Nomas-Bench: 280 casos em quatro trilhas, cobrindo controle de texto em múltiplos turnos, navegação por câmera, controle intercalado de texto e câmera e memória espacial, com cerca de 220 trajetórias de câmera de referência. O conjunto de dados é real e pode ser baixado. A tabela de resultados não existe. O link do relatório técnico no cartão do modelo diz "Em breve" e não leva a lugar nenhum.

Então, o estado honesto desta comparação, dezesseis dias após a abertura da prévia do Odyssey-3 e três dias após o surgimento dos pesos do Hy-Nomas, é que os dois modelos nunca foram avaliados na mesma tarefa, pelo mesmo harness, com as mesmas configurações. O Physics-IQ não lista o Hy-Nomas. O Hy-Nomas-Bench não lista o Odyssey-3. Qualquer pessoa que lhe diga qual dos dois é melhor está extrapolando a partir da arquitetura e de clipes de demonstração.

Quanto custa tocar

O Odyssey-3 não tem preço publicado. O painel do Physics-IQ traz uma estimativa de custo normalizada de US$ 0,139 por vídeo gerado para o modelo base e US$ 0,267 para o Pro, normalizada quando possível para 24 fps e saída com 1280 de largura, mas esses são números de contabilidade de benchmark, não tarifas que você possa comprar. O acesso é a prévia no navegador e um formulário de contato para prioridade de API. Os termos de API do site ainda descrevem um protótipo do Odyssey-2, o que é um sinal razoável de quão longe a camada comercial avançou.

Hy-Nomas também não tem preço, porque não há nada para comprar. A Tencent não opera um endpoint hospedado para ele. O custo é o hardware: oito GPUs com paralelismo de sequência de oito vias no caminho padrão, ou uma única RTX 4090 usando pesos DiT INT8, um cache KV INT8, um decodificador FP8, um limite de histórico de janela deslizante e offload para CPU. O conjunto completo de checkpoints tem cerca de 196 GB, o caminho de demonstração documentado consome cerca de 86 GB, e o caminho de baixa memória precisa de aproximadamente 38 GB mais o codificador de texto. O exemplo de treinamento no repositório usa 128 GPUs como dezesseis réplicas de paralelismo de dados em oito ranks de paralelismo de sequência.

Coloque os dois lado a lado e a troca não é nem de longe parecida em termos de conveniência: o Odyssey-3 custa uma aba do navegador hoje; o Hy-Nomas custa uma GPU e um fim de semana. O fim de semana compra algo que uma aba do navegador nunca vai comprar: um checkpoint que você pode ajustar finamente com suas próprias gravações, mesclar em uma build destilada e servir sem pedir permissão a ninguém.

Onde a camada de roteamento realmente pertence

Nenhum dos dois modelos está no nosso catálogo. O Hy-Nomas é de pesos abertos, que você mesmo hospeda; o Odyssey-3 é uma prévia fechada atrás de um formulário de contato. Não vamos insinuar o contrário, e não há página de modelo nossa para linkar para nenhum dos dois.

O motivo pelo qual o roteamento ainda vem à tona é o loop em torno do modelo, e não o modelo em si. Uma sessão Hy-Nomas precisa de algo para decidir a próxima instrução e, muitas vezes, reescrever o prompt antes que o Nomas-PE o veja. Um protótipo Odyssey-3 precisa de algo para registrar a sessão, julgar se o ambiente permaneceu coerente e transformar uma travessia em uma avaliação estruturada. Essas são chamadas comuns de modelo de linguagem, e são elas que falham às três da manhã. O OrcaRouter coloca mais de 200 modelos hospedados por trás de uma única chave com 0% de markup, repassa o preço de lista do provedor sem alterações e permite compor o reescritor de prompt, o juiz e o fallback em uma única DSL de roteamento cadeia, em vez de três contratos com fornecedores. O modelo de mundo permanece onde está; o andaime ao redor dele ganha um endpoint e failover automático.

Três decisões, três respostas

• Você precisa de um modelo no qual possa fazer ajuste fino com filmagens proprietárias, implantar no seu próprio hardware ou mesclar um LoRA de domínio — {{1}}Hy-Nomas{{/1}}, sem alternativa séria neste par. A receita documentada, {{2}}rank e alpha 256 sob Muon a um 1e-4 constante por 2.000 passos{{/2}}, treinada a partir do {{3}}checkpoint FP32{{/3}} e mesclada no {{4}}modelo destilado{{/4}}, é específica o suficiente para ser executada esta semana.

• Você precisa de um ambiente explorável diante de uma parte interessada hoje à tarde e não precisa ser o proprietário dele — a prévia do Odyssey-3. É também o único dos dois com uma submissão em um painel de terceiros, ressalvas incluídas.

• Você precisa de uma resposta defensável para "qual é melhor" em um documento de aquisição — nenhum dos dois. Esse documento ainda não tem uma fonte.

O que mudaria a resposta

Três coisas, em ordem de probabilidade. Um relatório técnico do Hy-Nomas com números concretos acabaria com o problema da evidência unilateral e transformaria a próxima versão desta página numa comparação de verdade. Uma onda de LoRAs da comunidade mostraria se a receita de fine-tuning funciona fora dos próprios exemplos da Tencent, que é a afirmação com o caminho mais curto até ser testada. Um lançamento dos pesos do Odyssey-3, ou até um preço de API documentado, o tiraria do status de demo que você visita para o de componente com o qual você pode planejar.

Até que um desses chegue, a maneira útil de ler este par é pelo que cada um permite que você mantenha. O Odyssey-3 permite que você mantenha uma impressão. O Hy-Nomas permite que você mantenha o modelo. Qual desses você precisa é uma questão sobre o seu projeto, não sobre o benchmark.