Genie 4 против HY-Nomas: Лучший мир закрыт, а загружаемый — нет

Примерно за 196 гигабайт можно полностью заполучить модель мира в собственное распоряжение. Таков размер полного набора контрольных точек HY-Nomas, который команда Hunyuan от Tencent опубликовала под лицензией Apache 2.0 23 октября 2026 года: веса — на Hugging Face, код — на GitHub. Через четыре дня Google DeepMind анонсировала Genie 4 — более совершенную модель мира по большинству качественных критериев, с нативным аудио и окном когерентности в две минуты, но недоступную никому, кроме доверенных тестировщиков и листа ожидания. Между этими двумя фактами и находится самое практичное решение в генеративном моделировании мира прямо сейчас: взять более сильную модель, которую вы не можете получить, или более слабую, которую сможете запустить уже сегодня вечером.

На самом деле это не столько сравнение Genie 4 и HY-Nomas по качеству, сколько сравнение двух позиций по отношению к одной и той же проблеме, и разрыв в качестве — это цена такой позиции. Понять, за что вы платите и чем именно вы платите, — в этом и суть этого материала.

Что на самом деле даёт вам Apache 2.0

HY-Nomas поставляется в виде весов, а не как сервис. Основной чекпоинт размещён на Hugging Face как tencent/Hy-Nomas, рядом с ним — вариант, совместимый с Diffusers, а в репозитории есть рецепт дообучения LoRA и два адаптера — один для кинематографической работы с камерой, другой для материала в стиле робототехники.

Последнюю часть стоит подчеркнуть, потому что ни одна закрытая модель мира этого не предлагает. Если вы можете дообучить модель на собственных видеоматериалах, вы можете приблизить её к своей предметной области: к языку камеры вашей студии, характеристикам сенсоров вашего робота, художественному направлению вашей игры. Genie 4, каким бы ни был его потолок, будет создавать то, чему Google его обучила, и единственный рычаг, который у вас есть, — это текстовый промпт. Для команды, для которой модель мира — это конкурентный актив, а не инструмент, эта разница перевешивает немалую долю визуального лоска.

Лицензия тоже имеет значение. Apache 2.0 достаточно либеральна для коммерческого развёртывания без переговоров — чего не скажешь о Genie 4, коммерческие условия которого вообще не опубликованы.

Шестьдесят секунд против двух минут

Обе модели генерируют интерактивные миры. Они делают это по-разному, и это различие определяет, как следует читать числа продолжительности.

Genie 4 — это модель мира в реальном времени: она рендерит изображение по мере того, как вы управляете, удерживает сцену около двух минут и генерирует звук — фоновые шумы, музыку, диалоги — нативно за тот же проход. Погоду вы меняете, просто набрав её текстом. Оговорка самого DeepMind такова: детали и постоянство объектов уплывают при более длительных прогонах, особенно после многократных сложных правок промпта.

HY-Nomas генерирует видео последовательными сегментами, а не в виде одного статического файла, и вы управляете им пошагово с помощью текстовых промптов и траекторий камеры. Долговременный KV-кэш сохраняет согласованность мира между этими шагами. Заявленный предел — около шестидесяти секунд генерации при разрешении 720×1280 и 24 кадрах в секунду, с использованием восьми шагов денойзинга в дистиллированной конфигурации; также поддерживаются четыре и шесть шагов.

Итак, честное сравнение — это не шестьдесят секунд против ста двадцати. Это генерация сегментов по ходам против непрерывного рендеринга в реальном времени. Genie 4 даёт вам мир, который реагирует, пока вы находитесь внутри него. HY-Nomas даёт вам мир, который продвигается на один авторский ход за раз, — это более медленный способ работы и гораздо более управляемый: каждый сегмент представляет собой решение, которое можно изучить, прежде чем переходить к следующему.

По сути, эти две системы архитектурно различаются так, что это объясняет их поведение. HY-Nomas — это диффузионный трансформер: пятьдесят четыре двухпоточных блока MMDiT, текстовый энкодер Qwen2.5-VL-7B-Instruct, латентные представления DCAE-V и дообученный декодер PixelUMM, примерно восемь миллиардов параметров — по выводу из опубликованного чекпоинта, а не из официального заявления. Это крупная модель, генерирующая видеосегменты. Genie 4 — симулятор реального времени, внутреннее устройство которого Google не описал в сопоставимых подробностях; он работает в паре с моделями Gemini, которые задают внешний вид и направляют цикл.

Функция, которая есть у Genie 4 и которой нет ни у кого другого

Аудио. Genie 4 — первая модель мира от DeepMind, которая генерирует звук нативно, и на момент написания ни одна модель мира с открытыми весами в этом сравнении — включая HY-Nomas — не заявляет о сопоставимых возможностях. Она создаёт фоновый шум, музыку и интерактивные диалоги, в которых персонажи реагируют на происходящее в сцене.

Будет ли это решающим, полностью зависит от вашего сценария использования. Для превизуализации кино это почти решающий фактор: кадр без звука — это половина кадра, а воссоздание звукового ландшафта с нуля под чужой тайминг — та часть превиза, которую никто не любит. Для симуляции робототехники это недостающая входная модальность, ограничивающая то, чему может научить среда. Для игровой студии, генерирующей фоновый плейт-материал, это удобство.

И для всех это остаётся неизмеренным. Google не опубликовал ни аудиобенчмарка, ни измерения синхронизации, а его собственные инженеры признают, что точность аудио не решена. Утверждение реально, а доказательство — демонстрационный ролик.

Счёт за оборудование: подробный расчёт

Именно здесь открытая модель перестаёт быть бесплатной и превращается в капитальные затраты.

• Развёртывание по умолчанию — HY-Nomas рассчитан на восемь GPU. Это сервер, а не рабочая станция.

• Маршрут с одной GPU — задокументированная конфигурация работает на одной RTX 4090 с использованием весов INT8 для диффузионного трансформера, FP8-декодера, выгрузки на CPU и ограниченного буфера истории.

• Диск — полный набор контрольных точек занимает примерно 196 ГБ; для варианта с низким потреблением памяти требуется около 38 ГБ плюс текстовый кодировщик.

• Пропускная способность — шестьдесят секунд выходного результата — это не шестьдесят секунд вычислений. Диффузия при восьми шагах удаления шума на пятидесяти четырёх блоках трансформера означает, что генерация измеряется минутами на сегмент, а Tencent не опубликовала данные о задержке.

• Genie 4 — опубликованных требований к оборудованию нет, опубликованной задержки нет, опубликованной цены нет. Доступ — это подписка на Google AI Ultra через Project Genie или соглашение с партнёром о раннем доступе.

Если посчитать честно, вариант с 4090 — это исследовательская машина, а не производственная: он выдаст сегмент, медленно, с ухудшенной памятью на длинных последовательностях, и это как раз тот компромисс, который заложен в ограниченный буфер истории. Вариант с восемью GPU даёт пригодную пропускную способность и стоит столько же, сколько восемь датацентровых GPU, не считая электроэнергии и человека, который должен поддерживать всё это в рабочем состоянии.

Именно поэтому сравнение с облачным API не напрашивается само собой. Если ваш объём — несколько сотен сегментов в месяц, запускать восемь GPU, чтобы их обслуживать, — плохое использование капитала, и правильный ответ — API, наш или чей угодно, с оплатой за вызов и без капитальных затрат. Если ваш объём непрерывен или ваши данные не могут покинуть вашу сеть, загрузка на 196 ГБ — выгодное приобретение, которое не может предложить ни один облачный сервис. Вот это и есть настоящее решение, и оно никак не связано с тем, какая модель красивее.

Два бенчмарка, ноль баллов

HY-Nomas выпускает продукт под названием Hy-Nomas-Bench: 280 тестовых случаев и примерно 220 эталонных траекторий камеры. Это полноценный стенд для оценки, и на момент выпуска опубликованных результатов у него нет. Технический отчёт описывается как готовящийся к публикации.

У Genie 4 нет эквивалента. Google не опубликовала ни набора бенчмарков, ни числового сравнения с Genie 3, кроме удвоенного окна когерентности, и вообще никаких данных о разрешении или частоте кадров.

Итак, обе стороны просят судить их по демонстрационным видеозаписям. В такой ситуации решающим критерием должна быть воспроизводимость, и тут разрыв огромен: можно скачать HY-Nomas, самостоятельно запустить Hy-Nomas-Bench и опубликовать числовой результат. С Genie 4 так нельзя, и если вы из тех команд, которым нужна цифра, прежде чем на что-то решиться, закрытая модель не просто неудобна — она дисквалифицирует.

Что мы на самом деле порекомендуем

Если вам нужен самый убедительный из доступных миров, а ваша работа носит исследовательский характер — превиз, концептинг, симуляция на уровне прототипа — Genie 4 обладает более сильными возможностями, и вам стоит встать в лист ожидания и проектировать с расчётом на двухминутный кадр. Один только звук выводит его в другой класс по сравнению со всем, что имеет открытые веса, а архитектура с Gemini в цикле означает, что им можно управлять с помощью агента, а не вручную.

Если вам нужна модель мира, которой можно владеть, дообучать, аудировать, встраивать в продукт или запускать без отправки данных вендору, HY-Nomas — единственный вариант в этом сравнении, и по-настоящему мощный: Apache 2.0, запуск на одной 4090, управление камерой, адаптеры для робототехники и опубликованный набор оценок. Вы обмениваете фотореализм и звук на контроль и воспроизводимость, и для большого класса инженерных задач это правильный компромисс.

Окружающий стек — это место, где эти два элемента сходятся. Какую бы модель вы ни выбрали, она будет работать внутри агентного цикла — что-то должно писать промпты, выбирать траекторию камеры, проверять сегмент и решать, нужно ли перегенерировать. Этот цикл состоит из обычных вызовов языковых и визуальных моделей, и именно здесь роутер оправдывает себя: один API для более чем 200 моделей, автоматическое переключение при сбое, благодаря которому зависший провайдер означает повторную попытку, а не потерянный рендер, и цены из прайс-листов провайдеров, передаваемые без наценки (0%), чтобы снижение цены поставщиком доходило до вас в день, когда оно происходит. Модель мира — дорогая и медленно меняющаяся часть вашего стека. Всё вокруг неё должно быть противоположным.

Шесть месяцев назад интересный вопрос заключался в том, могут ли открытые модели мира вообще быть конкурентоспособными. HY-Nomas отвечает, что они могут быть конкурентоспособными по управлению, но отстают по реалистичности, а Genie 4 отвечает, что потолок реалистичности всё ещё движется. Ни один из ответов не решает спор, поэтому загрузка существует, а список ожидания длинный.