Hy-Nomas vs Odyssey-3: Öppna vikter utan poäng, poäng utan vikter

Be Odyssey om Odyssey-3 och du får en siffra: 66,1 på Physics-IQ Verified, det högsta råa video-till-video-resultatet som företaget redovisar. Be om checkpointen och du får ett kontaktformulär. Be Tencent Hunyuan om Hy-Nomas och utbytet går åt andra hållet: ungefär 196 GB Apache 2.0-vikter, en inferensrigg, en LoRA-tränare och en webbläsardemo, utan att något resultat kopplas till något av det. De två modellerna tillhör samma kategori, interaktiva autoregressiva diffusion-transformer-världsmodeller, och de kom samma månad. Odyssey-3:s offentliga forskningsförhandsvisning öppnade den 8 oktober 2026; Hy-Nomas vikter lades upp mellan den 21 och 23 oktober 2026. Men valet mellan dem är inte en fråga om vilken som är bättre, eftersom ingen av sidorna har publicerat bevisen som skulle avgöra saken, och vardera saknar en annan hälft.

Det som följer är endast vad som kan fastställas utifrån de två utgåvorna: hur varje modell behandlar kameran, vad siffrorna på varje sida gör och inte mäter, och vad det kostar att få någon av dem att köra framför en användare.

Lådan, inte arkitekturen

Båda är autoregressiva diffusionstransformatorer och på blockdiagramnivå är de kusiner. Hy-Nomas renderar ett videosegment, lägger till det i sessionen och betingar nästa segment på en livslång KV-cache; ryggraden är en 54-blocks dual-stream-MMDiT med dold storlek 2 048, 16 attention-huvuden och 128 dimensioner per huvud, en Qwen2.5-VL-7B-Instruct-textkodare och 32-kanaliga DCAE-V-latenter. Odyssey-3 beskrivs av sin tillverkare som en flerstegs videodiffusionstransformator som utökats autoregressivt med teacher forcing och kausal maskning och sedan destillerats för interaktion i realtid. Båda väljer att rendera världen i bitar och att komma ihåg det som kommit före.

Skillnaden som spelar roll är vad som finns i utgåvan. Hy-Nomas levererar ett kit: bas-DiT i FP32, en destillerad DiT, ett INT8-bygge, DCAE-V-autoencodern, en PixelUMM-dekoder i FP32 och FP8, Nomas-PE-promptförstärkaren, två LoRA-adaptrar, en Docker-avbild, en captioning-harness för att bygga finjusteringsdata, offline-sekvenspackning, en LoRA-tränare och ett sammanfogningsskript. Odyssey-3 levererar en webbläsarflik och en kö.

• Vikter — Hy-Nomas Apache 2.0, cirka 196 GB; Odyssey-3 har inga släppta vikter och ingen publicerad licens

• Inferenskod — Hy-Nomas-repositoriet plus en Docker-avbild; Odyssey-3 ingen

• Finjustering — Hy-Nomas levererar LoRA-tränaren och ett dokumenterat recept; Odyssey-3 erbjuds inte

• Parameterantal — ingen av leverantörerna uppger något sådant; Hy-Nomas FP32-checkpoint är 34,2 GB, vilket antyder ungefär 8,5 miljarder parametrar om man antar 32-bitars lagring och inget optimerartillstånd, en aritmetisk uppskattning snarare än en specifikation

• Åtkomst — Hy-Nomas självhosting eller Tencent-demo; Odyssey-3 förhandsvisning i webbläsaren, API via kontaktformulär

Vem bestämmer var kameran placeras?

Odyssey-3:s interaktionsmodell är navigering. Förhandsvisningen stöder förstapersonsrörelse, tredjepersonsrörelse och oberoende kamerarörelse, och världen fortsätter att förutsäga medan du gör det. Det är rätt design för en person som utforskar en miljö, och för den demo-reel som sålde in modellen: du går, världen reagerar, illusionen håller.

Hy-Nomas interaktionsmodell är en bana. Du anger kamerans extrinsiska parametrar, en bana för position och orientering, och modellen renderar den banan. Text och kamera är separata kanaler: prompten säger vad som finns i scenen, banan säger var objektivet är. De två samverkar snarare än konkurrerar. Nomas-PE finns för att skriva om en kortfattad instruktion till något som modellen använder som betingning på ett mer effektivt sätt, vilket säger dig något om textkanalens skarpa kanter.

Den praktiska konsekvensen är reproducerbarhet. En navigationssession är en traversering: i realtid, personstyrd och besvärlig att spela upp exakt. En trajektoria är en parameter som du kan logga, variera och återskapa utifrån. Om du producerar syntetisk träningsdata för en robot eller en agent är den andra en annotering och den första en demonstration. Det är inte ett påstående om att Hy-Nomas ser bättre ut. Det finns inga bevis för det. Det är ett påstående om vilken kontrollyta en pipeline kan konsumera.

Lösningsraden, och varför man inte bör inleda med den

Det uppenbara påståendet är att Hy-Nomas renderar 720 × 1280 vid 24 FPS medan Odyssey-3 renderar 832 × 480, med en Pro-nivå på 1280 × 720. Den jämförelsen är sann och nästan meningslös i sig. Siffran 24 FPS avser uppspelning av ett genererat segment, inte genereringshastighet. Odyssey-3:s 16 FPS är uppmätt på Physics-IQ-testriggen, och bildfrekvensen för Pro-nivån är inte publicerad alls. Ingen av leverantörerna har visat hur deras utdata ser ut bredvid den andras vid samma upplösning, eftersom de aldrig har körts på samma uppgift.

• Basupplösning — Hy-Nomas 720 × 1280, kan åsidosättas till 480 × 832; Odyssey-3 832 × 480

• Toppnivå — Hy-Nomas har en konfiguration; Odyssey-3 Pro körs i 1280 × 720

• Bildfrekvens — Hy-Nomas 24 FPS uppspelning med genereringshastighet ej angiven; Odyssey-3 16 FPS i benchmark-riggen, Pro ej angiven

• Brusreducering — Hy-Nomas 8 steg i den destillerade konfigurationen, där även 4 och 6 godtas; Odyssey-3 är destillerad för realtid men dess antal steg är inte publicerat

En topplista, två sätt att inte svara på den

Physics-IQ Verified, som drivs av Anates Labs tillsammans med Google DeepMind, är det närmaste någon av modellerna kommer oberoende granskning. Det ber en modell att fortsätta en video av ett verkligt fysikexperiment och poängsätter fortsättningen mot vad som faktiskt hände. Fyrtioen modeller från sexton labb finns på resultattavlan. Odyssey-3 Pro:s 66,1 är siffran som företaget lyfter fram, och det är den högsta rapporterade råa video-till-video-poängen.

Läser man själva resultattavlan blir bilden mer specifik. Den rangordnar efter nettoförbättring mot spårets medelvärde, inte efter råpoäng, och i den kolumnen ligger FLUX 3 [large] först på +12,27 poäng, Odyssey-3 Pro tvåa på +11,15 och basmodellen Odyssey-3 trea på +9,99. Odysseys bidrag förekommer två gånger under två promptregimer: med anpassade prompter, +11,15 och +9,99; med benchmarkens egna prompter faller basmodellen till +2,15 och en åttondeplats. 66,1 kommer från best-of-8-sampling; en enda generering får 63,37. Tavlan är en tavla för inskickade resultat, inte en tredjepartskörning.

Inget av det gör Odyssey-3 till en dålig modell. Det gör rubriken till en utvald konfiguration och topplistans egen rangordning till ett annat påstående än det i lanseringstexten. En läsare som citerar 66.1 och en läsare som citerar rank 02 citerar båda samma topplista, och bara en av dem citerar hur topplistan poängsätter.

Hy-Nomas sida av bevisningen är enklare och tomare. Tencent publicerade Hy-Nomas-Bench: 280 fall över fyra spår, som täcker fleromgångs textstyrning, kameranavigering, varvad text- och kamerastyrning samt rumsligt minne, med ungefär 220 referenskamerabanor. Datamängden är verklig och nedladdningsbar. Resultattabellen finns inte. Länken till den tekniska rapporten på modellkortet säger "Coming Soon" och leder ingenstans.

Så det ärliga läget i den här jämförelsen, sexton dagar efter att Odyssey-3:s förhandsversion öppnades och tre dagar efter att Hy-Nomas vikter dök upp, är att de två modellerna aldrig har utvärderats på samma uppgift, av samma utvärderingsramverk, med samma inställningar. Physics-IQ listar inte Hy-Nomas. Hy-Nomas-Bench listar inte Odyssey-3. Alla som säger vilken som är bättre extrapolerar utifrån arkitektur och demoklipp.

Vad det kostar att röra vid

Odyssey-3 har inget publicerat pris. Physics-IQ-resultattavlan anger en normaliserad kostnadsuppskattning på 0,139 USD per genererad video för basmodellen och 0,267 USD för Pro, normaliserad där så är möjligt till 24 fps och utdata med 1280 px bredd, men det är siffror för benchmarkredovisning, inte priser du kan köpa till. Åtkomst sker via webbläsarförhandsvisningen och ett kontaktformulär för API-prioritet. Webbplatsens API-villkor beskriver fortfarande en Odyssey-2-prototyp, vilket är en rimlig signal om hur långt det kommersiella lagret har kommit.

Hy-Nomas har inte heller något pris, eftersom det inte finns något att köpa. Tencent driver ingen hostad slutpunkt för det. Kostnaden är hårdvara: åtta GPU:er med åttavägs sekvensparallelism på standardvägen, eller en enda RTX 4090 som använder INT8 DiT-vikter, en INT8 KV-cache, en FP8-avkodare, en historikbegränsning med glidande fönster och CPU-avlastning. Den fullständiga checkpointuppsättningen är cirka 196 GB, den dokumenterade demovägen hämtar cirka 86 GB, och lågminnesvägen behöver ungefär 38 GB plus textkodaren. Träningsexemplet i repot använder 128 GPU:er som sexton dataparallella repliker över åtta sekvensparallella ranker.

Ställ dem sida vid sida, och avvägningen är inte i närheten när det gäller bekvämlighet: Odyssey-3 kostar en webbläsarflik idag, Hy-Nomas kostar en GPU och en helg. Helgen ger något som en webbläsarflik aldrig kommer att ge, nämligen en checkpoint som du kan finjustera på ditt eget material, slå samman till en destillerad build och köra utan att be någon om tillåtelse.

Var routinglagret egentligen hör hemma

Ingen av modellerna finns i vår katalog. Hy-Nomas är öppna vikter som du själv hostar; Odyssey-3 är en stängd förhandsversion bakom ett kontaktformulär. Vi tänker inte antyda något annat, och det finns ingen modellsida hos oss att länka till för någon av dem.

Anledningen till att routing fortfarande kommer upp är loopen runt modellen snarare än modellen själv. En Hy-Nomas-session behöver något som avgör nästa instruktion och ofta skriver om prompten innan Nomas-PE ser den. En Odyssey-3-prototyp behöver något som loggar sessionen, bedömer om miljön förblev sammanhängande och förvandlar en traversering till en strukturerad utvärdering. Det är vanliga språkmodellsanrop, och det är de som misslyckas klockan tre på natten. OrcaRouter sätter 200+ hostade modeller bakom en nyckel med 0 % påslag, för vidare leverantörens listpris oförändrat och låter dig sätta samman promptomskrivaren, bedömaren och reservfunktionen till en enda routing-DSL-kedja i stället för tre leverantörsavtal. Världsmodellen stannar där den är; ramverket runt den får en enda slutpunkt och automatisk failover.

Tre beslut, tre svar

• Du behöver en modell som du kan finjustera på proprietärt filmmaterial, driftsätta på din egen hårdvara eller slå samman en domän-LoRA i — Hy-Nomas, utan något seriöst alternativ i det här paret. Det dokumenterade receptet, rank och alpha 256 under Muon vid konstant 1e-4 i 2 000 steg, tränat från FP32-checkpointen och sammanslaget med den destillerade, är tillräckligt specifikt för att kunna köras den här veckan.

• Du behöver en utforskbar miljö inför en intressent i eftermiddag och du behöver inte äga den — Odyssey-3:s förhandsversion. Det är också den enda av de två med en inlämning på en tredjepartstavla, förbehåll inkluderade.

• Du behöver ett försvarbart svar på "vilket är bättre" för ett upphandlingsdokument — inget av dem. Det dokumentet har ingen källa ännu.

Vad skulle ändra svaret

Tre saker, i ordning efter sannolikhet. En teknisk rapport från Hy-Nomas med faktiska siffror skulle lösa problemet med ensidiga bevis och göra nästa version av den här sidan till en riktig jämförelse. En LoRA-våg från communityt skulle visa om finjusteringsreceptet fungerar utanför Tencents egna exempel, vilket är det påstående som snabbast kan testas. En release av Odyssey-3-vikter, eller till och med ett dokumenterat API-pris, skulle flytta det från en demo man besöker till en komponent man kan planera kring.

Tills någon av dem landar är det användbara sättet att läsa det här paret utifrån vad var och en låter dig behålla. Odyssey-3 låter dig behålla ett intryck. Hy-Nomas låter dig behålla modellen. Vilken av dem du behöver är en fråga om ditt projekt, inte om benchmarken.