Hy-Nomas so với Odyssey-3: Trọng số mở không có điểm số, điểm số không có trọng số

Hãy hỏi Odyssey về Odyssey-3 và bạn nhận được một con số: 66,1 trên Physics-IQ Verified, điểm video-to-video thô cao nhất mà công ty báo cáo. Hãy hỏi xin checkpoint thì bạn nhận được một biểu mẫu liên hệ. Hãy hỏi Tencent Hunyuan về Hy-Nomas và cuộc trao đổi diễn ra theo chiều ngược lại: khoảng 196 GB trọng số Apache 2.0, một bộ khung suy luận, một trình huấn luyện LoRA và một bản demo trình duyệt, mà không có điểm số nào đi kèm với bất kỳ thứ nào trong đó. Hai mô hình nằm trong cùng một hạng mục, mô hình thế giới diffusion-transformer tự hồi quy tương tác, và cùng một tháng. Bản xem trước nghiên cứu công khai của Odyssey-3 mở vào ngày 8 tháng 10 năm 2026; trọng số của Hy-Nomas được đưa lên trong khoảng ngày 21 đến 23 tháng 10 năm 2026. Nhưng quyết định giữa chúng không phải là câu hỏi mô hình nào tốt hơn, bởi vì cả hai bên đều chưa công bố bằng chứng có thể giải quyết điều đó, và mỗi bên đều thiếu một nửa khác nhau.

Những gì sau đây chỉ là những gì có thể xác lập được từ hai bản phát hành: cách mỗi mô hình đối xử với camera, những con số ở mỗi bên đo và không đo điều gì, và cái giá phải trả để đưa một trong hai chạy được trước mặt người dùng.

Chiếc hộp, không phải kiến trúc

Cả hai đều là transformer khuếch tán tự hồi quy, và ở mức sơ đồ khối thì chúng là anh em họ. Hy-Nomas kết xuất một phân đoạn video, nối nó vào phiên, và đặt điều kiện cho phân đoạn tiếp theo dựa trên bộ nhớ đệm KV trọn đời; phần xương sống là MMDiT hai luồng 54 khối với kích thước ẩn 2.048, 16 đầu chú ý và 128 chiều mỗi đầu, một bộ mã hóa văn bản Qwen2.5-VL-7B-Instruct và các latent DCAE-V 32 kênh. Odyssey-3 được nhà sản xuất mô tả là một transformer khuếch tán video nhiều bước, được mở rộng theo kiểu tự hồi quy bằng teacher forcing và mặt nạ nhân quả, sau đó được chưng cất để tương tác thời gian thực. Cả hai đều quyết định kết xuất thế giới thành từng phần và ghi nhớ những gì đã đến trước đó.

Sự khác biệt thực sự nằm ở những gì bên trong bản phát hành. Hy-Nomas cung cấp một bộ công cụ: DiT cơ sở ở FP32, một DiT đã chưng cất, bản dựng INT8, bộ tự mã hóa DCAE-V, bộ giải mã PixelUMM ở FP32 và FP8, trình nâng cấp prompt Nomas-PE, hai bộ điều hợp LoRA, một ảnh Docker, một harness gắn chú thích để xây dựng dữ liệu tinh chỉnh, đóng gói chuỗi ngoại tuyến, một trình huấn luyện LoRA và một script hợp nhất. Odyssey-3 cung cấp một tab trình duyệt và một hàng đợi.

• Trọng số — Hy-Nomas Apache 2.0, khoảng 196 GB; Odyssey-3 không có bản nào được phát hành và không có giấy phép nào được công bố

• Mã suy luận — kho lưu trữ Hy-Nomas cùng một ảnh Docker; Odyssey-3 không có

• Tinh chỉnh — Hy-Nomas cung cấp trình huấn luyện LoRA và một công thức có tài liệu hướng dẫn; Odyssey-3 không được cung cấp

• Số lượng tham số — không nhà cung cấp nào công bố; checkpoint FP32 của Hy-Nomas có dung lượng 34,2 GB, ngụ ý khoảng 8,5 tỷ tham số nếu giả định lưu trữ 32-bit và không có trạng thái optimizer, đây là ước tính số học chứ không phải thông số kỹ thuật

• Truy cập — Hy-Nomas tự triển khai hoặc bản demo của Tencent; Odyssey-3 xem trước trên trình duyệt, API qua biểu mẫu liên hệ

Ai quyết định vị trí đặt camera?

Mô hình tương tác của Odyssey-3 là điều hướng. Bản xem trước hỗ trợ di chuyển ở góc nhìn thứ nhất, góc nhìn thứ ba và di chuyển camera độc lập, đồng thời thế giới vẫn tiếp tục dự đoán trong khi bạn thực hiện các thao tác đó. Đó là thiết kế phù hợp cho một người đang khám phá môi trường, và cho đoạn video demo đã giúp bán được mô hình: bạn bước đi, thế giới phản ứng, ảo giác được duy trì.

Mô hình tương tác của Hy-Nomas là một quỹ đạo. Bạn cung cấp thông số ngoại của camera, một đường đi vị trí và hướng, và mô hình kết xuất đường đi đó. Văn bản và camera là hai kênh riêng biệt: câu lệnh nói cảnh có gì, quỹ đạo nói ống kính ở đâu. Hai kênh bổ trợ chứ không cạnh tranh. Nomas-PE tồn tại để viết lại một chỉ dẫn ngắn gọn thành thứ mà mô hình dựa vào hiệu quả hơn, điều này cho bạn thấy vài điều về những điểm gai góc của kênh văn bản.

Hệ quả thực tiễn là khả năng tái lập. Một phiên điều hướng là một quá trình duyệt: theo thời gian thực, do con người dẫn dắt và khó phát lại chính xác. Một quỹ đạo là một tham số mà bạn có thể ghi log, thay đổi và tái tạo dựa trên đó. Nếu bạn đang tạo dữ liệu huấn luyện tổng hợp cho robot hoặc agent, thì cái thứ hai là một chú thích còn cái thứ nhất là một bản trình diễn. Đó không phải là tuyên bố rằng Hy-Nomas trông tốt hơn. Không có bằng chứng nào cho thấy điều đó. Đó là tuyên bố về việc một pipeline có thể tiếp nhận bề mặt điều khiển nào.

Dòng giải pháp, và lý do không nên mở đầu bằng nó

Điều dễ thấy là Hy-Nomas kết xuất 720 × 1280 ở 24 FPS trong khi Odyssey-3 kết xuất 832 × 480, với một gói Pro ở 1280 × 720. So sánh đó đúng nhưng gần như vô nghĩa nếu đứng một mình. Con số 24 FPS là tốc độ phát lại của một đoạn đã được tạo, không phải tốc độ tạo. 16 FPS của Odyssey-3 được đo trên bộ kiểm thử Physics-IQ, còn tốc độ khung hình của gói Pro hoàn toàn không được công bố. Cả hai nhà cung cấp đều chưa cho thấy đầu ra của mình trông thế nào khi đặt cạnh đầu ra của bên kia ở cùng độ phân giải, vì chúng chưa bao giờ được chạy trên cùng một tác vụ.

• Độ phân giải cơ bản — Hy-Nomas 720 × 1280, có thể ghi đè thành 480 × 832; Odyssey-3 832 × 480

• Hạng cao nhất — Hy-Nomas chỉ có một cấu hình; Odyssey-3 Pro chạy ở 1280 × 720

• Tốc độ khung hình — Hy-Nomas phát lại 24 FPS với tốc độ tạo chưa được nêu; Odyssey-3 16 FPS trên bộ khung đánh giá chuẩn, Pro chưa được nêu

• Khử nhiễu — Hy-Nomas 8 bước trong cấu hình chưng cất, với 4 và 6 cũng được chấp nhận; Odyssey-3 được chưng cất cho thời gian thực nhưng số bước của nó không được công bố

Một bảng xếp hạng, hai cách không trả lời nó

Physics-IQ Verified, do Anates Labs điều hành cùng Google DeepMind, là thứ gần nhất với sự giám sát độc lập mà bất kỳ mô hình nào trong hai mô hình có được. Bài kiểm tra này yêu cầu một mô hình tiếp tục đoạn video về một thí nghiệm vật lý thực tế và chấm điểm phần tiếp nối dựa trên những gì thực sự đã xảy ra. Bốn mươi mốt mô hình từ mười sáu phòng thí nghiệm đang có mặt trên bảng xếp hạng. Con số 66,1 của Odyssey-3 Pro là con số mà công ty dùng làm điểm nhấn, và đây là điểm video-to-video thô cao nhất được báo cáo.

Đọc trực tiếp bảng xếp hạng thì bức tranh sẽ cụ thể hơn. Bảng xếp hạng dựa trên mức cải thiện ròng so với trung bình của hạng mục, không dựa trên điểm thô, và ở cột đó, FLUX 3 [large] đứng đầu với +12,27 điểm, Odyssey-3 Pro thứ hai với +11,15, còn Odyssey-3 bản cơ sở thứ ba với +9,99. Các bài nộp của Odyssey xuất hiện hai lần dưới hai chế độ lời nhắc: với lời nhắc tùy chỉnh, +11,15 và +9,99; với lời nhắc của chính bộ đánh giá, mô hình cơ sở giảm xuống +2,15 và vị trí thứ tám. Điểm 66,1 đến từ lấy mẫu best-of-8; một lần sinh đơn lẻ đạt 63,37. Bảng này là bảng nộp bài, không phải một lượt chạy của bên thứ ba.

Không có điều nào trong số đó khiến Odyssey-3 trở thành một mô hình tồi. Chúng chỉ khiến con số trên tiêu đề trở thành một cấu hình được chọn lọc, còn thứ hạng của chính bảng xếp hạng lại là một khẳng định khác với khẳng định trong bài công bố ra mắt. Một người đọc trích dẫn 66.1 và một người đọc trích dẫn thứ hạng 02 đều đang trích dẫn cùng một bảng xếp hạng, và chỉ một trong hai người đó là đang trích dẫn cách bảng xếp hạng tính điểm.

Phần bằng chứng từ phía Hy-Nomas đơn giản hơn và trống rỗng hơn. Tencent đã công bố Hy-Nomas-Bench: 280 trường hợp trên bốn nhóm nhiệm vụ, bao gồm điều khiển văn bản nhiều lượt, điều hướng camera, điều khiển xen kẽ văn bản và camera cùng ghi nhớ không gian, với khoảng 220 quỹ đạo camera tham chiếu. Bộ dữ liệu là thật và có thể tải xuống. Bảng kết quả thì không tồn tại. Liên kết báo cáo kỹ thuật trên thẻ mô hình ghi “Coming Soon” và không dẫn đến đâu cả.

Vậy nên, tình trạng trung thực của phép so sánh này, mười sáu ngày sau khi bản xem trước của Odyssey-3 mở ra và ba ngày sau khi trọng số của Hy-Nomas xuất hiện, là hai mô hình chưa từng được đánh giá trên cùng một tác vụ, bởi cùng một harness, ở cùng các thiết lập. Physics-IQ không liệt kê Hy-Nomas. Hy-Nomas-Bench không liệt kê Odyssey-3. Bất kỳ ai nói với bạn mô hình nào tốt hơn đều đang ngoại suy từ kiến trúc và các clip demo.

Cái giá phải trả để chạm vào

Odyssey-3 không có giá công bố. Bảng của Physics-IQ đưa ra mức ước tính chi phí đã chuẩn hóa là 0,139 USD cho mỗi video được tạo bằng mô hình base và 0,267 USD cho bản Pro, được chuẩn hóa ở mức 24 fps và đầu ra rộng 1280 khi có thể, nhưng đó là những con số hạch toán của benchmark, không phải mức giá bạn có thể mua. Cách truy cập là bản xem trước trên trình duyệt và một biểu mẫu liên hệ để được ưu tiên API. Các điều khoản API trên trang web vẫn mô tả một nguyên mẫu Odyssey-2, đây là dấu hiệu rõ ràng cho thấy lớp thương mại đã tiến xa đến mức nào.

Hy-Nomas cũng không có giá, vì không có gì để mua. Tencent không vận hành endpoint được lưu trữ cho nó. Chi phí nằm ở phần cứng: tám GPU với song song chuỗi tám chiều trên đường dẫn mặc định, hoặc một RTX 4090 duy nhất sử dụng trọng số DiT INT8, bộ nhớ đệm KV INT8, bộ giải mã FP8, giới hạn lịch sử cửa sổ trượt và chuyển tải sang CPU. Bộ checkpoint đầy đủ khoảng 196 GB, đường dẫn demo được tài liệu hóa tải khoảng 86 GB, và đường dẫn bộ nhớ thấp cần khoảng 38 GB cộng với bộ mã hóa văn bản. Ví dụ huấn luyện trong kho lưu trữ sử dụng 128 GPU dưới dạng mười sáu bản sao song song dữ liệu trên tám hạng song song chuỗi.

Đặt hai thứ đó cạnh nhau thì về độ tiện lợi, sự đánh đổi này không hề cân bằng: Odyssey-3 chỉ tốn một tab trình duyệt ngay hôm nay, còn Hy-Nomas tốn một GPU và một cuối tuần. Cuối tuần đó mua được thứ mà một tab trình duyệt sẽ không bao giờ có, đó là một checkpoint bạn có thể tinh chỉnh trên chính cảnh quay của mình, hợp nhất vào một bản build đã chưng cất, và phục vụ mà không cần xin phép ai.

Lớp định tuyến thực sự nên nằm ở đâu

Cả hai mô hình đều không có trong danh mục của chúng tôi. Hy-Nomas là mô hình trọng số mở do bạn tự lưu trữ; Odyssey-3 là bản xem trước đóng, truy cập qua biểu mẫu liên hệ. Chúng tôi sẽ không ngụ ý điều gì khác, và không có trang mô hình nào của chúng tôi để liên kết cho cả hai.

Lý do định tuyến vẫn được nhắc đến là vòng lặp quanh mô hình chứ không phải bản thân mô hình. Một phiên Hy-Nomas cần thứ gì đó để quyết định chỉ dẫn tiếp theo và, thường là, để viết lại prompt trước khi Nomas-PE thấy nó. Một nguyên mẫu Odyssey-3 cần thứ gì đó để ghi log phiên, đánh giá xem môi trường có giữ được tính mạch lạc không, và biến một lượt duyệt thành đánh giá có cấu trúc. Đó là những lệnh gọi mô hình ngôn ngữ thông thường, và chúng chính là những thứ hỏng vào lúc 3 giờ sáng. OrcaRouter đưa 200+ mô hình được host dưới một khóa duy nhất với 0% phụ phí, chuyển nguyên giá niêm yết của nhà cung cấp, và cho phép bạn ghép trình viết lại prompt, bộ đánh giá và phương án dự phòng thành một DSL định tuyến dạng chuỗi thay vì ba hợp đồng nhà cung cấp. Mô hình thế giới vẫn ở nguyên chỗ cũ; phần giàn giáo xung quanh nó nhận được một endpoint và chuyển đổi dự phòng tự động.

Ba quyết định, ba câu trả lời

• Bạn cần một mô hình có thể tinh chỉnh trên cảnh quay độc quyền, triển khai trên phần cứng của riêng mình, hoặc hợp nhất một LoRA miền vào — {{1}}Hy-Nomas{{/1}}, không có lựa chọn thay thế đáng kể nào trong cặp này. {{2}}Công thức được ghi chép, rank và alpha 256 dưới Muon với hằng số 1e-4 trong 2.000 bước, được huấn luyện từ checkpoint FP32 và hợp nhất vào bản đã chưng cất, đủ cụ thể để chạy trong tuần này.{{/2}}

• Bạn cần một môi trường có thể khám phá trước mặt một bên liên quan vào chiều nay và bạn không cần sở hữu nó — bản xem trước của Odyssey-3. Đây cũng là lựa chọn duy nhất trong hai lựa chọn có bài nộp trên bảng của bên thứ ba, kèm theo các lưu ý.

• Bạn cần một câu trả lời có thể biện hộ được cho “cái nào tốt hơn” đối với một tài liệu mua sắm — không cái nào cả. Tài liệu đó chưa có nguồn.

Điều gì sẽ làm thay đổi câu trả lời

Ba điều, theo thứ tự khả năng xảy ra. Một báo cáo kỹ thuật Hy-Nomas với số liệu thực tế sẽ chấm dứt vấn đề bằng chứng một chiều và biến phiên bản tiếp theo của trang này thành một so sánh thực sự. Một làn sóng LoRA cộng đồng sẽ cho thấy công thức tinh chỉnh có hoạt động bên ngoài các ví dụ của chính Tencent hay không, đây là tuyên bố có con đường ngắn nhất để được kiểm chứng. Việc phát hành trọng số Odyssey-3, hoặc thậm chí chỉ là một mức giá API được công bố, sẽ đưa nó từ một bản demo bạn ghé thăm thành một thành phần bạn có thể lập kế hoạch xoay quanh.

Cho đến khi một trong những điều đó thành hiện thực, cách hữu ích để đọc cặp này là xét xem mỗi lựa chọn cho phép bạn giữ lại điều gì. Odyssey-3 cho phép bạn giữ lại một ấn tượng. Hy-Nomas cho phép bạn giữ lại mô hình. Bạn cần cái nào trong số đó là câu hỏi về dự án của bạn, không phải về bài đánh giá chuẩn.