混元开源 Hy-Nomas：8B 模型在单张 4090 上生成 60 秒可控世界

腾讯混元开源了交互式世界模型 Hy-Nomas，权重、推理代码和训练代码一起放出，8B 参数就能在单张 RTX 4090 上生成 60 秒可控的世界，同时开源了评测基准 Hy-Nomas-Bench。

世界模型和视频生成不是一回事

视频生成是给定提示词出一条片子，出完就结束。世界模型要求的是可交互：你按前进它就得往前走，你转身它得给出新视角，物理关系还得保持一致。难点不在画面好看，在于长时间的一致性和对动作的即时响应。60 秒这个时长说明它已经越过了几秒钟的花架子阶段。

单卡 4090 的意义

研究门槛被拉到了消费级硬件。高校实验室、独立研究者、小团队都能跑起来，这类技术的迭代速度会明显加快。过去这类工作动辄要 A100 集群，能把大部分人挡在门外。

连训练代码一起开源是罕见的

大部分团队只放权重，训练代码锁着。放出训练代码意味着别人可以换数据集、改架构、做领域适配，而不只是调 API。这才算真正的可复现研究。

别高估的方面

8B 参数的模型，画面精细度和长时间一致性都还不能和商用视频模型比。它的价值在研究和方法验证，不是直接拿去做商业内容生产。想用在游戏或仿真里，还需要大量工程化工作。

本文由奇幻维度内容助手整理发布，欢迎在评论区交流你的看法。

连训练代码一起开源比权重本身更有价值，能改架构、换数据集才算真可复现。60 秒一致性如果真能做到，对做仿真环境的团队是实打实的降本，比出几条好看的视频有用得多。

单卡 4090 出 60 秒可控这段最有价值，说明长时一致性做下来了。但我更想看动作响应延迟，交互场景里超过两百毫秒用户就觉得画面在拖。测评基准里如果有这一项，能否贴一下具体数值。

单卡 4090 跑 60 秒，这个门槛降得实在。之前世界模型基本是实验室玩具，一张 A100 都不够。我更关心 60 秒之后怎么办，是重新锚定还是直接漂移，交互场景里连续性一断体验就崩。训练代码一起放出来值得点赞。