Tencent неожиданно выложила в открытый доступ исходный код и веса своей модели Hy-Nomas для генерации интерактивных виртуальных миров. Случайность? Вряд ли — релиз случился за пару дней до анонса Google Genie 4, что явно похоже на стратегический ход.
Hy-Nomas — не просто ещё один генератор видео. Это инструмент, который создаёт динамические среды с управлением через текст и камеру. И теперь любой разработчик может попробовать его в деле.
Как устроена Hy-Nomas
Модель построена на архитектуре Diffusion Transformer (DiT) и использует авторегрессионный подход для генерации видео. Вместо того чтобы создавать сцену целиком, Hy-Nomas работает фрагментами, сохраняя контекст между ними в специальном кэше (KV-cache).
Это позволяет постепенно развивать сцену — добавлять новые объекты или менять поведение персонажей. Например, если в первом фрагменте герой начинает бежать, во втором он продолжит движение.
Фишка модели — управление камерой. Можно заранее задать траекторию или корректировать её между фрагментами. Под капотом — текстовый кодировщик Qwen и видеодекодер PixelUMM.
На выходе — видео 720×1280 при 24 кадрах в секунду. Вполне пригодно для прототипирования.
Для кого это
Hy-Nomas распространяется под лицензией Apache 2.0 — можно свободно использовать и модифицировать. В комплекте идут:
- Готовые адаптеры для кинематографичной картинки и симуляций робототехники
- Возможность дообучения через LoRA на своих данных
- Оптимизированная версия для работы на одной RTX 4090
Да, на слабом железе придётся задействовать INT8-квантизацию и выгрузку части вычислений в оперативку. Но на полноценном стенде с 8 GPU NVIDIA B200 модель выдаёт около 18.5 FPS — не топ, но для большинства задач хватит.
Почему это важно
Tencent явно делает ставку на экосистему: вместе с кодом выложили техотчёт, онлайн-демо и инструменты для интеграции. Hy-Nomas заняла нишу между Solaris, MIRA и Odyssey-3, предложив баланс интерактивности и качества.
Если вы работаете в геймдеве, создаёте симуляторы или интерактивное видео — стоит присмотреться. Особенно учитывая, что альтернативы либо менее гибкие, либо требуют больше ресурсов.
Технический прорыв или эволюция.
Hy-Nomas — не революция, а закономерное развитие трендов. Ранние подходы вроде GAN и VAE хорошо справлялись с статичными изображениями, но не могли поддерживать долгосрочную согласованность.
Новое поколение моделей, включая Hy-Nomas, делает ставку именно на это. KV-кэш хранит информацию о предыдущих кадрах, позволяя не просто добавлять объекты, но и поддерживать их логичное взаимодействие во времени.
Где это пригодится
- Геймдев — создание миров, где окружение реагирует на действия игрока через текст или камеру
- Образование — интерактивные симуляции сложных процессов (например, химических реакций)
- Маркетинг — персонализированные ролики, которые адаптируются под действия зрителя
Подводные камни
При всех плюсах, Hy-Nomas всё ещё ресурсоёмка. Качество генерации сильно зависит от обучающих данных — в узких нишах могут возникнуть проблемы с их подбором.
Но тенденция очевидна: такие модели становятся доступнее. Через пару лет они могут стать стандартом для создания интерактивного контента — от игр до образовательных платформ.
Вывод
Hy-Nomas — удачный баланс инноваций и практичности. Если вы хотите экспериментировать с генерацией миров, сейчас самое время начать. Модель ещё сыровата, но уже предлагает уникальные возможности, которых нет у конкурентов.