腾讯混元开源交互式世界模型 Hy-Nomas

2026年10月28日，腾讯混元视觉生成团队开源了视频世界模型 Hy-Nomas。该模型采用 8B 扩散骨干，支持跨多轮交互遵循自由文本指令与连续镜头控制，并生成长度可变的片段。按照报道，Hy-Nomas 使用结构化视频字幕和 action-aware 因果注意力：前者让描述性上下文可跨片段访问，后者让动作指令只作用于目标时间窗口；视觉语言 Prompt Enhancer 则负责把用户请求与多模态动作历史转成下一段的条件。目前公开信息集中在模型架构与交互能力上，尚未披露权重许可、评测结果与开放范围等细节。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。