Onderzoekers hebben Hy-Nomas gepresenteerd, een geavanceerd video-wereldmodel dat gebruikers in staat stelt om via tekstinstructies en camerabesturing in real-time interactieve omgevingen te creëren en aan te passen.
Op 27 oktober 2026 is een technisch rapport gepubliceerd over Hy-Nomas, een model dat is ontworpen voor de generatie van interactieve werelden. Het systeem stelt gebruikers in staat om via opeenvolgende commando's een wereld vorm te geven, waarbij het model rekening houdt met de geschiedenis van acties en de gevolgen daarvan. Volgens de publicatie op arxiv.org maakt het model gebruik van een diffusion-backbone met 8 miljard parameters om variabele videosegmenten te genereren op basis van huidige invoer en gecachte historische data.
Technische architectuur en werking
De kern van Hy-Nomas is een segment-wise autoregressieve diffusion transformer (DiT). Om de consistentie in de gegenereerde wereld te bewaken, hanteert het model een specifiek ontwerp waarbij gestructureerde videobeschrijvingen worden gekoppeld aan 'action-aware causal attention'. Dit mechanisme zorgt ervoor dat beschrijvende context over meerdere segmenten behouden blijft, terwijl specifieke actie-instructies beperkt blijven tot de tijdvensters waarin ze relevant zijn.
Een cruciaal onderdeel van de workflow is de vision-language Prompt Enhancer (PE). Deze component vertaalt de verzoeken van de gebruiker en de multimodale interactiegeschiedenis naar gestructureerde condities voor het volgende videosegment. Daarnaast integreert het model een Qwen-tekstencoder en specifieke modules voor camerabesturing, waardoor gebruikers niet alleen de inhoud, maar ook het perspectief van de camera continu kunnen aanpassen.
Training en optimalisatie
De ontwikkeling van Hy-Nomas volgde een meerstaps curriculum. Hierbij werden stapsgewijs causale generatie, tekstinteractie, camerabesturing en training op door het model zelf gegenereerde geschiedenissen geïntroduceerd. Dit proces werd afgesloten met diffusion distillation.
Om de efficiëntie te verhogen, is er gebruikgemaakt van diverse optimalisatietechnieken. Volgens de technische details op omvatten deze onder meer FSDP2 hybrid sharding, activation checkpointing en de Distributed Muon-optimizer. Het model is zodanig geoptimaliseerd dat inferentie mogelijk is op een enkele NVIDIA RTX 4090 GPU.
Open-source benadering en evaluatie
In tegenstelling tot sommige concurrerende systemen is Hy-Nomas volledig open-source. In een bericht op huggingface.co wordt vermeld dat het model dezelfde functionaliteiten ondersteunt als Genie4, maar dat de gewichten, de code en de benchmarks publiekelijk beschikbaar zijn gesteld onder een Apache-2.0 licentie. Om reproduceerbaar onderzoek te stimuleren, is er tevens een lichtgewicht workflow voor adaptatie via LoRA (Low-Rank Adaptation) beschikbaar, wat onder andere toepassingen in robotica en cinematografische stijlen mogelijk maakt.
De prestaties van het model zijn getest via de 'Hy-Nomas-Bench', die bestaat uit vier specifieke tests:
1. Multi-turn interacties met vrije tekst.
2. Navigatie van de camera.
3. Gecombineerde tekst- en camerabesturing.
4. Ruimtelijk geheugen.
Volgens de samenvatting op goodpapers.org scoorde Hy-Nomas in menselijke evaluaties superieur ten opzichte van bestaande wereldmodellen.
Toegankelijkheid
Voor geïnteresseerden is er een interactieve demo beschikbaar via de website van Tencent. De volledige code en modelbestanden zijn te vinden op het officiële GitHub-project van Tencent-Hunyuan. De publicatie van het model, zoals ook gedocumenteerd door chatpaper.ai, markeert een stap richting meer flexibele en interactieve video-generatie waarbij de gebruiker direct invloed heeft op de evolutie van de virtuele omgeving.