196GB 权重、单卡 4090 也能跑:Hy-Nomas 开源世界模型,自建前先算清三笔账

行业新闻 · 丁香 · 发布 2026-10-24 · 阅读 43

10 月 23 日至 24 日,腾讯混元把交互式视频世界模型 Hy-Nomas 的权重、推理代码与微调流水线一起放到 Hugging Face 与 GitHub,许可证是 Apache 2.0。它与常见文生视频模型的做法不同:模型不一次性生成整段视频,而是先渲染出接下来约 4 秒的片段,停下来等新的文本指令或相机轨迹,再接着渲染下一段;已渲染的内容留在持续增长的 KV 缓存里,所以镜头回头时那个街角还是同一家店。模型卡给出的配置是 720×1280、24 FPS 播放帧率、蒸馏后 8 步去噪,代码同时接受 4 步与 6 步。

先看体积:196GB、86GB、38GB 三个数

整套检查点约 196GB,里面装的是基础自回归 DiT、蒸馏版 DiT、INT8 版本、DCAE-V 视频自编码器、以 FP32 与 FP8 提供的 PixelUMM 解码器,以及 Nomas-PE 提示词增强器。文档记载的演示路线要下载约 86GB,低内存路线约 38GB 再加文本编码器。按算术折算,全量集是低内存路径的约 5.2 倍(本站测算)。对采购来说这三个数决定两件事:推理机至少留出 200GB 级高速盘位,以及能不能塞进工作站。

三档部署:8 卡默认,单卡 4090 是妥协路径

默认服务配置是 8 张 GPU 加 8 路序列并行,训练示例用到 128 张卡(16 个数据并行副本 × 8 路序列并行)。低内存路径压到单张 RTX 4090:INT8 DiT 权重、INT8 KV 缓存、滑动窗口历史上限、CPU 卸载、DiT 用 FlexAttention、解码用 CUTLASS FP8,并关掉序列并行。腾讯自己提示 CPU 卸载需要足够的系统内存、还会带来传输开销——这句话翻译过来就是:单卡能跑,但代价是延迟与内存余量。

成本账:没有 API,卡时就是全部成本

模型卡标注没有任何推理服务商托管它,腾讯也没给 API、按秒计费价格或托管端点,所以自建是唯一路径,成本就是 GPU 卡时。按卡时口径,默认 8 卡路径跑一个会话的卡时是单卡路径的 8 倍(未计并行带来的加速,属上限估计);如果单卡延迟不可接受,2 到 4 卡是折中区。参数规模官方未公布,FP32 检查点为 34.2GB,按 32 位存储推算约 85 亿参数——这是算术推算,不是厂商规格。

选型判断与三条验收栏

第一,先要一个数。Hy-Nomas-Bench 有 280 个用例、四个赛道、约 220 条参考相机轨迹,但没有公布任何分数,技术报告链接仍标 Coming Soon。采购前应当在自己的场景里跑通单卡路径,实测第 5 轮之后的世界记忆衰减,而不是拿演示片段当结论。

第二,LoRA 配方是这次发布里半衰期最长的资产:rank 与 alpha 均 256、dropout 为 0、Muon 优化器、恒定学习率 1e-4、只训 2000 步、用 segment forcing,训完把适配器合并回蒸馏权重;机器人 LoRA 在 RealSource-World 机械臂数据上训练过。单域 2000 步对一个有机房的团队是可承受的成本。

第三,周边栈要一起算预算。围绕它的图像描述、提示增强、评估框架,以及决定下一条指令的那个 LLM,都不在权重包里,这部分接口费用不会被 Apache 2.0 免掉。

结论:Hy-Nomas 不是能直接接 API 的服务,而是一套需要自己补齐周边的机制包。团队本来就有 4090 工作站、场景又明确(游戏原型、机械臂操作仿真)的话,今天下载跑一次单卡路径是合理的;只想要一个开箱可调用的视频接口,这个项目不对口——它连定价页都没有。

来源:腾讯混元 Hy-Nomas 模型卡与 GitHub 仓库、AI123、OrcaRouter 工程解读。