腾讯混元开源 Hy-Nomas：交互式视频世界模型，支持单卡 RTX 4090 运行
- 核心发布：腾讯混元视觉生成团队开源交互式视频世界模型 Hy-Nomas，并提供在线演示。用户先描述场景，再用多轮文字或相机轨迹控制后续片段，逐步改变物体、风格、场景与角色动作。
- 技术机制：模型按片段自回归生成，并保留贯穿生成过程的 KV 缓存，帮助后续画面延续前面的场景。交互界面支持在片段之间继续输入指令，也可以用键盘调整镜头。
- 开源内容：官方仓库已公开训练、推理、演示和数据标注代码，模型权重同步上线 Hugging Face。开发者可用自有视频做 LoRA 微调；低显存配置支持单张 RTX 4090，通过 INT8 权重与缓存、滑动窗口历史及 CPU 卸载降低显存需求。项目采用 Apache 2.0 许可。
- 行业意义：交互式视频世界模型此前多以闭源服务或论文形式出现；开源权重加训练代码，让「描述场景—多轮控制—逐段生成」这条路径进入开发者可实验的范围。单卡 4090 的部署配置降低了实验门槛，但卸载带来的数据传输开销仍需按实际负载评估。 🔗 爱范儿早报