腾讯混元的交互式视频世界模型，10 月 26 日已经收录：视频一段一段地生成，每段都可以用文字加入物体、换风格、描述动作，或者给一条镜头轨迹，前面的内容靠 KV 缓存接着往下走。这次重新收录，是因为之后补上了技术报告，还多了几条社区部署途径。
上升分 69 · 点赞 126 · 下载量 53401
理由
- 和 10 月 26 日相比的新内容：技术报告 10 月 27 日上了 arXiv（2610.36729），写明主干是 8B 扩散模型，用结构化视频描述配合按动作时间窗限制的因果注意力，训练走多阶段课程，最后做扩散蒸馏。摘要称人工评测优于现有世界模型，但没给具体分数。
- 社区接入：第三方的 ComfyUI-Hy-Nomas 节点，作者称 12 GB 显卡可跑，能从一张图片开始一个世界，也能用 WASD 键盘一段段操控；SGLang Diffusion 已合并支持，离线任务和实时流式会话都能跑；WanGP v18.81 也加了世界生成和键盘导航。
- ComfyUI 节点作者给的样例：四段 5 秒拼成 20 秒，1280×704、24 fps，在 RTX 4090 上每条大约 3 分钟。官方 GitHub 还称蒸馏版支持 4 / 6 / 8 步推理。
用法
- ComfyUI：在 ComfyUI-Manager 里搜 Hy-Nomas (world model)，或运行 comfy node install hy-nomas。从 PedroMarinhoDev/Hy-Nomas-ComfyUI 下载 hy_nomas_distil_int8.safetensors 放进 diffusion_models、hy_nomas_pixelumm_fp8.safetensors 放进 vae；文本编码器用 Qwen-Image 同款的 qwen_2.5_vl_7b_fp8_scaled。采样设 euler / simple / 8 步 / cfg 1，分辨率选 1280×704 或 832×480。
- 官方代码：git clone Tencent-Hunyuan/Hy-Nomas。单卡用 configs/experiment/single_gpu_low_mem_inference.yaml，配 INT8 DiT 和 FP8 PixelUMM；标准配置默认要 8 卡序列并行。提示词是 JSON，每段写起止时间，后面的段用 description_change 写画面怎么变。
- 不想部署可以先用官方在线 demo（hy-nomas.hy.tencent.com）。
风险
- ComfyUI 节点是社区作品，作者标着“开发中”，节点输入可能会变，代码是 GPL-3.0。“从图片开始”的做法是把图片放进历史记忆，模型本身并没有图片输入。
- 技术报告摘要里没有量化分数，人工评测的细节本栏目没有核对。官方的单卡 4090 配置要大量系统内存来放卸载的模型和越积越多的历史缓存，INT8 版也不能在推理时加载 LoRA。
- 网页 demo 要另外部署提示词增强服务 Nomas-PE；24 fps 只是播放帧率，生成速度要看硬件、分辨率和历史长度。