腾讯开源可交互世界模型Hy-Nomas 开放权重与机器人训练链

腾讯开源世界Hy-Nomas：可以随时实时对话 — AI技术投降派

AI技术投降派

世界模型竞逐焦点从逼真度转向可控交互，腾讯以全量代码对决昆仑万维实时方案，但生成延迟与评测数据缺位凸显落地短板。

AI-assisted summary of 腾讯开源世界Hy-Nomas：可以随时实时对话 — original source. Check the original for full context.

Source published:

Key ideas

  • 腾讯混元开源交互式视频世界模型 Hy-Nomas，采用 Apache 2.0 协议一次性放出了模型权重、推理与全量训练代码、两套 LoRA 以及 280 条基准测试用例。 (0:00)
  • 模型采用扩散与自回归混合架构（推算主干约 8.5B），支持段落间文本插入与 WASD/鼠标相机控制任意交错，通过终身 KV 缓存实现跨轮次世界记忆。 (1:15)
  • Hy-Nomas 独家提供真机双臂数据训练的机器人 LoRA 及 Kimi-K3 数据标注流水线，并针对消费级 4090 推出 INT8 与滑窗记忆等优化套件。 (3:02)
  • 该模型尚无法做到实时运行，社区在 5090 实测生成 3 秒段约需 21 秒，且技术报告缺失、280 条基准暂无官方评分。 (4:18)

Detailed notes

## Background 该视频由哔哩哔哩 UP 主“AI技术投降派”于 2026 年 10 月 24 日发布。视频简介指出，在 10 月世界模型扎堆爆发的背景下，腾讯混元开源了支持交互式视频生成的 Hy-Nomas，直接放出权重、推理代码、机器人 LoRA 与基准测试，简介对其主干架构、终身 KV 缓存机制及消费级显卡的局限性进行了概括。

## TL;DR 视频深入剖析了腾讯混元开源的交互式视频世界模型 Hy-Nomas，其采用扩散与自回归混合架构，支持文本指令与相机控制交替驱动约 4 秒的分段视频生成。模型通过终身 KV 缓存维持跨轮次的世界一致性，并在开源阵营中罕见地提供了基于真机双臂数据训练的机器人 LoRA 及配套数据标注流水线。与此同时，主讲人也指出了单卡 4090 模式下滑窗记忆的缩水本质、生成延迟高而非真正实时、技术报告待补及宣发冷清等现实硬伤，并总结该赛道已从拼真实度转向拼可控性与可修改性。

## Atmosphere & style 全片充斥着技术极客特有的冷静、犀利与批判性审视，叙事节奏紧凑且不留情面。主讲人既带着对腾讯混元“不画饼直接掏代码”的务实做派的认可，又毫不避讳地用“三盆冷水”将狂热炒作打回原形，形成了鲜明的理性反差。整体听感既像硬核技术圈内部的深度拆解会，又带着点看各大科技大厂神仙打架、互揭短板的调侃与痛快。

## Bulletin - [00:00](https://www.bilibili.com/video/BV1CRHK6LEhb?t=0s) 腾讯混元开源交互式视频世界模型 Hy-Nomas，采用 Apache 2.0 协议一次性放出了模型权重、推理与全量训练代码、两套 LoRA 以及 280 条基准测试用例。 - [01:15](https://www.bilibili.com/video/BV1CRHK6LEhb?t=75s) 模型采用扩散与自回归混合架构（推算主干约 8.5B），支持段落间文本插入与 WASD/鼠标相机控制任意交错，通过终身 KV 缓存实现跨轮次世界记忆。 - [03:02](https://www.bilibili.com/video/BV1CRHK6LEhb?t=182s) Hy-Nomas 独家提供真机双臂数据训练的机器人 LoRA 及 Kimi-K3 数据标注流水线，并针对消费级 4090 推出 INT8 与滑窗记忆等优化套件。 - [04:18](https://www.bilibili.com/video/BV1CRHK6LEhb?t=258s) 该模型尚无法做到实时运行，社区在 5090 实测生成 3 秒段约需 21 秒，且技术报告缺失、280 条基准暂无官方评分。

## Key takeaways - [00:00](https://www.bilibili.com/video/BV1CRHK6LEhb?t=0s) 2026年10月世界模型迎来大乱斗：Odyssey-3 保守权重刷分、昆仑 Matrix-Game 4.0 抢占消费级实时，而腾讯混元选择直接全套开源的“第三种姿势”。 - [00:20](https://www.bilibili.com/video/BV1CRHK6LEhb?t=20s) Hy-Nomas 以每段约 4 秒的形式接力生成世界，用户可在段落间通过文字改换物体/天气或用 WASD/鼠标操控视角，文本与相机控制可任意交错。 - [01:15](https://www.bilibili.com/video/BV1CRHK6LEhb?t=75s) 模型架构结合了段内扩散去噪（720p 24fps）与段间自回归接力，蒸馏至 8 步采样与 1 步解码，文本编码基于 Qwen2.5-VL-7B。 - [01:32](https://www.bilibili.com/video/BV1CRHK6LEhb?t=92s) 腾讯混元演进放弃了显式 3D 几何结构，改为完全依赖视频生成拼贴出连续虚拟世界。 - [01:55](https://www.bilibili.com/video/BV1CRHK6LEhb?t=115s) 为维持长程一致性，模型设计了终身 KV 缓存机制，在多卡服务器上可保留全部历史键值以支撑空间记忆回看。 - [02:35](https://www.bilibili.com/video/BV1CRHK6LEhb?t=155s) 消费级显卡上的“终身记忆”存在缩水：单张 4090 显存中仅保留 18 个潜帧历史，更早历史需卸载至内存，实质是滑窗记忆。 - [03:02](https://www.bilibili.com/video/BV1CRHK6LEhb?t=182s) 开源阵营首创真机双臂机器人 LoRA，配合开放的全量训练代码和 Kimi-K3 标注流水线，大幅降低具身智能仿真器定制门槛。 - [03:42](https://www.bilibili.com/video/BV1CRHK6LEhb?t=222s) 针对 4090 优化的 INT8 权重与缓存、CPU 卸载和滑窗方案，让 ComfyUI 社区版在 12GB 显存设备上即可运行。 - [04:18](https://www.bilibili.com/video/BV1CRHK6LEhb?t=258s) 配套的 280 条基准测试目前仅有测试数据而缺乏评测分数，与 Odyssey-3“只给分数不给权重”形成鲜明反差。 - [04:32](https://www.bilibili.com/video/BV1CRHK6LEhb?t=272s) 项目宣发与文档极度滞后，技术报告与参数量未正式披露，导致发布初期 GitHub 星标与中文媒体报道极为冷清。 - [04:50](https://www.bilibili.com/video/BV1CRHK6LEhb?t=290s) Hy-Nomas 并非实时模型，社区在 5090 上生成 3 秒片段需约 21 秒，实时性指标仍被 Matrix-Game 4.0 领跑。 - [05:32](https://www.bilibili.com/video/BV1CRHK6LEhb?t=332s) 世界模型赛道正在确立新共识：竞争焦点已经从单纯比拼画面真实度，转向比拼模型世界是否允许用户实时介入与修改。

## Detailed walkthrough ### [00:00](https://www.bilibili.com/video/BV1CRHK6LEhb?t=0s) 乱战十月：腾讯混元的“第三种姿势”

2026年的10月堪称世界模型大乱斗的月份。月初，Odyssey-3 刷爆榜单，拿下了 Physics-IQ 66.1 分的历史性记录，但遗憾的是它只发了成绩单，却把模型权重捂得严严实实；月中，昆仑万维高调宣布其 Matrix-Game 4.0 实现了全球首款在消费级显卡上的实时运行。就在大家以为格局已定时，10月21号，腾讯混元（Hunyuan）团队斜刺里杀了出来，摆出了第三种姿势：他们不整虚的，直接把模型权重、推理代码、两套 LoRA 适配器以及 280 条基准测试用例全套打包开源。有意思的是，腾讯甚至在开源两天后才慢吞吞地补上了官宣推文，甚至连名字里“Nomas”到底是什么意思都懒得解释。

这个被命名为 Hy-Nomas 的项目，是一个交互式视频世界模型，采用 Apache 2.0 开源协议。它的核心玩法是“一段接一段”地生成世界，每段视频大约 4 秒。在段与段之间，用户可以随时“插话”——比如输入文字要求“加一个物体”、“改一次天气”或者“换一个动作”，模型就会顺着你的指令继续生成。如果你不想打字，也可以直接用键盘的 WASD 键或者鼠标拖动相机，像在 3D 游戏里一样“开镜走位”，模型会实时跟着你的视角变化继续渲染画面。在这里，文本指令与相机控制可以任意交错。

```mermaid flowchart TD accTitle: Hy-Nomas 交互式视频生成流程 accDescr: 展示 Hy-Nomas 如何通过文本和相机控制进行段落式视频生成，并利用 KV 缓存维持世界记忆。

subgraph Input ["用户交互输入"] A["文本指令 (加物体/改天气/换动作)"] B["相机控制 (WASD/鼠标拖动)"] end

subgraph Model ["混合架构模型 (约 8.5B)"] C["Qwen2.5-VL-7B (文本编码)"] D["自回归接力 (段与段之间)"] E["扩散去噪 (段内 720p 24fps)"] end

subgraph Memory ["世界记忆机制"] F["终身 KV 缓存 (多卡模式)"] G["滑窗记忆 (单卡 4090 模式: 18帧历史 + CPU 卸载)"] end

A & B --> C C --> D D --> E E -->|"生成 ~4 秒视频段"| H["输出视频段"] H --> F & G F & G -->|"回看历史"| D ```

---

[01:15](https://www.bilibili.com/video/BV1CRHK6LEhb?t=75s) 架构揭秘与“世界记忆”的幻觉

在底层架构上，Hy-Nomas 采用了扩散模型（Diffusion）与自回归模型（Autoregressive）的混合设计。在单段视频内部，它使用扩散模型进行画面去噪，确保输出 720p、24 帧的高清画质；而在段与段之间，则通过自回归的方式进行接力输出。为了提升速度，模型被蒸馏到了 8 步采样，解码则仅需 1 步。虽然官方没有公布主干网络的具体参数量，但根据开源的权重文件推算，其体量大约在 8.5B 左右，而文本编码器则借用了 Qwen2.5-VL-7B。从技术演进路线来看，腾讯混元这条线经历了从 Hunyuan 3D 资产、HY World 三维世界到如今 Hy-Nomas 的“四级跳”。这一次，它不再构建任何显式的 3D 结构，而是直接用一段段的视频把整个世界“攒”了出来。

Hy-Nomas 最想讲的故事是“世界记忆”。为了防止场景在连续交互中“散架”，它引入了“终身 KV 缓存（Lifelong KV Cache）”机制。每生成一段视频，这一段在注意力机制中留下的键（Key）和值（Value）都会被完整保存。当生成下一段时，模型会回看所有的历史缓存。这意味着你曾经走过的走廊、出现过的箱子、下过的雪，都会留在记忆里。官方演示了一个名为“Clockwork Flight”的 60 秒、5 轮交互视频：第一轮用一句话建出世界，后面四轮纯靠文本修改世界，场景、物体和风格在全程中保持了高度一致。在其配套的 280 个基准测试用例中，还专门开辟了一条“空间记忆赛道”，专门测试相机离开某一区域再绕回来时，模型是否还能记住这里原来的样子。

然而，对于消费级显卡用户来说，这种“终身记忆”在实际体验中是要打折扣的。主讲人指出，完整的终身记忆是多卡服务器才能享受的“标配待遇”，在单张 4090 显卡模式下，系统被迫做了妥协：GPU 显存中只会保留 18 个潜帧（Latent Frames）的历史，更早的历史会被归档到系统内存（RAM）中。换句话说，在消费级体验中，所谓的终身记忆本质上只是一种“滑窗记忆”。

---

[03:02](https://www.bilibili.com/video/BV1CRHK6LEhb?t=182s) 开源阵营的“独家三件套”

尽管存在硬件限制，Hy-Nomas 在开源阵营中依然拿出了三件别人没有的“独门武器”。第一件是官方机器人 LoRA。这是用真实的双臂机械臂数据训练出来的适配器，在目前的开源交互式世界模型中，官方主动提供机器人 LoRA 的仅此一家。不仅如此，腾讯还开源了全量的训练代码以及基于 Kimi-K3 的数据标注流水线。这意味着开发者可以直接用自己的视频数据，通过这套流水线进行标注，进而训练出属于自己特定领域的机器人世界模型。在机器人具身智能领域，利用 LoRA 进行仿真器适配是标准路径，而腾讯直接把这条路给开源社区铺平了。

第二件武器是针对消费级 4090 显卡的“四件套”优化方案：包括 INT8 权重、INT8 缓存、CPU 卸载（CPU Offload）以及滑窗历史机制。得益于此，ComfyUI 社区版在模型发布三天内就迅速推出了移植版本，根据社区反馈，仅需 12GB 显存即可流畅运行。第三件武器则是将“记忆力”做成了专门的评测维度。主讲人认为，Hy-Nomas 恰好站在了 Genie（强调自由交互）和 Cosmos（强调机器人仿真）的交叉点上，其综合表现甚至超越了拥有 5B 参数的 DreamWorld 等最接近的对手。

---

[04:18](https://www.bilibili.com/video/BV1CRHK6LEhb?t=258s) 三盆冷水与赛道的新共识

在肯定其开源贡献的同时，主讲人也毫不客气地泼了“三盆冷水”。第一盆冷水关于基准测试：虽然腾讯提供了 280 个基准测试用例，但目前只有输入数据，没有任何评测分数。这与月初只给成绩不给权重的 Odyssey-3 恰好互为镜像，两家厂商在 10 月份的赛道两头都走到了极端。第二盆冷水是项目配套的宣发和文档极度敷衍：技术报告和标注说明依然显示“Coming Soon”，总参数量未公布，名字含义未解释，导致发布三天后 GitHub 仅收获 41 颗星，中文主流科技媒体甚至出现了“零原发报道”的尴尬局面。

第三盆冷水则是关于“实时性”的硬伤。Hy-Nomas 在段与段之间存在明显的等待间隙。根据社区在 5090 显卡上的初步实测，生成一段 3 秒的视频大约需要 21 秒（主讲人提示该数据需谨慎引用）。因此，它绝对称不上是“实时”模型。这个月“实时”的头衔已经被昆仑万维的 Matrix-Game 4.0 夺走，后者能做到 480p、60 帧，且延迟控制在 150 毫秒以内。目前，Hy-Nomas 整个全家桶的下载量接近 200GB，由于门槛较高，早期的下载量暂时还停留在个位数。

纵观整个 10 月，世界模型赛道呈现出百花齐放的态势：昆仑万维给出了“实时性”，Odyssey-3 刷出了“高分成绩”，而腾讯混元则贡献了“全套开发工具链”。主讲人最后总结道：

> “世界模型这条赛道，从比谁的世界更像，进入了比谁的世界能被你改。”

这种共识的转变，预示着世界模型正在从单纯的视频生成工具，演变为真正可交互、可控制的虚拟物理沙盒。

## Notable quotes > [04:18](https://www.bilibili.com/video/BV1CRHK6LEhb?t=258s) 世界模型这条赛道，从比谁的世界更像，进入了比谁的世界能被你改。 — 主讲人

## Mentioned 腾讯混元 (Tencent Hunyuan), Hy-Nomas, 昆仑万维, Matrix-Game 4.0, Odyssey-3, Qwen2.5-VL-7B, Kimi-K3, Genie, Cosmos, DreamWorld, Hunyuan 3D, HY World, ComfyUI, Physics-IQ, RTX 4090, RTX 5090

## Video description 十月是世界模型扎堆的月份。月初的 Odyssey-3 拿下 Physics-IQ 66.1 分纪录但权重不开；月中昆仑 Matrix-Game 4.0 宣布消费级显卡实时运行；十月二十一号，腾讯混元做了第三种姿势——权重、推理代码、两套 LoRA、二百八十条基准全套先放出来，官宣推文两天后才补上，连 Nomas 是什么意思都没解释。这就是 Hy-Nomas：交互式视频世界模型，Apache 2.0。

它一段约四秒地生成世界，段与段之间你可以插话（加物体、改天气、换动作）或用 WASD/鼠标开相机，文本与相机任意交错。架构是扩散+自回归混合，720p 24 帧，蒸馏到 8 步采样 1 步解码，主干按权重推算约 8.5B（官方未报数），文本编码借 Qwen2.5-VL-7B。世界记忆的机制是终身 KV 缓存：每段的键值全部留存、下一段回看全部历史；官方演示 60 秒 5 轮全程一致；配套 280 用例基准里有专门的空间记忆赛道。要如实说的限制：单卡 4090 只保留 18 个潜帧历史，消费级的「终身记忆」其实是滑窗记忆。

开源阵营里它有三件别人没有的：官方机器人 LoRA（真机双臂数据训练，独此一家）+全量训练代码+Kimi-K3 数据标注流水线；单卡 4090 四件套（INT8 权重/INT8 缓存/CPU 卸载/滑窗），ComfyUI 社区版三天出、社区口径 12GB 能跑；把记忆做成专门评测维度。三盆冷水照旧：280 基准只有数据零分数（与月初 Odyssey-3 给成绩不给权重互为镜像）；技术报告 Coming Soon、参数量未公布、发布三天 41 星、中文主流媒体零报道；它不实时——5090 生成 3 秒段约 21 秒（社区实测谨慎引用），实时的头衔已被 Matrix-Game 4.0 拿走。三种姿势背后是同一个判断：赛道从比谁的世界更像，进入比谁的世界能被你改。

[Source](https://www.bilibili.com/video/BV1CRHK6LEhb)

中文简报

腾讯开源可交互世界模型Hy-Nomas 开放权重与机器人训练链 世界模型竞逐焦点从逼真度转向可控交互，腾讯以全量代码对决昆仑万维实时方案，但生成延迟与评测数据缺位凸显落地短板。 视频深入剖析了腾讯混元开源的交互式视频世界模型 Hy-Nomas，其采用扩散与自回归混合架构，支持文本指令与相机控制交替驱动约 4 秒的分段视频生成。模型通过终身 KV 缓存维持跨轮次的世界一致性，并在开源阵营中罕见地提供了基于真机双臂数据训练的机器人 LoRA 及配套数据标注流水线。与此同时，主讲人也指出了单卡 4090 模式下滑窗记忆的缩水本质、生成延迟高而非真正实时、技术报告待补及宣发冷清等现实硬伤，并总结该赛道已从拼真实度转向拼可控性与可修改性。 腾讯混元开源交互式视频世界模型 Hy-Nomas，采用 Apache 2.0 协议一次性放出了模型权重、推理与全量训练代码、两套 LoRA 以及 280 条基准测试用例。 (0:00) 模型采用扩散与自回归混合架构（推算主干约 8.5B），支持段落间文本插入与 WASD/鼠标相机控制任意交错，通过终身 KV 缓存实现跨轮次世界记忆。 (1:15) Hy-Nomas 独家提供真机双臂数据训练的机器人 LoRA 及 Kimi-K3 数据标注流水线，并针对消费级 4090 推出 INT8 与滑窗记忆等优化套件。 (3:02) 该模型尚无法做到实时运行，社区在 5090 实测生成 3 秒段约需 21 秒，且技术报告缺失、280 条基准暂无官方评分。 (4:18)

Reading summary

腾讯混元于2026年10月开源交互式视频世界模型 Hy-Nomas，采用扩散与自回归混合架构并支持文本与视角的随时交错交互。主讲人指出，尽管该模型以具身智能工具链和记忆机制开辟了可控沙盒新路径，但在消费级硬件上的记忆退化及缺乏真正的实时生成能力仍是其显著短板。 全套开源与交错式交互生成 (0:00) 2026年10月21日，腾讯混元团队开源了交互式视频世界模型 Hy-Nomas（遵循 Apache 2.0 协议），同步公开了模型权重、推理代码、两套 LoRA 适配器以及 280 条基准测试用例。该模型抛弃了显式的 3D 建模结构，核心逻辑是按约 4 秒一个片段进行串行视频渲染。在片段交替间隙，用户不仅能通过自然语言指令动态插入物体、改变天气或切换动作，还可以通过键盘 WASD 键与鼠标拖拽实现如 3D 游戏般的即时机位移动，使视角运镜与文本提示得以自由穿插交织。 混合架构与终身记忆的单卡妥协 (1:15) 在技术底层，Hy-Nomas 结合了扩散模型与自回归架构：段落内部依赖扩散去噪生成 720p、24fps 画面（经过蒸馏实现 8 步采样与 1 步解码），段落之间则通过自回归接力。模型主干推算约为 8.5B 参数，搭配 Qwen2.5-VL-7B 文本编码器。为解决多轮交互中场景容易前后矛盾的问题，模型设计了“终身 KV 缓存”机制，在下一轮生成时回溯历史注意力缓存以维持空间与风格一致性。然而主讲人强调，完整的终身记忆仅能在多卡服务器上实现；在单张 RTX 4090 显卡运行模式下，显存仅保留 18 个潜帧历史，其余历史需卸载到系统内存，实质退化为一种“滑窗记忆”。 机器人仿真适配与消费级优化方案 (3:02) Hy-Nomas 在开源生态中形成了独特的差异化优势。项目提供了首个由真实双臂机械臂数据训练的官方机器人 LoRA，并一并开放了全量训练代码及基于 Kimi-K3 的数据标注流水线，允许开发者基于自有视频数据构建针对特定物理环境的世界模型。针对消费级硬件，项目通过 INT8 权重与缓存、CPU 卸载以及滑窗历史构成的优化方案，使 ComfyUI 社区移植版在 12GB 显存环境下即可跑通。主讲人评价，该项目将记忆力作为核心评测维度，正好处在主打自由交互的 Genie 与聚焦机器人仿真的 Cosmos 的交叉路口。 缺乏实时性与文档宣发的硬伤 (4:18) 主讲人同时指出了项目的多项硬伤：首先，开源的 280 个基准测试用例目前仅有输入数据，尚未提供具体的评测得分；其次，官方文档滞后，未披露总参数量和技术报告，导致发布初期在 GitHub 和媒体传播上极为冷清；最关键的是，该模型在片段生成之间存在明显等待间隙，社区在 RTX 5090 上的初步测试显示生成一段 3 秒视频耗时约 21 秒，完全不具备昆仑万维 Matrix-Game 4.0（480p/60fps、延迟 150 毫秒以内）那样的实时响应能力，加之全套文件接近 200GB，使用门槛依然偏高。 主讲人总结认为，2026年10月的世界模型赛道展现出多元化格局：昆仑万维攻克了实时性能，Odyssey-3 刷出了高分测试记录，而腾讯混元则补齐了开源工具链。这标志着行业共识已从单纯比拼画面真实度，转向探索虚拟世界能否被用户持续控制与交互修改。

Source quotes

[4:18] 主讲人: 世界模型这条赛道，从比谁的世界更像，进入了比谁的世界能被你改。

Original transcript

[0:00] 十月是世界模型扎堆的月份。月初Odyssey 3拿下Physics IQ 66.1分的记录之前我们讲过它成绩单漂亮权重不开月中,昆仑万维的Matrix Game 4.0宣布全球首款消费级显卡实时运行。10月21号,腾讯会员做了第三种姿势全中,推理代码,再加两套Laura和280条基准,全套先放出来,官宣推文两天后才补上,连名字里nomas是什么意思都没有解释。这就是今天要拆的HINOMAS,一个交互式视频世界模型。先看它是什么Hynomas一段一段地生成世界每段大约四秒段与段之间你可以插画加一个物体改一次天气换一个动作它接着生成你也可以不说话,直接用WSD键或者鼠标拖动相机,像在游戏里一样开进走位,它跟着你的视角继续生成。文本和相机可以任意交错架构上是扩散加字回归的混合段内用扩散去造化画面段与段之间用字回归接力输出720P24帧主干预蒸留到8部采样结码只要一部主干多大官方没报数,按权重文件推算约8.5B,这是个推算数字。文本编码器借的是Q文.5VLGB背景补一句,混元这条线是四级跳,从Honey One Video视频生成到3D资产,到HY World三维世界到这一次。他不再见任何3D结构,直接用视频段把世界攒出来。他最想讲的故事叫《世界记忆》,机制使终身KV缓存,每生成一段,这一段在注意力里留下的剑和值全部保存。下一段生成时回看全部历史你去过的走廊出现过的箱子下过的雪都留在缓存里所以世界改着改着不会散架官方演示叫Clockwork Flight60秒五轮第一轮用一句话见出世界,后面四轮纯靠文本改世界。场景、物体和风格全成一致配套的基准280个用力里专门有一条空间记忆赛道让相机离开一块区域再绕回来考它记不记得这里原来的样子但这里有一条要如实说的限制这套完整记忆是标准配置的待遇需要多卡单卡4090模式做了打折GPU上只保留18个前阵的历史更早地归档进内存看换句话说,消费级体验里的终身记忆其实是划窗记忆,放到开源阵营里数,它有三件别人没有的东西。第一件,官方机器人Laura用真机双臂机械臂数据训练的适配器,查遍开源交互世界模型,官方发机器人Laura的独此一家。而且不只是Laura本身,全量训练代码,数据标注流水线一起开源,标注用的还是KimiK3,你拿自己的视频就能载数据,训一个自己领域的世界模型。学习型仿真器用Lower A适配是标准路径腾讯等于把这条路铺平到了开源第二件消费级40904件套INT8全重INT8缓存CPU卸载,划窗历史。Confi UI社区版三天就出了移植,社区口径12GB显存就能跑。第三件把记忆做成了专门的评测维度生态为一句话总结他站在Genie三型自由交互和Cosmos型机器人仿真的交叉点上最接近的对手DreamX World舞弊也没有这套组合按惯例,三盆冷水第一盆,280个基准用力只有输入数据,没有任何分数权重开了,成绩单没发,月初的Odyssey 3正好反过来,给成绩不给权重10月的赛道两头都占了个极端。第二盆,技术报告标注Coming Soon,总参数量没公布,Normans命名没解释,发布三天GitHub 41颗星。中文主流科技媒体还没有原发报道第三盆它不实施 [5:00] 段与段之间有等待间隙社区实测5090上升成三秒的段大约要21秒这个数字谨慎引用时时的头衔这个月已经被Matrix Game 4.0拿走了,480P60帧。延迟150毫秒以内协议是Apache 2.0,全家桶接近200GB,下载量暂时还是个位数,最后收个判断。10月一个月里,昆仑给了实时,Odyssey给了成绩,腾讯给了全套开发站,三种姿势背后是同一个判断。世界模型这条赛道,从比谁的世界更像,进入了比谁的世界能被你改。本身也给了出去数字和地址都在简介里喜欢这期点个关注我们下期见