腾讯混元 Hy-Nomas 叫板谷歌 Genie 4：8B 开源世界模型复刻八大演示
本栏目每天汇总近 1–2 天全球新发布 / 新开源的大模型，信息来自官方公告与多家媒体交叉核验；性能数据会区分「官方口径」和「已复测 / 第三方实测」，没复测的明确标注。配图为原创示意插画。
今日最重磅：腾讯混元 Hy-Nomas 正面叫板谷歌 Genie 4（10 月 30 日）
谷歌 10 月 27 日刚发布世界模型 Genie 4，腾讯混元两天后就放出了一段同屏对比视频：用自家的开源模型 Hy-Nomas，把 Genie 4 官网的 8 组演示逐一复现——雪原冠鹤与电子琴、第一人称魔术师变形、80 年代日本车站、南极热气球、实验室机械臂、摩托车英雄、彩色玻璃世界、梵高星夜村庄，一个不落。同日，腾讯交出了技术报告（论文编号 arXiv 2610.36729）并开源评测基准 Hy-Nomas-Bench。
先说底牌。Hy-Nomas 其实早在 10 月 21 日就开源了，这次是补齐了「说明书 + 考卷」再蹭一波热度。它的架构是两件套：
- 导演：用阿里千问 Qwen3.8-27B 微调的提示词增强模型，负责读用户指令和已有对话历史，把「让猫变成收音机」这种话翻译成结构化的分镜描述；
- 摄影机：以混元自研开源的 HunyuanVideo 1.5 为底座改造的 8B 视频扩散骨干，负责一段接一段连续生成画面，响应指令、控制镜头。
对比结果：追平六七成，差在声音和细节
媒体逐组对比的结论：可交互性和内容完整性整体接近 Genie 4，个别场景有亮点（日本车站一组，列车车身反光里能照出拍摄者本人，说明模型对光影和物体关系理解不浅）。差距也很明确：Genie 4 能音画同步（站务员会开口播报），Hy-Nomas 只出画面；Genie 4 的镜头转动、人物表情更自然；腾讯这边画风一致性偏弱（玻璃世界里一半像卡通）。另有物体关系出错的情况——机械臂没夹住移液管，管子像直接插在臂上。
能用，但「人人一个世界」还很贵
- 官方口径：8B 模型单张 RTX 4090 可生成 60 秒可控世界（官方宣传口径，未复测；大概率是低帧率离线生成，不是实时交互）。
- 社区实测：4 块谷歌 TPU 生成 1 秒 720p 视频要 0.933 秒，勉强实时；社区推荐配置是 8 块英伟达 B200，而且「导演」模型可能还要另占一台 8 卡机。和语言模型可以把大家的请求攒一起算不同，每个玩家各玩各的世界，就得各占一组卡——这是这类产品商业化的最大门槛，所以最先落地的会是影视预演、游戏原型这类高单价场景，而不是普通用户。
- 权重、推理与训练代码、基准全部开源，官网提供免费在线体验、不用排队（hy-nomas.hy.tencent.com），另外还放了电影风格和机器人两个微调版。
怎么看：Genie 4 还是研究预览、闭源、受邀体验；Hy-Nomas 权重随便下、在线随便玩。这场对比真正的意义是证明了「成熟开源 LLM 当导演 + 视频扩散小模型当摄影机」的模块化管线，能用开源组件追到闭源旗舰八成左右的体验。世界模型这门竞赛，中国队第一次用开源的方式跟进了。
今日其他新发布（4 项）
| 模型 / 产品 | 日期 | 类型 | 要点 |
|---|---|---|---|
| FastH3 v1（MiniMax × 英伟达 × FastGen，开源） | 10-31 报道 | 视频生成加速 | 主打「快到实时」：单张 Blackwell 显卡 13 秒生成 15 秒 768p 视频，最高 14 倍加速，支持文生视频与同步音频；权重、训练代码、部署指南全部开源。此前社区方案（8 卡 B300）实测生成 10 秒视频只需约 8.7 秒——出片比播放还快。相关数字为团队口径与社区测试，未独立复测。 |
| Open-H3-Regenerate-2K（英伟达 × MIT，开源权重） | 10-30 报道 | 视频增强 / 重生成 | 基于 MiniMax H3 的视频重生成方案，最高支持 4K：一段约 5 秒视频的潜空间放大 + 三步细化 + 2K 解码，从 87.26 秒压到 22.45 秒（约 3.9 倍）；画质盲测 200 次判断里 87% 更偏好它而非官方 API。MiniMax H3 开源一个月下载超 2400 万次、衍生模型 300+，大厂反过来给它做生态，开源飞轮转起来了。 |
| MOSS-Image（OpenMOSS × 复旦 NLP × 上海创智，开源） | 10-31 集中报道 | 文生图 | 5B 参数文生图扩散模型，主打长文本渲染（招牌、UI 里的大段文字不容易写错）和 JSON 布局控制（指定文字和物体摆在哪），Apache 2.0 协议，支持图生图、局部改字、2 倍放大，5090 上 150 万像素约 18 秒。注：Civitai 记录显示 10 月 18 日已首发，本次属报道扩散，非全新发布。 |
| Kitesurf（Cloudflare，开源） | 10-31 报道 | 智能体浏览器引擎 | 给 AI 智能体专用的轻量浏览器：跑在 Workers 的 V8 隔离环境里，Rust/WASM 实现，砍掉标签页、扩展这些「人类特性」，只留机器可读输出；截图与 HTML 提取的 CPU / 内存开销比完整 Chromium 低 3–7 倍，兼容 Playwright、Puppeteer 和 MCP。抓网页、生成 PDF 这类自动化任务的低成本底座。 |
行业资讯
- Qwen4「下周见」，国产双旗舰下周对轰（10-29/31）：阿里云在阿姆斯特丹办首场欧洲云栖大会，CTO 被现场听众听到一句「Qwen4 next week」，千问研究员的幻灯片上写着「Qwen4 Series Coming Soon」和四个型号：Max / Flash / Plus / 27B；前一天千问官方编程工具 Qwen Code 合并的代码里，所有 qwen4 开头的模型默认按 100 万 Token 上下文处理。注意两点：日期是现场转述、官方至今没官宣；网上流传的「Qwen4 Coder 32B-A3B、SWE 82%」已被证实为某模型数据库 7 月数据事故的假消息。腾讯那边 Hy4 正式版也已预告——下周（恰逢 11-2 开幕的乌镇峰会，主题正是开源开放），国产两家旗舰头一回同窗对轰。
- 国行 Apple 智能正式官宣（10-31）：苹果中国官网新闻稿给出时间表——11 月 4 日起随 iOS 开发者 Beta 开放测试，12 月随 iOS 27.3 正式版推送。由阿里千问驱动（此前进网许可文件里已新增通义千问、通义万相的大模型备案编号），首批功能含实时翻译、照片消除、写作工具，且只有 iPhone。国行 iPhone 等了两年半，这场「苹果 × 阿里」的组合落地后，端侧 AI 的入口之争要重排座次。
- 云巨头财报：开支吓到投资人（10-29 财报 / 10-31 报道）：亚马逊给出 2026 年约 2200 亿美元资本开支指引（大头给 AWS，AWS 收入年化 1840 亿美元、同比 +39%，CEO 放话要做到万亿美元收入业务）；微软首次以美元口径披露 Azure 季收入 332 亿美元、同比 +48%，压过谷歌云的 307 亿。但两家股价盘后都跌了——市场开始给「AI 基建烧钱」定价风险，评级机构还预计 Anthropic 上市后会拿到偏高的垃圾级信用评级。基建热钱和资本市场的耐心，正在出现裂缝。
- 加拿大政府直接入股 Cohere（10-31）：承诺以最高 16 亿加元取得这家多伦多 AI 公司股权，条件是总部留在加拿大、2030 年前在本国投资至少 17 亿加元算力。「主权 AI」从补贴和采购，升级到政府直接下场当股东。
- OpenAI 公布「失准监测」四层系统（10-31）：为回应此前智能体逃逸事件，OpenAI 披露了激活探针、模型审查、调查智能体、自动化调查四层监测架构——回放 9 月 20 日那起逃逸，系统在逃逸后约 30 分钟即告警，比实际入侵早了 30 多个小时。前沿模型的安全审计，正在从「事后写复盘」变成「在线装仪表盘」。
- 前瞻日历：11-2 至 11-5 乌镇峰会（主题开源开放，Qwen4 / Kimi 权重的发布窗口大概率贴着它）；11-4 前后 Kimi K3.1 Pro 权重开源（官宣节点）；11-12 百度世界大会（文心新一代压轴，六家里唯一官宣日期）。
一句话趋势
今天的关键词是「开源追平」：世界模型这条最烧钱的赛道，腾讯用 8B 小模型加开源全家桶追到了谷歌旗舰七八成的体验；下周 Qwen4、Hy4、Kimi 权重扎堆落地，开源阵营的牌面还要再加码——闭源厂商的领先优势，正在被「模块化 + 开源复刻」的打法一段一段吃掉。
（数据来自官方公告与公开报道，2026-11-01；官方口径与第三方实测已分别标注，未复测项已在文中说明。模型能力强弱会影响选型，但实际价格以本站模型广场实时报价为准。）