Tencent تطرح world model باسم Hy-Nomas مفتوحة المصدر: 18,5 FPS على 8×B200 مع السجل الكامل

فتحت Tencent شيفرة وأوزان Hy-Nomas، وهو world model من تطويرها يتيح التحكم عبر النص والكاميرا. كل شيء متاح بترخيص Apache 2.0، أي إنه يمكن استخدام النموذج في مشاريع تجارية وضبطه على بيانات خاصة. وفي القياسات على منصة Reactor مع السجل الكامل على 8×B200، يولّد النموذج نحو 18,5 إطار في الثانية. وتتوفر لبطاقة RTX 4090 واحدة إعدادات اقتصادية منفصلة، لكن المطورين لا يذكرون السرعة فيها.

جاء الإعلان قبل أيام قليلة من Genie 4، فصدر الإصدار المفتوح تقريباً في الوقت نفسه مع النسخة الجديدة من نموذج مغلق من الفئة نفسها.

كيف يبني Hy-Nomas العالم إطاراً بعد إطار

لا يولّد النموذج المقطع كاملاً دفعة واحدة. يُكمَل الفيديو على شكل مقاطع، ويُحفظ السياق بين المقاطع في KV-cache. لذلك يعتمد المقطع التالي على ما وُلّد سابقاً ولا يبدأ من الصفر، فيبقى المشهد متماسكاً بينما يحرّك المستخدم الكاميرا في الفضاء.

التحكم مزدوج. يحدد النص ما يجري في المشهد. أما حركة الكاميرا فيمكن وصفها مسبقاً أو تغييرها بين المقاطع، أي توجيه الصورة أثناء التوليد. وهذا شرط أساسي في أي world model، فمن دون زاوية رؤية قابلة للتحكم نحصل على مولّد فيديو عادي.

انضم Hy-Nomas إلى مجموعة النماذج المفتوحة التي تعتمد المبدأ نفسه في التحكم. وإلى جانبه تقف MIRA وSolaris وOdyssey-3، وتتيح النماذج الأربعة جميعها التحكم بالنص والكاميرا. وبات في هذا السوق ما يمكن الاختيار بينه، بدلاً من الاكتفاء بمتابعة العروض التجريبية المغلقة.

الترخيص وLoRA والمحوّلات الجاهزة

الأهم للمطورين هنا هو الانفتاح. الشيفرة والأوزان منشورة بترخيص Apache 2.0، وهو من أكثر التراخيص تحرراً. والضبط ممكن عبر LoRA على فيديوهات خاصة. ولا حاجة إلى إعادة تدريب النموذج كله: يكفي تدريب محوّل صغير للأسلوب أو المجال المطلوب.

أرفق المطورون مباشرة محوّلين جاهزين. الأول يضبط الصورة على مظهر سينمائي، والثاني مخصص للروبوتات. ويُظهر ذلك وجهة الفريق: محاكاة فيديو قابلة للتحكم للسينما والأعمال الإبداعية، ولبيئات تدريب الروبوتات واختبار سلوكها. أما مدى جودة محوّل الروبوتات عملياً، فلا يمكن التحقق منه إلا من التقرير التقني ومن اختباراتك الخاصة. ولا توجد في الإعلان الأصلي مقاييس للجودة.

نُشر مع الإصدار عرض تجريبي وتقرير تقني والشيفرة والأوزان وصفحة بقياسات السرعة. أي إنه يمكن التحقق من أرقام الأداء في المستودع نفسه.

ما المعروف عن السرعة والعتاد

الدقة في الصياغة مهمة هنا. رقم 18,5 FPS تحقق على منصة Reactor: سجل كامل و8×B200. وهذه إعدادات بمستوى مراكز البيانات، ولا يجوز إسقاطها على عتاد المستخدمين.

وفي المستودع إعدادات منفصلة لبطاقة RTX 4090 واحدة. وفيها ثلاثة قيود:

• تكميم INT8؛
• سجل محدود، أي إن النموذج يرى عدداً أقل من الإطارات السابقة؛
• نقل النماذج إلى الذاكرة العشوائية.

لم تُذكر سرعة هذا الوضع. وبما أن السجل مقتطع وجزءاً من الأوزان يُنقل خارج الذاكرة، فقد يُتوقع تراجع في تماسك المشهد وفي السرعة. لكن هذا افتراض وليس قياساً. وعلى من يريد تشغيل Hy-Nomas على بطاقة منزلية أن يتحقق بنفسه مما إذا كان معدل الإطارات التفاعلي ممكناً.

الخلاصة العملية

سيفيد Hy-Nomas الفرق التي تبحث في محاكاة الفيديو القابلة للتحكم وتريد العمل مع نموذج مفتوح بدلاً من API مغلق. فالترخيص لا يقيّد الاستخدام، وLoRA تخفض كلفة التكيّف مع مجالك. وقبل الاعتماد عليه، من الأفضل قراءة التقرير التقني وتشغيل النموذج على مشاهدك الخاصة. أما جودة التماسك الفعلية على مسارات الكاميرا الطويلة والسرعة على بطاقة استهلاكية فلم يؤكدهما الإعلان. والنتيجة الوحيدة المقيسة الرئيسة هي 18,5 FPS على 8×B200، وهذه الإعدادات ليست في متناول الجميع.