Tencent تفتح مصدر Hy-Nomas: عالم فيديو بذاكرة وبدقة 720p يعمل على بطاقة RTX 4090 واحدة

تشبه نماذج الفيديو التقليدية كاميرا ذات ذاكرة قصيرة: تولّد مقطعًا، ثم يخاطر كل جزء جديد بأن يسير في اتجاه مختلف. فالغرفة التي رأيتها قبل لحظات تبدو بعد عشر ثوانٍ مختلفة. أتاحت Tencent في المصدر المفتوح نموذج Hy-Nomas، وهو «نموذج عالم» يبني فضاءً افتراضيًا على شكل مقاطع (سيغمنتات) ويأخذ في الحسبان ما عُرض سابقًا.

مثال ذلك: تسير في شارع مولَّد، فتكتب «فلتمطر السماء» ثم تدير الكاميرا إلى الخلف، فيُفترض أن يبقى الشارع هو نفسه، لكنه مبلل. تعتمد الذاكرة على KV-cache (ذاكرة الحالات الداخلية للمحوّل Transformer)، وتخرج الصورة بدقة 720p وبمعدل 24 إطارًا في الثانية، ويمكن تشغيل النموذج على بطاقة رسوميات واحدة من طراز RTX 4090 بذاكرة 24 غيغابايت. وبالنسبة إلى المطوّر، هذه فرصة لتجربة نموذج كهذا محليًا ودون عنقود حوسبة، لكن مع تحفظات نوضحها أدناه.

ما الذي يستطيعه Hy-Nomas

يولّد النموذج العالم مقطعًا تلو آخر. يغيّر المستخدم ما يجري عبر أوامر نصية، ويتحكم بحركة الكاميرا، ويواصل التوليد مع مراعاة المشاهد السابقة. وكي لا ينقطع الخيط بين مقاطع الفيديو، يحفظ Hy-Nomas السياق في KV-cache، فلا يحتاج النموذج إلى «إعادة قراءة» التاريخ كله في كل مرة. غير أن التاريخ النشط محدود، فذاكرة النموذج ليست لا نهائية.

يكون الناتج فيديو بدقة 720p وبمعدل 24 إطارًا في الثانية، ويستغرق التوليد 8 خطوات انتشار (diffusion). هذا عدد قليل نسبيًا، فالنهج موجَّه نحو العملية والكفاءة لا نحو أقصى جودة بأي ثمن.

ما تحت الغطاء وكيفية التشغيل

البنية هي MMDiT انحداري ذاتي على مستوى المقاطع، ويضم 54 كتلة. يتولى فهم النص المشفّر Qwen2.5-VL-7B. ويُستخدم DCAE-V لضغط الفيديو وPixelUMM لفك ترميزه. ومن بين الخيارات الجاهزة محوّلا LoRA (إضافات صغيرة مُعاد تدريبها) هما Cinematic وRobotics. وقد جرى تكييف الثاني، ضمن أمور أخرى، على بيانات فيديو لأذرع روبوتية، لذا يمكن تجربة النموذج لا للمشاهد الجميلة فحسب، بل أيضًا لمحاكاة طريقة تعامل ذراع الروبوت مع الأجسام.

ولمن لا يملك مزرعة خوادم، أتاحت Tencent التشغيل على بطاقة RTX 4090 واحدة بذاكرة فيديو 24 غيغابايت. ولتحقيق ذلك تُستخدم الكمّنة INT8/FP8، وتقييد التاريخ النشط، ونقل جزء من البيانات إلى CPU. لكن ذلك لا يعني توليدًا في الوقت الفعلي: فلم تعلن Tencent السرعة الرسمية على RTX 4090، ولذلك لا ينبغي توقع استجابة بمستوى الألعاب، إذ سيتعيّن انتظار كل مقطع.

وثمة قيد ثانٍ: الناتج فيديو. لا يوجد تصدير إلى 3D، أي لا يمكن تحميل المشهد في محرك ألعاب والتجول فيه بحرية. ما تحصل عليه هو سلسلة إطارات تبدو كأنها عالم.

الترخيص والمنظومة

صدر المشروع بترخيص Apache 2.0، وهو يسمح أيضًا بالاستخدام التجاري. غير أن لبعض المكوّنات الخارجية تراخيصها الخاصة، لذا ينبغي قبل الإنتاج فحص السلسلة كاملة، بما في ذلك المشفّر ووحدات فك الترميز.

وقوة الإصدار المفتوح بدأت تظهر بالفعل: ظهرت تكاملات خارجية مع ComfyUI وSGLang وWanGP وReactor، إضافة إلى أولى التطبيقات التجريبية. وأمس أضافت Tencent إلى قائمة المشاريع الخارجية مشروع Prelulu، ويعرض مطوّروه دراما مصغّرة تفاعلية بحوارات وبدائل لتطور القصة. وهذا مؤشر جيد إلى وجهة هذه النماذج: ليس نحو «لعبة الأحلام»، بل نحو فيديو تفاعلي يؤثر فيه المشاهد في الحبكة.

ماذا نفعل بهذا

إذا كنت تبني أدوات إبداعية أو نماذج أولية للألعاب، فإن Hy-Nomas يستحق التثبيت والتجربة: العرض التجريبي والشيفرة والأوزان متاحة بالفعل، وعقدة ComfyUI تدمج النموذج في خط العمل المعتاد. أما العاملون في الروبوتات فيجدون في محوّل Robotics وسيلة مثيرة للاهتمام للحصول على فيديو اصطناعي للتعامل مع الأجسام. وعلى مديري المنتجات أن يقدّروا ما إذا كان المستخدم سيتحمل انتظار التوليد في سيناريوهات مثل القصص التفاعلية ومحاكاة التدريب.

لا ينبغي توقع أن يكون الإصدار بديلًا جاهزًا لمحرك الألعاب: لا يوجد 3D، ولا عمل مؤكَّد في الوقت الفعلي، والذاكرة محدودة. لكنه، بوصفه أساسًا مفتوحًا لتجارب العوالم التي تتذكر تاريخها، أحد أكثر الخيارات إتاحةً اليوم.