Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
IndustriaAnálisis · En radarTG: @neurogen_news (Neurogen)→ original

Tencent publica Hy-Nomas: vídeo por fragmentos con control tipo videojuego en una sola RTX 4090

Un modelo de vídeo convencional genera el clip completo, y no es posible girar la cámara en el segundo diez sin lanzar una nueva generación. Tencent ha publicado Hy-Nomas, que crea el vídeo por fragmentos y permite mover la cámara, añadir objetos y definir eventos mediante texto entre uno y otro. El modelo recuerda los fotogramas anteriores, de modo que el mundo no se redibuja desde cero. Hay una configuración con cuantización para una sola RTX 4090 de consumo, pero no se indica la velocidad.

Procesado por IA desde TG: @neurogen_news (Neurogen); editado por Hamidun News
Tencent publica Hy-Nomas: vídeo por fragmentos con control tipo videojuego en una sola RTX 4090
Fuente: TG: @neurogen_news (Neurogen). Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalTG: @neurogen_news (Neurogen) ↗
Editor jefe
Dato clave #1En la demo, el mundo se recorre con WASD, como en los videojuegos
Dato clave #2En la RTX 4090, parte de los cálculos pasa a la memoria RAM
Dato clave #3FPS y velocidad de generación de vídeo son cosas distintas, y no hay cifras para la 4090

La mayoría de los modelos de vídeo funcionan como una máquina de escribir sin botón de «atrás»: escribes un prompt, esperas y obtienes un clip terminado. Si en el segundo diez quieres que la cámara gire a la derecha o que aparezca un coche en el encuadre, solo queda cambiar la petición y volver a lanzar todo. Tencent ha publicado en acceso abierto el modelo Hy-Nomas, que funciona de otra manera: genera el vídeo por partes y el usuario controla la continuación.

Por este mundo se puede moverse con las teclas WASD y las flechas, como en un videojuego normal (W, A, S, D corresponden a adelante, izquierda, atrás y derecha). Y según los autores, el modelo puede ejecutarse en una sola RTX 4090, una tarjeta gráfica de gama alta con 24 GB de memoria que se monta en ordenadores domésticos, no en centros de datos.

Cómo funciona en la práctica

Imagina una escena de juego: un héroe está en una plaza. Generas el primer fragmento, lo miras y decides qué hacer. Puedes mover la cámara, añadir una fuente en la plaza, cambiar la luz del día por la del atardecer o escribir en texto que una carreta sale de la esquina. El siguiente fragmento se construye ya teniendo en cuenta tus indicaciones, y no hace falta reiniciar la generación desde cero.

Por eso Hy-Nomas se acerca más a un «modelo del mundo» interactivo que a un generador de clips clásico. No encargas un vídeo terminado, sino que lo diriges sobre la marcha, y en las integraciones disponibles lo haces con la misma combinación de WASD y flechas.

El principal problema técnico de estos sistemas le resulta familiar a cualquiera que haya visto vídeos largos generados por IA: a los pocos segundos, un edificio cambia de forma, una carretera cambia de color y los objetos desaparecen. Según la descripción de los desarrolladores, Hy-Nomas utiliza el historial de generación, es decir, se apoya en los fragmentos ya creados. Gracias a ello, el mundo se mantiene coherente y no se redibuja en cada paso. Con la información disponible no se puede valorar qué tan bien funciona en sesiones largas: para comprobarlo están la demo y el repositorio.

Ejecución en una sola tarjeta gráfica

Para los entusiastas, el detalle más interesante es la configuración para una sola RTX 4090. Se consigue mediante cuantización, es decir, almacenando los pesos del modelo en un formato más compacto. Algunos componentes de cálculo se trasladan a la memoria RAM del ordenador. Es un recurso conocido: permite encajar un modelo grande en 24 GB de VRAM, pero suele costar velocidad, porque los datos tienen que moverse constantemente entre la memoria del equipo y la tarjeta gráfica.

Aquí conviene ser prudentes. Los desarrolladores no indican una velocidad concreta para la 4090. Además, los FPS (fotogramas por segundo) y la velocidad de generación de vídeo son magnitudes distintas. El modelo puede mostrar un movimiento fluido en el clip final, mientras que crear ese clip tarda minutos. Para el control interactivo lo que importa es la latencia: cuánto tiempo pasa entre pulsar una tecla y la aparición del siguiente fragmento. Por ahora no hay esas cifras, así que calificar el funcionamiento en una 4090 de «jugable» sería prematuro.

Qué deberían hacer desarrolladores y responsables de producto

Primero, conviene probar la demo para entender dónde se sitúa hoy la frontera entre la generación de vídeo y la simulación interactiva. Para prototipos de escenas de juego, previsualización en cine y publicidad, simulaciones de formación y conceptos de niveles, la idea del control paso a paso parece más práctica que el ajuste interminable de prompts.

Segundo, el código abierto permite contrastar las afirmaciones con tu propio hardware. Si tienes una RTX 4090, mide dos cosas: cuántos segundos pasan desde el comando hasta el nuevo fragmento y cuánto tiempo mantiene el mundo su coherencia. Esas cifras son las que determinan si el modelo sirve para un producto, no la demo vistosa.

Tercero, merece la pena seguir cómo se compara Hy-Nomas con otros modelos de mundo. El enfoque en el que diriges la generación en lugar de encargarla completa se está convirtiendo poco a poco en una clase de herramientas propia. La implementación abierta de Tencent reduce la barrera de entrada: investigadores y estudios pequeños obtienen una base para experimentar sin esperar a servicios cerrados.

El balance por ahora: la idea está clara, el código está publicado, se anuncia la ejecución en una tarjeta gráfica de consumo y el parámetro clave, la velocidad en la 4090, no lo han dado los autores. Para un lanzamiento reciente es algo normal, pero conviene evaluar el modelo con mediciones propias y no solo con su descripción.

Historia

Preguntas frecuentes sobre la noticia

Cómo funciona en la práctica?

Imagina una escena de juego: un héroe está en una plaza. Generas el primer fragmento, lo miras y decides qué hacer. Puedes mover la cámara, añadir una fuente en la plaza, cambiar la luz del día por la del atardecer o escribir en texto que una carreta sale de la esquina. El siguiente fragmento se construye ya teniendo en cuenta tus indicaciones, y no hace falta reiniciar la generación desde cero. Por eso Hy-Nomas se acerca más a un «modelo del mundo» interactivo que a un generador de clips clásico.

¿Qué se sabe sobre Ejecución en una sola tarjeta gráfica?

Para los entusiastas, el detalle más interesante es la configuración para una sola RTX 4090. Se consigue mediante cuantización, es decir, almacenando los pesos del modelo en un formato más compacto. Algunos componentes de cálculo se trasladan a la memoria RAM del ordenador. Es un recurso conocido: permite encajar un modelo grande en 24 GB de VRAM, pero suele costar velocidad, porque los datos tienen que moverse constantemente entre la memoria del equipo y la tarjeta gráfica. Aquí conviene ser prudentes.

¿Qué se sabe sobre Qué deberían hacer desarrolladores y responsables de producto?

Primero, conviene probar la demo para entender dónde se sitúa hoy la frontera entre la generación de vídeo y la simulación interactiva. Para prototipos de escenas de juego, previsualización en cine y publicidad, simulaciones de formación y conceptos de niveles, la idea del control paso a paso parece más práctica que el ajuste interminable de prompts. Segundo, el código abierto permite contrastar las afirmaciones con tu propio hardware.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…