Início 23/11Turma 3 ao vivo de Vibe Coding & Agentes de IA: 3 semanas, 9 aulas ao vivoTurma 3 (23/11) →
LançamentoAnálise · No radarTG: @neurogen_news (Neurogen)→ original

Tencent lança o Hy-Nomas: vídeo gerado em partes, com controle estilo game em uma única RTX 4090

Um modelo de vídeo comum entrega o clipe inteiro, e não há como girar a câmera no décimo segundo sem disparar uma nova geração. A Tencent abriu o Hy-Nomas, que gera o vídeo em trechos e permite mover a câmera, adicionar objetos e definir eventos por texto entre um trecho e outro. O modelo lembra os quadros anteriores, então o mundo não é redesenhado a cada passo. Para uma única RTX 4090 existe uma configuração com quantização, mas a velocidade não foi informada.

Processado por IA de TG: @neurogen_news (Neurogen); editado por Hamidun News
Tencent lança o Hy-Nomas: vídeo gerado em partes, com controle estilo game em uma única RTX 4090
Fonte: TG: @neurogen_news (Neurogen). Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalTG: @neurogen_news (Neurogen) ↗
Editor-chefe
Dado-chave #1Na demonstração, o mundo se percorre com WASD, como em jogos
Dado-chave #2Na RTX 4090, parte dos cálculos vai para a memória RAM
Dado-chave #3FPS e velocidade de geração de vídeo são coisas diferentes, e não há números para a 4090

A maioria dos modelos de vídeo funciona como uma máquina de escrever sem botão de voltar: você escreve o prompt, espera e recebe o clipe pronto. Se no décimo segundo a câmera precisa girar para a direita ou um carro precisa aparecer no quadro, resta mudar a solicitação e rodar tudo de novo. A Tencent publicou em acesso aberto o modelo Hy-Nomas, que funciona de outra forma: ele cria o vídeo por partes, e quem controla a continuação é o usuário.

É possível se mover por esse mundo com as teclas WASD e as setas, como em um jogo de computador comum (W, A, S, D correspondem a frente, esquerda, trás e direita). Segundo os autores, o modelo pode ser executado em uma única RTX 4090, uma placa de vídeo topo de linha para jogos, com 24 GB de memória, que fica em computadores domésticos e não em data centers.

Como isso funciona na prática

Imagine uma cena de jogo: o herói está parado em uma praça. Você gera o primeiro trecho, olha para ele e decide o que fazer em seguida. É possível deslocar a câmera, colocar uma fonte na praça, trocar a luz do dia pela luz do entardecer ou escrever em texto que uma carroça surge da esquina. O próximo trecho do vídeo já é construído levando em conta essas instruções, e não é preciso reiniciar a geração do zero.

Por isso o Hy-Nomas se aproxima mais de um "modelo de mundo" interativo do que de um gerador de clipes clássico. Você não encomenda um vídeo pronto; você o conduz durante a criação, e nas integrações disponíveis isso é feito com a mesma combinação de WASD e setas.

O principal problema técnico desses sistemas é conhecido por quem já viu vídeos longos gerados por IA: após alguns segundos, o prédio muda de forma, a estrada muda de cor e os objetos desaparecem. De acordo com a descrição dos desenvolvedores, o Hy-Nomas usa o histórico da geração, ou seja, se apoia nos trechos já criados. Com isso, o mundo se mantém coerente e não é redesenhado a cada passo. Não dá para avaliar pela descrição o quão bem isso funciona em sessões longas: para verificar, há a demonstração e o repositório.

Execução em uma única placa de vídeo

Para os entusiastas, o detalhe mais interessante é a configuração para uma única RTX 4090. Ela é obtida com quantização, isto é, armazenando os pesos do modelo em um formato mais compacto. Parte dos componentes de cálculo é transferida para a memória RAM do computador. É um recurso conhecido: ele permite encaixar um modelo grande nos 24 GB de memória de vídeo, mas normalmente custa velocidade, porque os dados precisam ir e vir entre a memória do computador e a placa de vídeo.

Aqui é preciso cautela. Os desenvolvedores não informam uma velocidade específica para a 4090. Além disso, frames por segundo (FPS) e velocidade de geração de vídeo são grandezas diferentes. O modelo pode mostrar movimento fluido em um vídeo pronto e, ainda assim, levar minutos para criar esse mesmo vídeo. Para o controle interativo, o que importa é o tempo de resposta: quanto se passa entre apertar uma tecla e aparecer o próximo trecho. Por enquanto, esses números não existem, e chamar a execução na 4090 de "jogável" seria precipitado.

O que devem fazer desenvolvedores e gerentes de produto

Primeiro, vale testar a demonstração para entender onde hoje passa a fronteira entre geração de vídeo e simulação interativa. Para protótipos de cenas de jogos, previsualização em cinema e publicidade, simulações de treinamento e conceitos de níveis, a ideia de controle passo a passo parece mais prática do que a busca infinita por prompts.

Segundo, o código aberto permite verificar as afirmações no próprio hardware. Se você tem uma RTX 4090, meça duas coisas: quantos segundos passam entre o comando e o novo trecho, e por quanto tempo o mundo mantém a coerência. São esses números que definem se o modelo serve para um produto, e não a demonstração bonita.

Terceiro, convém acompanhar como o Hy-Nomas será comparado a outros modelos de mundo. A abordagem em que você conduz a geração, em vez de encomendá-la por inteiro, está se tornando uma classe própria de ferramentas. A implementação aberta da Tencent reduz a barreira de entrada: pesquisadores e pequenos estúdios ganham uma base para experimentar, sem esperar por serviços fechados.

Por enquanto, o quadro é este: a ideia está clara, o código foi publicado, a execução em uma placa de vídeo de consumo foi anunciada, e o parâmetro-chave, a velocidade na 4090, não foi apresentado pelos autores. Para um lançamento recente, isso é normal, mas a avaliação do modelo deve se basear nas suas próprias medições, e não apenas na descrição.

História

Perguntas frequentes sobre a notícia

Como isso funciona na prática?

Imagine uma cena de jogo: o herói está parado em uma praça. Você gera o primeiro trecho, olha para ele e decide o que fazer em seguida. É possível deslocar a câmera, colocar uma fonte na praça, trocar a luz do dia pela luz do entardecer ou escrever em texto que uma carroça surge da esquina. O próximo trecho do vídeo já é construído levando em conta essas instruções, e não é preciso reiniciar a geração do zero.

O que se sabe sobre Execução em uma única placa de vídeo?

Para os entusiastas, o detalhe mais interessante é a configuração para uma única RTX 4090. Ela é obtida com quantização, isto é, armazenando os pesos do modelo em um formato mais compacto. Parte dos componentes de cálculo é transferida para a memória RAM do computador. É um recurso conhecido: ele permite encaixar um modelo grande nos 24 GB de memória de vídeo, mas normalmente custa velocidade, porque os dados precisam ir e vir entre a memória do computador e a placa de vídeo. Aqui é preciso cautela.

O que devem fazer desenvolvedores e gerentes de produto?

Primeiro, vale testar a demonstração para entender onde hoje passa a fronteira entre geração de vídeo e simulação interativa. Para protótipos de cenas de jogos, previsualização em cinema e publicidade, simulações de treinamento e conceitos de níveis, a ideia de controle passo a passo parece mais prática do que a busca infinita por prompts. Segundo, o código aberto permite verificar as afirmações no próprio hardware.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ 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
O que você acha?
Carregando comentários…