腾讯开源 Hy-Nomas 世界模型，支持文本与镜头多轮交互生成

腾讯发布开源视频世界模型 Hy-Nomas，可通过文本指令和镜头控制进行多轮自由交互，逐段生成并延续同一世界。模型采用分段自回归 DiT 架构，结合 Qwen2.5-VL-7B 文本编码器、镜头条件模块和 PixelUMM 解码器，蒸馏配置为 8 步去噪、720×1280 分辨率、24 FPS。