腾讯 Hy-Nomas 开放 Diffusers 权重：多轮交互式世界生成，本地能跑但门槛不低

如果你的需求是“让视频生成记住前面发生了什么，并且能一边生成一边下达新指令”，那这次腾讯混元开放的新仓库值得关注。腾讯混元官方在 Hugging Face 新增了 tencent/Hy-Nomas-Diffusers，提供 Hy-Nomas 的 BF16 Diffusers 格式权重，模型页显示 9B 参数、Apache-2.0 许可，基础模型为 tencent/Hy-Nomas。

先说清楚它是什么。官方仓库把它描述为“一种面向自由形式交互式世界生成的视频模型”，通过文本指令和镜头控制支持多轮交互：它一段视频一段视频地生成世界，用户可以在生成过程中引入物体、改变风格和场景、描述动作，或者控制镜头。

这跟常见的“一句提示词出几秒片段”的文生视频不同。更准确的理解类似一段可以反复续写的剧本：前一段生成的内容会作为上下文保留，后一段接着往下写，而不是重新抽一次随机数。官方把这种能力的关键点写成三条：自由形式交互、镜头轨迹控制、以及借助 KV 缓存复用历史上下文实现连续生成。

先搞懂两个术语，再看能不能上手

“Diffusers 格式”可以理解为把一套模型拆成标准零件的打包方式——像把散装零件按说明书分好类，标好型号，这样主流推理框架能直接按目录加载，不用自己拼装。这份仓库里就摆着这些零件：transformer 目录是蒸馏后的 HyNomasTransformer3DModel，decoder 目录是微调过的 PixelUMMDecoder，text_encoder 目录是 Qwen2_5_VLTextModel，还有 Qwen 分词器文件、FlowMatchEulerDiscreteScheduler 调度器配置，以及一份描述各组件如何加载的 modular_model_index.json。官方说明这些是用 HyNomasModularPipeline.save_pretrained() 序列化出来的。

“KV 缓存”是模型自己记东西用的空间：生成时把已经算过的注意力键值留在显存里，下一段直接接着用，不用从头再算。好处是上下文能延续，代价是显存占用会随着保留的历史增长——官方在运行环境注意事项里明确写了这一点：“Retaining history across segments increases KV cache memory use.”

官方给出的运行条件

安装方式不是普通的 pip install diffusers，而是从源码分支装：官方给出的命令是 pip install -e "diffusers[hy-nomas] @ git+https://github.com/jiaxiangc/diffusers.git@hy-nomas"，并且要求先升级 diffusers 才能使用 HyNomasModularPipeline。

示例代码把组件加载到一块 CUDA GPU 上，用 bfloat16 精度，输出 704 × 1280、24 FPS，每个片段 4 步去噪，示例里生成了两个五秒片段，合计十秒。官方同时说明：示例默认用 PyTorch 的 SDPA 注意力实现，如果要贴近原生实现的效果，需要另外安装 FlashAttention 2、FlashAttention 3 和 MagiAttention 这几个可选内核——它们不由 hy-nomas 这个 extra 自动安装。

硬件方面官方没有给出统一门槛，只说明示例把 BF16 组件加载到单块 CUDA GPU 上，实际显存占用还取决于分辨率、片段长度和缓存的历史量；原生部署另有 INT8/FP8 的 RTX 4090 配置，属于另一套路径。生成速度同样取决于硬件和推理设置，没有固定承诺。