Hy-Memory-30B-A3B stiller Release: Tencent hat einen Memory-Writer auf Hugging Face veröffentlicht, ohne Launch-Post

Hy-Memory-30B-A3B ist ein Mixture-of-Experts-Modell mit 30 Milliarden Parametern vom Hunyuan-Team, das keine Fragen beantwortet. Es schreibt Erinnerung. Es entscheidet, was ein lang laufender Agent behalten sollte, wie präzise er es formulieren sollte und wie eine neue Tatsache eine alte innerhalb einer persistenten Speicherbank überschreiben sollte — der Schritt, den bisher jedes Agent-Framework an ein Allzweck-Chatmodell abgegeben hat. Die Gewichte wurden auf Hugging Face veröffentlicht am 15. Oktober 2026, der technische Bericht folgte am selben Tag unter arXiv 2610.22196, das GitHub-Repository wurde noch am selben Nachmittag geöffnet, und der Tag v1.0.0 wurde gesetzt am 16. Oktober. Zum Zeitpunkt des Verfassens verzeichnet das Repository null Downloads und eine einstellige Like-Zahl auf der Modellkarte. Es gibt keine Hersteller-Launch-Seite, keine Preisangabe, keinen gehosteten Endpoint und keine Ankündigung, die wir außerhalb der README des Projekts selbst finden konnten. Benchmarks altern und Preise ändern sich; die Fehlerhistorie nicht: Die dokumentierten KI-Vorfälle und Agent-Ausfälle hinter Modellen dieser Klasse sind gesammelt in dem OrcaRouter AI Incident Archive, wo jeder Eintrag eigene Quellen, Schweregrad, Vertrauensstufe und Streit-Kennzeichnung trägt.

That is the honest shape of this release: a paper, a repo, a checkpoint, and an evaluation table that claims to beat Claude Opus 5. Everything below is either read directly out of the repository or labelled as the vendor's own unverified claim. Nothing here has been reproduced by a third party, because nothing here has been run by a third party.

Was tatsächlich im Repository enthalten ist und was nicht

Die überprüfbaren Fakten, jeweils eine Zeile:

• Modell — tencent/Hy-Memory-30B-A3B, veröffentlicht unter Apache 2.0, mit den Tags Englisch und Chinesisch.

• Größe — insgesamt 30B Parameter, etwa 3B aktiv pro Token, was das A3B-Suffix bedeutet.

Architektur — 48 Schichten, von denen 1 ein dichter Feed-Forward-Block und 47 sparse MoE-Blöcke sind; 128 Experten pro Block mit Top-8-Routing plus einem geteilten Experten; Hidden-Size 2.048; Intermediate-Width der Experten 768; 32 Attention-Heads gegenüber 4 Key-Value-Heads mit Query-Key-Normalisierung; ein Sigmoid-Router mit einem Experten-Bias-Term.

• Kontext — 262.144 Positionen aus der Konfigurationsdatei, mit einer RoPE-Basis von 11.158.840.

• Speicherbedarf — 51 Safetensors-Shards mit insgesamt etwa 60,1 GB in BF16.

• Bereitgestellt mit — vLLM, getestet gegen v0.31.0, hinter einem OpenAI-kompatiblen Endpunkt. Die Karte nennt keine andere Laufzeitumgebung und keinen Inferenzanbieter.

• Nicht vorhanden – es gibt kein GGUF, keinen FP8- oder NVFP4-Build, kein Fine-Tuning, keine Quantisierung und keinerlei Derivat im Hugging-Face-Suchindex. Das Team hat einen einzigen BF16-Checkpoint in einer einzigen Präzision veröffentlicht.

Diese letzte Zeile wiegt schwerer, als sie beim bloßen Lesen erscheint. Das Granite-Team veröffentlichte FP8-, MXFP4-, NVFP4- und GGUF-Builds von Granite 4.2 30B innerhalb weniger Tage nach den Basisgewichten. Liquid AI liefert ein Q4_K_M-GGUF von LFM2.5-24B-A2B mit 14,5 GB. Damit sagen diese Anbieter, wo das Modell ihrer Erwartung nach laufen soll. Ein 60-GB-BF16-Checkpoint ohne Quantisierungspfad sagt Ihnen, dass dieser hier auf alle abzielt, die bereits über die GPUs verfügen – sehr wahrscheinlich die Leute, die Speicherinfrastruktur in großem Maßstab betreiben, und genau das ist die Zielgruppe, die die Modellkarte nennt.

Wofür das Modell tatsächlich gedacht ist

Der Unterschied zwischen einem Memory Writer und einem Agenten ist der eigentliche Kern dieser Veröffentlichung, und er ist leicht zu übersehen, weil sich die Modellkarte wie jede andere Modellkarte liest.

Ein Agenten-Framework – Mem0, MemOS, Hy-Memory, EverMemOS – sitzt zwischen einer Konversation und einem persistenten Speicher. Bei jedem Turn muss etwas den eingehenden Austausch lesen, entscheiden, welche Fragmente es wert sind, behalten zu werden, sie so formulieren, dass sie später wiedergefunden werden können, und sie mit dem abgleichen, was bereits gespeichert ist. Heute ist dieses Etwas ein Frontier-Chatmodell mit einem darauf aufgesetzten frameworkspezifischen Prompt. Die Problemrahmung des Papers sind die Kosten und die Übertragbarkeit: Ein allgemeines Modell hinter einem Memory-Prompt ist bei jedem Turn teuer im Betrieb, und ein auf das Protokoll eines Frameworks abgestimmter Writer lässt sich nicht sauber auf das eines anderen übertragen.

Hy-Memory-30B-A3B is trained to be that writer across three frameworks at once — Mem0, MemOS and the project's own Hy-Memory, across chat, working and coding scenes — and it is then tested on a fourth, EverMemOS, that was held out of training entirely. The held-out harness is the most interesting design decision in the paper. Cross-framework transfer is the claim the entire model rests on, and holding one framework back is how you would test it if you were being serious about it.

The model is driven with reasoning_effort: "no_think" and temperature 0.0 in the project's own quickstart, which is a telling default. A writer does not need to deliberate; it needs to be deterministic and cheap, because it fires on every single turn.

Das zweistufige Training, einfach erklärt

Die Karte beschreibt das Rezept als Memory On-Policy Distillation, gefolgt von Attributed Memory Reinforcement Learning, und in der zweiten Phase liegt der Beitrag des Papers.

In der ersten Phase liefert ein Lehrer dichte Überwachung für Gedächtniszustände, die der Schüler selbst erzeugt hat – On-Policy, sodass der Schüler an seinen eigenen Fehlern korrigiert wird und nicht an den Trajektorien eines Lehrers. In der zweiten Phase baut das Framework Gedächtnisbanken aus Rollouts auf, bewertet sie Chunk für Chunk und trägt die ausgewählte Bank über Fenster hinweg weiter, statt sie zwischen ihnen zurückzusetzen. Dieses Weiterreichen ist der Teil, der das Training im Einklang damit hält, wie das Modell tatsächlich bereitgestellt wird, wo eine Bank nie leer ist und jeder Schreibvorgang auf allem aufsetzt, was zuvor geschrieben wurde. Credit wird auf Chunk-Ebene zugerechnet, mit einer expliziten Strafe für übermäßige Speicherung – ein Schreiber, der alles behält, ist nutzlos, also muss die Belohnung das einpreisen.

Nichts davon ist unabhängig verifiziert. Es ist eine kohärente Beschreibung einer Trainingsmethode, veröffentlicht zusammen mit einem Repository, das den Code enthält – was mehr ist, als die meisten Behauptungen zum Veröffentlichungstag mit sich bringen.

Die Bewertung, gelesen so, wie sie gelesen werden sollte

Here is the headline, and here is everything wrong with taking it at face value.

• Hy-Memory-30B-A3B — 55,49 Makrodurchschnitt über vier Testumgebungen.

• Claude Opus 5 — 54.62.

• DeepSeek V4.1 Flash — 53.64.

• Hy3 — 51.63.

• Qwen3.6-35B-A3B — 50.37.

• Qwen3-30B-A3B — 44,37.

A 3B-active specialist beating a frontier model by 0.87 of a point on a memory task is a plausible result — the task is narrow and the specialist was trained for it, which is the same argument that makes small code-completion models competitive on single-file edits. But the caveats are load-bearing. Every benchmark in the main matrix runs on a fixed 20% subsample rather than the full set. The evaluation changes only the writer, holding the harness, prompts, retrieval configuration, answer model and judge fixed, which is the right experimental design, but the design and the harness are the project's own. The per-harness spread is also wider than the macro average suggests: the model leads on Mem0 at 54.02 and Hy-Memory at 60.55, and its MemOS result of 50.51 is 0.01 of a point above Claude Opus 5's 50.50 — a dead heat dressed as a win. Its strongest number, 56.89 on the held-out EverMemOS harness, is the one that would matter most if it reproduced, and the one nobody has tried to reproduce.

Behandle all das als vom Anbieter gemeldet. Nicht als verdächtig — sondern als nicht reproduziert, was etwas anderes ist. Ein Modell, das gestern mit einem Repo und einem Paper veröffentlicht wurde, hat das Recht verdient, getestet zu werden, nicht das Recht, geglaubt zu werden.

Diese Seite ist die einzige Primärquelle für die gesamte Veröffentlichung. Es gibt keinen Blogbeitrag, keine Anbieterankündigung und keinen Artikel von Dritter Seite, mit dem man sie gegenprüfen könnte.

Was noch unbestätigt ist, klar gesagt.

• Es existiert keinerlei unabhängiger Benchmark. Nichts auf Artificial Analysis, keine Arena-Platzierung, kein Lauf einer Third-Party-Testumgebung.

• Keine Reproduktion der Cross-Harness-Tabelle. Insbesondere das zurückgehaltene EverMemOS-Ergebnis ist ein einzelner Vendor-Durchlauf.

• Keine realen Kostenzahlen. Schreibvorgänge in den Speicher sind eine Arbeitslast mit hoher Frequenz und kurzer Ausgabe, doch niemand hat für dieses Modell Tokens pro Schreibvorgang oder Kosten pro Konversation veröffentlicht.

• Keine Quantisierung, also kein gemessener Speicherbedarf unter 60 GB.

• Keine Belege dafür, was es tut, wenn das Memory-Framework sein Protokoll ändert – das Paper testet den Transfer zwischen Frameworks, nicht zwischen Versionen eines Frameworks.

• Ob das Team beabsichtigt, es zu hosten. Die Model Card gibt an, dass das Modell von keinem Inferenzanbieter bereitgestellt wird, und nichts im Repo deutet darauf hin, dass ein gehosteter Endpoint kommt.

Wenn du es ausführen möchtest, und wo ein Router ins Spiel kommt

Realistisch betrachtet ist das eine Self-Hosting-Entscheidung. Der Pfad in der Karte ist vLLM 0.31.0 hinter einer OpenAI-kompatiblen API, was bedeutet, dass das Modell per Base-URL-Austausch in ein bestehendes Harness integriert werden kann. Das ist der günstige Teil. Der teure Teil ist, dass ein 60-GB-BF16-Checkpoint ohne quantisiertes Gegenstück ernsthafte Hardware benötigt, bevor er auch nur einen einzigen Speicher schreibt.

Hier lohnt es sich, genau zu sein, was ein Router tut und was nicht. Hy-Memory-30B-A3B ist nicht im OrcaRouter-Katalog und wir hosten es nicht – der Weg dorthin führt über den Checkpoint und deine eigenen GPUs. Was ein Router abdeckt, ist die andere Hälfte des Harness. Ein Memory-Writer wird zusammen mit einem Antwortmodell aufgerufen, und das Antwortmodell ist normalerweise ein gehostetes Frontier-Modell, das die Memory-Bank zurückliest und antwortet. OrcaRouter bietet dir einen API-Schlüssel für 200+ gehostete Modelle zu 0 % Aufschlag, sodass Preissenkungen der Anbieter noch am selben Tag weitergegeben werden, mit automatischem Failover, falls ein Backend beeinträchtigt ist. Die Routing-DSL ist das Element, das speziell zu dieser Architektur passt: Sie kombiniert einen selbst gehosteten Endpunkt und einen gehosteten zu einem einzigen Aufruf, was genau der Form eines Memory-Systems entspricht – ein günstiger Spezialist auf dem Schreibpfad, ein Frontier-Modell auf dem Lesepfad, ein Schlüssel vor beiden.

Das Muster lohnt sich zu bauen, noch bevor du den Writer laufen hast, denn es ist identisch, ob der Schreibpfad Hy-Memory-30B-A3B oder ein allgemeines Modell mit einem Memory-Prompt ist. Der Router kümmert sich nicht darum, welcher von beiden, und der spätere Austausch des einen gegen den anderen sollte eine Bearbeitung der Routing-Tabelle statt einer Neufassung sein.

Was zu sehen

Drei Dinge würden dies von einem Paper zu einem Produkt machen. Ein quantisierter Build: Ein FP8- oder Q4-Checkpoint ist der Unterschied zwischen einem Rechenzentrumsmodell und einem, das jemand auf einer Workstation evaluieren kann, und sein Fehlen ist das größte einzelne Hindernis dafür, dass irgendjemand die Zahlen überprüft. Ein unabhängiger Harness-Lauf: Die zurückgehaltene EverMemOS-Transfer-Behauptung ist die ganze These, und sie verdient einen Test durch jemanden, der kein Eigeninteresse daran hat. Und ein gehosteter Endpoint: nicht weil Self-Hosting falsch ist, sondern weil das Design des Modells selbst – deterministisch, ohne Nachdenken, kurze Ausgaben, bei jedem Turn ausgelöst – natürlicherweise zu einer API passt, und sein Fehlen legt nahe, dass das Team dies als Infrastruktur betrachtet, die es an Leute ausliefert, die bereits Infrastruktur betreiben.

Bis dahin ist die richtige Haltung diejenige, zu der das Release selbst einlädt. Lies das Repo, führe den Quickstart auf der Hardware aus, die du gerade hast, und behandle die Tabelle als Hypothese.