Hy-Memory-30B-A3B vs Qwen3.8-27B: Der Spezialist ist nicht der Rivale – er ist der Ersatz für die Aufgabe, für die Sie bereits einen Generalisten bezahlen.

Niemand entscheidet sich zwischen Hy-Memory-30B-A3B und Qwen3.8-27B wegen der Leistungsfähigkeit, denn sie treten nicht im selben Wettbewerb an. Qwen3.8-27B ist das dichte Vision-Language-Modell des Labs mit 27 Milliarden Parametern – Apache 2.0, nativer Kontext von 262.144 Token, veröffentlicht am 14. August 2026 und auf OrcaRouter für 0,33 $ pro Million Eingabe-Token und 2,40 $ pro Million Ausgabe-Token verfügbar. Hy-Memory-30B-A3B ist der Memory-Writer des Hunyuan-Teams – 30B insgesamt mit etwa 3B aktiv, Open Source seit 15. Oktober 2026 und nirgends gehostet, auch nicht von uns. Das eine ist ein Generalist, den man tokenweise mieten kann. Das andere ist eine Komponente, die man selbst hosten muss. Benchmarks altern und Preise ändern sich; die Fehlerbilanz nicht: Die dokumentierten KI-Vorfälle und Agent-Ausfälle hinter Modellen dieser Klasse sind in dem OrcaRouter AI Incident Archive gesammelt, wo jeder Eintrag eigene Quellen, einen Schweregrad, eine Konfidenzstufe und ein Kennzeichen für strittige Fälle trägt.

Der Grund, sie trotzdem nebeneinanderzustellen, ist, dass Hy-Memory-30B-A3B existiert, um eine bestimmte Sache zu ersetzen, und diese Sache ist sehr oft ein Qwen3.8-27B. Memory-Frameworks rufen bei jedem Turn ein Allzweckmodell auf, um zu entscheiden, was behalten wird. Wenn Sie dafür Qwen3.8-27B laufen lassen — und bei $0.33/$2.40 ist es eine naheliegende Wahl —, dann ist die ehrliche Frage nicht, welches Modell besser ist. Sie lautet, ob ein Spezialist mit 3B aktiven Parametern dieselbe Aufgabe gut genug erledigt, um die Hardware zu rechtfertigen, und an diese Frage ist ein Preisschild geknüpft, das Sie tatsächlich ausrechnen können.

Was Qwen3.8-27B ist, in den Begriffen, auf die es einem Speichersystem ankommt

Dense, das bedeutet, dass jeder einzelne seiner Parameter für jedes Token gelesen wird. 64 Schichten bei einer Hidden-Size von 5.120, mit einem 16-zu-1-Muster, das Gated-DeltaNet-Linear-Attention-Blöcke und Full-Attention-Blöcke abwechselt – ein Design, das ein Viertelmillion-Token-Fenster überhaupt erst bezahlbar zu bedienen macht. Es nimmt Text, Bilder und Videos entgegen und gibt Text zurück, was hier aus einem banalen Grund wichtig ist: Ein großer Teil dessen, von dem Menschen wollen, dass ein Agent es sich merkt, kommt als Screenshot oder Dokument statt als Prosa an.

Das eigene Datenblatt des Anbieters nennt 90,3 auf LiveCodeBench v6, 89,2 auf GPQA Diamond, 73,0 auf Terminal-Bench 2.1, 84,3 auf OSWorld-Verified und 79,5 auf IFBench — alles vom Anbieter angegeben, nicht von uns oder irgendjemandem, auf den wir uns speziell für die Speicherschreib-Workload berufen können, reproduziert. Das Modell hat seit seiner Veröffentlichung unabhängige Platzierungen erzielt, darunter ein Top-10-Ergebnis in einem Webentwicklungs-Arena-Leaderboard, aber keine davon misst, ob es guten Speicher schreibt. Noch nichts tut das.

Was es für diese Aufgabe zum Amtsinhaber macht, ist keine dieser Punktzahlen. Es ist, dass es Anweisungen präzise befolgt, ein JSON-Schema akzeptiert, ein 262K-Fenster hat, sodass man ihm eine lange Konversation ohne Chunking-Akrobatik übergeben kann, und günstig genug ist, um bei jeder Runde zu laufen.

Die obige Seite zeigt den praktischen Unterschied zwischen diesen beiden Modellen auf einem Bildschirm: Qwen3.8-27B hat eine Rate und eine Route, und Hy-Memory-30B-A3B hat weder das eine noch das andere.

Was Hy-Memory-30B-A3B anders macht

Das Hy-Memory-Modell ist für genau eine Aufgabe trainiert, und seine Modellkarte sagt das ohne Wenn und Aber: Es ersetzt das Allzweck-LLM in Mem0, MemOS und Hy-Memory und entscheidet, welche Informationen behalten, wie präzise sie dargestellt werden und wie neue Evidenz eine persistente Bank aktualisieren sollte. Anschließend wird es auf EverMemOS evaluiert, einem Framework, das vollständig aus dem Training herausgehalten wurde – die eine Designentscheidung in der Veröffentlichung, die am meisten Anerkennung verdient, denn der Transfer zwischen Frameworks ist die ganze Prämisse.

Das Training erfolgt in zwei Stufen, und die zweite Stufe ist die interessante. Memory On-Policy Distillation liefert dichte Überwachung auf Speicherzuständen, die der Student selbst erzeugt hat. Attributed Memory Reinforcement Learning baut dann Banken aus Rollouts auf, bewertet sie Chunk für Chunk, bestraft Überspeicherung und – das ist der Teil, der das Training ehrlich hält – führt die ausgewählte Bank über Fenster hinweg weiter, anstatt sie zwischen ihnen zurückzusetzen. Eine eingesetzte Bank ist nie leer, daher würde das Training gegen eine leere Bank bedeuten, sie für eine Situation zu trainieren, die nicht existiert.

Architektonisch besteht es aus 48 Schichten, einem dichten Block und 47 Sparse-MoE-Blöcken, 128 Experten bei Top-8-Routing plus einem geteilten Experten, einem Kontext von 262.144 Positionen und 60,1 GB BF16-Gewichten über 51 Shards. Es wurde kein quantisierter Build veröffentlicht.

Die Rechnung machen, die die Karten nicht machen

Beide Modelle werden bei jedem Turn einer langen Konversation ausgelöst. Dadurch wird der Schreibpfad zu einem Volumenproblem, und beim Volumen sollte sich die geringere Anzahl aktiver Parameter eines Spezialisten bemerkbar machen.

Nehmen wir eine konkrete, ausdrücklich getroffene Annahme statt einer gemessenen: Ein Writer verarbeitet pro Turn etwa 800 Token Konversation und gibt etwa 150 Token strukturierten Speicher aus. Über 1.000 Turns sind das 800.000 Input-Token und 150.000 Output-Token pro Nutzer. Laut der Preistabelle von OrcaRouter für Qwen3.8-27B – der Listenpreis des Anbieters, durchgereicht mit 0 % Aufschlag, also 0,33 $ und 2,40 $ pro Million – kostet diese Konversation grob 0,26 $ für Input und 0,36 $ für Output, etwa 0,62 $, plus das, was der Lesepfad kostet, wenn ein Antwortmodell die Bank öffnet. Das ist Arithmetik auf veröffentlichten Tarifen, kein Benchmark, und Ihre Token-pro-Turn-Werte werden abweichen.

Für Hy-Memory-30B-A3B kosten dieselben 1.000 Turns pro Token nichts und pro Monat deutlich mehr, weil es keine Preisliste gibt. Das Modell wird selbst gehostet, und 60 GB BF16 ohne quantisierte Alternative selbst zu hosten, erfordert einen Beschleuniger mit genügend Speicher, um das unterzubringen – bevor man weiß, ob der Makro-Durchschnitt von 55.49 Bestand hat.

Der Trade-off ist also nicht günstig gegen teuer. Er ist verbrauchsabhängig gegen Kapital, und der Schnittpunkt hängt völlig davon ab, wie viele Turns du tatsächlich pro Monat schreibst. Ein Team, das ein paar tausend Gespräche pro Monat führt, ist mit ziemlicher Sicherheit besser dran, den Pro-Token-Tarif von Qwen3.8-27B zu zahlen und die Hardwarefrage nie anzufassen. Ein Team, das Memory über Millionen von Turns schreibt, betreibt sowieso Hardware, und der Spezialist wird interessant.

Die Karte oben ist der Punkt, an dem die Rechnung beginnt: Hinter dem Tarif von 0,33 $ steht ein herunterladbarer 27B-Checkpoint, und wenn Ihr Volumen hoch genug ist, um den Eigenbetrieb zu rechtfertigen, ist das ein unterstützter Weg mit veröffentlichten Quantisierungen dahinter.

Drei Dinge, die der Preisvergleich verbirgt

Die Kosten pro Token sind die einfachste Achse und die am wenigsten entscheidende. Drei andere sind wichtiger.

Multimodalität. Qwen3.8-27B verarbeitet Bilder und Videos. Im Datenblatt von Hy-Memory-30B-A3B ist Texteingabe angegeben, Englisch und Chinesisch. Wenn das Gedächtnis Ihres Agenten Screenshots, gescannte Dokumente oder Video-Frames enthält, leistet der Generalist Arbeit, die der Spezialist strukturell gar nicht leisten kann, und kein noch so großer Kostenvorteil wiegt das auf.

Kontext.Beide geben 262.144 Positionen an, was ein echter und nützlicher Zufall ist – keiner von beiden hat einen Vorteil darin, wie viel Konversation man ihm auf einmal übergeben kann.

Veröffentlichte Präzision. Qwen3.8-27B wird als BF16 ausgeliefert, mit einem offiziellen FP8-Build und GGUF-Konvertierungen von mehreren Anbietern, und OrcaRouter stellt eine Block-FP8-Version mit dem Vision-Tower in voller Präzision bereit. Hy-Memory-30B-A3B wird als BF16 ausgeliefert und sonst nichts. Diese Zeile entscheidet, ob du es auf einer geliehenen Karte evaluieren kannst oder eine reservieren musst.

Die Routing-Antwort, die sich je nach dem gewählten Modell unterscheidet

Hier trennen sich die beiden Wege klar, und es lohnt sich, präzise statt werblich zu sein.

Qwen3.8-27B ist im Katalog von OrcaRouter. Sie rufen es über denselben API-Schlüssel ab wie rund 200 andere Modelle, zum Listenpreis des Anbieters mit 0 % Aufschlag – eine Preissenkung des Anbieters ist hier also noch am selben Tag live und nicht erst im nächsten Abrechnungszyklus – mit automatischem Failover, falls ein Backend beeinträchtigt ist. Für ein Memory-Harness ist der nützliche Teil die Routing-DSL: Sie kombiniert mehrere Modelle zu einem einzigen Aufruf, und so betreiben Sie einen Writer und ein Antwortmodell hinter einem einzigen Endpunkt, ohne einen zweiten Client bauen zu müssen. Modell-Fusion, bei der ein Panel von Modellen gemeinsam antwortet, ist das Werkzeug, um empirisch herauszufinden, ob ein spezialisierter Writer bessere Banks erzeugt als der Generalist – lassen Sie beide gegen dieselbe Konversation laufen, vergleichen Sie die Antworten und hören Sie auf, darüber zu diskutieren.

Hy-Memory-30B-A3B ist nicht in unserem Katalog, und wir hosten es nicht. Der Weg dorthin führt über den Checkpoint vom Team und deine eigene Hardware. Wenn du es selbst hostest, deckt ein Router trotzdem den Rest des Loops ab – das gehostete Antwortmodell, das die Bank zurückliest, die Planungsaufrufe darum herum – und du kannst deinen eigenen Endpoint neben den gehosteten registrieren, sodass Failover und Ein-Tasten-Zugriff für beide gelten.

Wer sollte was tun

Wenn du heute Memory-Writing auf einem gehosteten Generalisten ausführst, ist die ehrliche erste Frage nicht, ob du wechseln solltest. Sie lautet, wie viele Turns du tatsächlich pro Monat schreibst. Unterhalb einer Schwelle, die nur du berechnen kannst, ist Qwen3.8-27B zu einem Pro-Token-Tarif die rationale Wahl, und die Hardware-Anforderung von Hy-Memory-30B-A3B ist eine Ablenkung – insbesondere, wenn dein Memory Bilder enthält, wo der Spezialist nichts zu bieten hat.

Wenn Sie Memory in einem Umfang schreiben, bei dem die Zeile pro Token zu einem echten Budgetposten geworden ist, ist Hy-Memory-30B-A3B das erste offene Modell, das genau auf diese Zeile abzielt, und die Tatsache, dass es gegen ein Hold-out-Framework getestet wurde, ist das Zeichen dafür, dass jemand über Generalisierung nachgedacht hat und nicht über eine Demo. Warten Sie auf einen quantisierten Build. Warten Sie, bis jemand außerhalb des Teams den Harness ausführt. Dann entscheiden Sie.

Und wenn Sie einfach nur neugierig sind, ob ein Spezialist einen Generalisten bei Ihrem eigenen Traffic schlägt, lässt sich das Experiment günstig aufsetzen, und die Antwort wird spezifisch für Ihre Daten sein statt für eine der beiden Karten.

Eine letzte Sache, die die Modellkarte deutlich macht und die Tabellen nicht. Hy-Memory-30B-A3B ist unter Apache 2.0 lizenziert, was bedeutet, dass das obige Experiment eines ist, das Sie kommerziell, mit Ihren eigenen Daten und ohne ein Gespräch mit irgendeiner Rechtsabteilung durchführen dürfen. Das ist das stärkste Argument, das das Modell hat, und es ist unabhängig davon, ob sich die 55.49 reproduzieren lässt.