Lanzamiento discreto de Hy-Memory-30B-A3B: Tencent puso un escritor de memoria en Hugging Face sin publicación de lanzamiento

Hy-Memory-30B-A3B es un modelo de mezcla de expertos de 30 mil millones de parámetros del equipo Hunyuan que no responde preguntas. Escribe memoria. Decide qué debe conservar un agente de ejecución prolongada, con cuánta precisión formularlo y cómo un hecho nuevo debe sobrescribir uno antiguo dentro de un banco de memoria persistente — el paso que todos los frameworks de agentes, hasta ahora, han delegado en un modelo de chat de propósito general. Los pesos se publicaron en Hugging Face el 15 de octubre de 2026, el informe técnico se publicó el mismo día en arXiv 2610.22196, el repositorio de GitHub se abrió esa tarde y la etiqueta v1.0.0 se creó el 16 de octubre. En el momento de escribir esto, el repositorio registra cero descargas y un recuento de me gusta de un solo dígito en la ficha del modelo. No hay página de lanzamiento del proveedor, ni precios, ni endpoint alojado, ni ningún anuncio que hayamos podido encontrar fuera del propio README del proyecto. Los benchmarks envejecen y los precios se mueven; el historial de fallos no: los incidentes de IA documentados y los fallos de agentes detrás de modelos de esta clase se recopilan en el OrcaRouter AI Incident Archive donde cada entrada incluye sus propias fuentes, severidad, grado de confianza y marca de disputa.

Esa es la forma honesta de este lanzamiento: un artículo, un repositorio, un checkpoint y una tabla de evaluación que afirma superar a Claude Opus 5. Todo lo que sigue o se lee directamente del repositorio o está etiquetado como una afirmación no verificada del propio proveedor. Nada de esto ha sido reproducido por un tercero, porque nada de esto ha sido ejecutado por un tercero.

¿Qué hay realmente en el repositorio y qué no?

Los hechos verificables, uno por línea:

• Modelo — tencent/Hy-Memory-30B-A3B, publicado bajo Apache 2.0, etiquetado como inglés y chino.

• Tamaño — 30B parámetros en total, aproximadamente 3B activos por token, que es lo que significa el sufijo A3B.

• Arquitectura — 48 capas, de las cuales 1 es un bloque feed-forward denso y 47 son bloques MoE dispersos; 128 expertos por bloque con enrutamiento top-8 más un experto compartido; tamaño oculto 2.048; ancho intermedio del experto 768; 32 cabezas de atención frente a 4 cabezas de clave-valor con normalización de consulta-clave; un enrutador sigmoide con un término de sesgo de experto.

• Contexto — 262,144 posiciones del archivo de configuración, con una base RoPE de 11,158,840.

• Huella — 51 fragmentos de safetensors que suman unos 60,1 GB en BF16.

• Se sirve con — vLLM, probado con la v0.31.0, detrás de un endpoint compatible con OpenAI. La ficha no menciona ningún otro entorno de ejecución ni ningún proveedor de inferencia.

• No presente — no hay GGUF, ni una build de FP8 o NVFP4, ni ajuste fino, ni cuantización, y ningún tipo de derivado en el índice de búsqueda de Hugging Face. El equipo publicó un único checkpoint BF16 con una sola precisión.

Esa última línea importa más de lo que parece a simple vista. El equipo de Granite publicó compilaciones FP8, MXFP4, NVFP4 y GGUF de Granite 4.2 30B a los pocos días de los pesos base. Liquid AI distribuye un GGUF Q4_K_M de LFM2.5-24B-A2B de 14,5 GB. Esos proveedores te están diciendo dónde esperan que se ejecute el modelo. Un checkpoint BF16 de 60 GB sin una ruta de cuantización te dice que este está dirigido a quien ya tiene las GPU —muy probablemente, a las personas que gestionan infraestructura de memoria a escala, que es exactamente el público que nombra la ficha del modelo.

Para qué sirve realmente el modelo

La distinción entre un escritor de memoria y un agente es el punto central de este lanzamiento, y es fácil pasarla por alto porque la ficha del modelo se lee como la de cualquier otro modelo.

Un framework de agentes —Mem0, MemOS, Hy-Memory, EverMemOS— se sitúa entre una conversación y un almacén persistente. En cada turno, algo tiene que leer el intercambio entrante, decidir qué fragmentos merece la pena conservar, formularlos de modo que puedan encontrarse después y conciliarlos con lo que ya está almacenado. Hoy, ese algo es un modelo de chat de vanguardia con un prompt específico del framework añadido a la fuerza. El planteamiento del problema en el artículo es el coste y la transferencia: un modelo general detrás de un prompt de memoria es caro de ejecutar en cada turno, y un escritor ajustado para el protocolo de un framework no se traslada limpiamente al de otro.

Hy-Memory-30B-A3B está entrenado para ser ese escritor en tres frameworks a la vez —Mem0, MemOS y el propio Hy-Memory del proyecto, en escenarios de chat, trabajo y programación—, y luego se lo pone a prueba en un cuarto, EverMemOS, que quedó completamente fuera del entrenamiento. El arnés reservado es la decisión de diseño más interesante del artículo. La transferencia entre frameworks es la afirmación sobre la que se sustenta todo el modelo, y dejar un framework aparte es como lo probarías si te lo tomaras en serio.

El modelo se ejecuta con reasoning_effort: "no_think" y temperatura 0.0 en el propio quickstart del proyecto, lo cual es un valor predeterminado revelador. Un escritor no necesita deliberar; necesita ser determinista y barato, porque se dispara en cada turno.

El entrenamiento en dos etapas, en términos sencillos

La tarjeta describe la receta como Destilación En Política de Memoria seguida de Aprendizaje por Refuerzo de Memoria Atribuida, y la segunda etapa es donde reside la contribución del artículo.

En la primera etapa, un profesor proporciona supervisión densa sobre los estados de memoria que el propio estudiante produjo — on-policy, de modo que el estudiante se corrige sobre sus propios errores en lugar de sobre las trayectorias de un profesor. En la segunda etapa, el marco construye bancos de memoria a partir de rollouts, los puntúa fragmento a fragmento y mantiene el banco seleccionado a lo largo de las ventanas en lugar de reiniciarlo entre ellas. Ese mantenimiento continuo es la parte que mantiene el entrenamiento alineado con cómo se despliega realmente el modelo, donde un banco nunca está vacío y cada escritura se asienta sobre todo lo escrito antes. El crédito se atribuye a nivel de fragmento, con una penalización explícita por el almacenamiento excesivo — un escritor que lo guarda todo es inútil, así que la recompensa tiene que tener eso en cuenta.

Nada de eso está verificado de forma independiente. Es una descripción coherente de un método de entrenamiento, publicada junto con un repositorio que contiene el código, lo cual es más de lo que suelen traer consigo la mayoría de las afirmaciones de lanzamiento.

La evaluación, leída como debe leerse

Este es el titular, y esto es todo lo que está mal con tomarlo a valor nominal.

• Hy-Memory-30B-A3B — promedio macro de 55.49 en cuatro harnesses.

• 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.

Un especialista de 3B activos que supera a un modelo de frontera por 0,87 de punto en una tarea de memoria es un resultado plausible — la tarea es específica y el especialista fue entrenado para ella, que es el mismo argumento que hace competitivos a los pequeños modelos de autocompletado de código en ediciones de un solo archivo. Pero las salvedades son fundamentales. Cada benchmark en la matriz principal se ejecuta sobre una submuestra fija del 20 % en lugar del conjunto completo. La evaluación solo cambia el escritor, manteniendo fijos el arnés, los prompts, la configuración de recuperación, el modelo de respuesta y el juez, lo cual es el diseño experimental correcto, pero el diseño y el arnés son del propio proyecto. La dispersión por arnés también es más amplia de lo que sugiere el promedio macro: el modelo lidera en Mem0 con 54,02 y en Hy-Memory con 60,55, y su resultado en MemOS de 50,51 está 0,01 de punto por encima del 50,50 de Claude Opus 5 — un empate técnico disfrazado de victoria. Su cifra más fuerte, 56,89 en el arnés EverMemOS reservado, es la que más importaría si se reprodujera, y la que nadie ha intentado reproducir.

Tómalo todo como reportado por el proveedor. No como sospechoso, sino como no reproducido, que es algo distinto. Un modelo publicado ayer con un repo y un artículo se ha ganado el derecho a ser probado, no el derecho a ser creído.

Esa página es la única fuente primaria de todo el comunicado. No hay ninguna entrada de blog, ningún anuncio del proveedor ni ningún artículo de terceros con el que contrastarla.

Lo que aún no está confirmado, dicho claramente.

• No existe ningún benchmark independiente de ningún tipo. Nada en Artificial Analysis, ningún posicionamiento en arena, ninguna ejecución de harness de terceros.

• No se reproduce la tabla de {{1}}comparación entre arneses{{/1}}. En particular, el resultado retenido de {{2}}EverMemOS{{/2}} es una única ejecución de un proveedor.

• Ninguna cifra de costo del mundo real. Las escrituras en memoria son una carga de trabajo de alta frecuencia y salida breve, pero nadie ha publicado tokens por escritura ni un costo por conversación en este modelo.

• Sin cuantización, por lo que no se midió ninguna huella de memoria por debajo de 60 GB.

• No hay evidencia sobre lo que hace cuando el marco de memoria cambia su protocolo — el artículo evalúa la transferencia entre marcos, no entre versiones de un mismo marco.

• Si el equipo tiene la intención de alojarlo. La tarjeta indica que ningún proveedor de inferencia despliega el modelo, y nada en el repositorio sugiere que vaya a haber un endpoint alojado próximamente.

Si quieres ejecutarlo, y dónde encaja un router

Siendo realistas, esto es una decisión de autoalojamiento. La ruta en la tarjeta es vLLM 0.31.0 detrás de una API compatible con OpenAI, lo que significa que el modelo se integra en un arnés existente con solo cambiar la URL base. Eso es lo barato. La parte cara es que un checkpoint BF16 de 60 GB sin una variante cuantizada necesita hardware serio antes de escribir una sola memoria.

Vale la pena ser precisos acerca de lo que un router hace y no hace aquí. Hy-Memory-30B-A3B no está en el catálogo de OrcaRouter y no lo alojamos — la ruta hacia él es el checkpoint y tus propias GPU. Lo que cubre un router es la otra mitad del arnés. Un escritor de memoria se invoca junto a un modelo de respuesta, y el modelo de respuesta suele ser un modelo de frontera alojado que lee de vuelta el banco de memoria y responde. OrcaRouter te da una sola clave de API para más de 200 modelos alojados con 0 % de recargo, de modo que las rebajas de precios de los proveedores se trasladan el mismo día, con conmutación por error automática si un backend se degrada. El DSL de enrutamiento es la pieza que encaja específicamente en esta arquitectura: compone un endpoint autoalojado y uno alojado en una sola llamada, que es exactamente la forma de un sistema de memoria — un especialista barato en la ruta de escritura, un modelo de frontera en la ruta de lectura, una sola clave delante de ambos.

El patrón vale la pena construirlo incluso antes de tener el escritor en funcionamiento, porque es idéntico ya sea que la ruta de escritura sea Hy-Memory-30B-A3B o un modelo general con un prompt de memoria. Al enrutador no le importa cuál sea, y cambiar uno por el otro más adelante debería ser una edición de la tabla de enrutamiento en lugar de una reescritura.

Qué ver

Tres cosas harían que esto pasara de ser un artículo a un producto. Una compilación cuantizada: un checkpoint FP8 o Q4 es la diferencia entre un modelo de centro de datos y uno que alguien pueda evaluar en una estación de trabajo, y su ausencia es el mayor obstáculo para que cualquiera compruebe los números. Una ejecución independiente del arnés: la afirmación de transferencia de EverMemOS sobre el conjunto reservado es toda la tesis, y merece una prueba hecha por alguien sin ningún interés en juego. Y un endpoint alojado: no porque el autoalojamiento esté mal, sino porque el propio diseño del modelo —determinista, sin deliberación, con salidas cortas, activado en cada turno— encaja de forma natural con una API, y su ausencia sugiere que el equipo ve esto como infraestructura que envía a personas que ya operan infraestructura.

Hasta entonces, la postura correcta es la que el propio lanzamiento invita a adoptar. Lee el repositorio, ejecuta el quickstart en el hardware que tengas y trata la tabla como una hipótesis.