Hy-Memory-30B-A3B vs. Granite 4.2 30B: un escritor de memoria y un razonador no son la misma compra

Hy-Memory-30B-A3B y Granite 4.2 30B tienen ambos alrededor de 30 000 millones de parámetros, ambos de pesos abiertos, ambos Apache 2.0, ambos publicados con siete semanas de diferencia entre sí, y no son sustitutos el uno del otro en ningún sentido que una hoja de cálculo de compras reconocería. Hy-Memory-30B-A3B, liberado como código abierto por el equipo de Hunyuan el 15 de octubre de 2026, hace una sola cosa: ejecuta la ruta de escritura dentro de un marco de memoria a largo plazo, decidiendo qué conserva un agente y cómo la nueva evidencia lo sobrescribe. Granite 4.2 30B, publicado por IBM en Hugging Face el 25 de agosto de 2026, es un modelo denso de razonamiento generalista con modos de pensamiento seleccionables, llamada a herramientas y un contexto de 128K que puede ampliar hasta 512K. Uno es un componente. Uno es un asistente. Esa brecha entre lo que mide un marcador y lo que afronta un despliegue es la razón por la que el historial importa: los fallos de IA documentados y los incidentes con agentes en torno a modelos de esta clase se recopilan en el Archivo de Incidentes de IA de OrcaRouter donde cada entrada incluye sus propias fuentes, su grado de severidad, su nivel de confianza y su marca de disputa.

La comparación tentadora —alinear sus tablas de benchmarks y ver quién gana— es la comparación equivocada, y lo es de una manera que te costaría dinero. No se evaluaron en las mismas tareas, no se despliegan de la misma manera, y uno de ellos no se puede descargar en una forma que la mayoría de la gente pueda ejecutar. Lo que sigue es la comparación que de verdad decide algo: para qué sirve cada uno, cuánto te cuesta cada uno en hardware, y si necesitas uno, el otro o ambos.

Empieza con el eje que los separa

Granite 4.2 30B es denso, lo que significa que cada uno de sus parámetros se lee para cada token que genera. Tiene tres modos de razonamiento —pensamiento completo, bajo esfuerzo y ninguno— seleccionables por solicitud, y fue post-entrenado con aprendizaje por refuerzo agéntico orientado a terminales, ejecución de código y búsqueda web dentro de un sandbox. La ficha de IBM afirma 57.00 en SWE-Bench Verified, 29.24 en Terminal-Bench 2.1, 89.17 en AIME 2025 y 77.60 en MMLU-Pro. Esos son reportados por el proveedor y no han sido reproducidos de forma independiente, y el modelo tiene dos meses de antigüedad —lo suficientemente antiguo como para que la falta de puntuaciones independientes sea levemente notable, no condenatoria.

Hy-Memory-30B-A3B es disperso, lo que significa que contiene 30 mil millones de parámetros pero lee alrededor de 3 mil millones por token, y fue entrenado para una sola tarea. La ficha de Hy-Memory lo describe como el sustituto del LLM de propósito general dentro de Mem0, MemOS y Hy-Memory: decide qué conservar, cómo representarlo con precisión y cómo las nuevas evidencias actualizan un banco de memoria persistente. Luego se evaluó en EverMemOS, un framework que quedó totalmente fuera del entrenamiento, lo más cercano en cualquiera de los dos lanzamientos a una prueba real de generalización. Su afirmación principal: una media macro de 55,49 en cuatro harnesses frente a 54,62 de Claude Opus 5. También es un dato reportado por el proveedor, también no reproducido y, a diferencia de las cifras de Granite, evaluado sobre una submuestra fija del 20 % de cada benchmark en lugar del conjunto completo.

Así que las puntuaciones no se pueden comparar. El 57.00 de Granite en SWE-Bench Verified y el promedio macro de 55.49 de Hy-Memory son números de deportes distintos, y ponerlos en una misma columna sería una mentira aritmética.

También vale la pena señalar de dónde vienen estas cifras. Las cifras de Hy-Memory están en un informe técnico, arXiv 2610.22196, enviado el mismo día en que aparecieron los pesos; la fuente primaria es pública y legible, algo que muchas tablas publicadas el día del lanzamiento no traen. Las del otro lado están en una tarjeta de modelo. En ambos casos, es el proveedor corrigiendo su propio examen, y ninguna ha pasado por el arnés de evaluación de nadie más.

Las especificaciones, dimensión por dimensión

• Parámetros — Hy-Memory-30B-A3B 30B en total / ~3B activos MoE vs Granite 4.2 30B aproximadamente 29B denso, todos los parámetros activos en cada token.

• Forma de las capas — 48 capas para Hy-Memory-30B-A3B, un bloque denso feed-forward y 47 bloques MoE dispersos, 128 expertos por bloque con enrutamiento top-8 más un experto compartido, frente al transformer denso estándar solo decodificador de Granite 4.2 30B con GQA, 32 cabezas de atención y 8 cabezas clave-valor.

• Contexto — 262.144 posiciones para Hy-Memory-30B-A3B según su archivo de configuración frente a 128K nativas y 512K extendidas para Granite 4.2 30B.

• Huella de peso — aproximadamente 60,1 GB en 51 fragmentos de safetensors BF16 para Hy-Memory-30B-A3B vs aproximadamente 29B de parámetros densos en BF16 para Granite 4.2 30B, con compilaciones FP8, NVFP4/MXFP4 y GGUF publicadas además.

• Opciones cuantizadas: ninguna para Hy-Memory-30B-A3B; el equipo lanzó un único checkpoint BF16 y nada más. Granite 4.2 30B tiene una compilación oficial en FP8, dos formatos de 4 bits y conversiones GGUF de varios publicadores de la comunidad.

• Controles de razonamiento — Hy-Memory-30B-A3B expone un interruptor reasoning_effort pero el propio inicio rápido del proyecto lo ejecuta en no_think con temperatura 0.0; Granite 4.2 30B tiene tres modos de pensamiento, incluida la cadena de pensamiento completa envuelta en etiquetas think.

• Licencia — Apache 2.0 para ambos, lo que elimina una de las dos preguntas que de otro modo plantearía una revisión legal.

• Disponibilidad alojada: ningún modelo se sirve mediante un endpoint de proveedor alojado. La tarjeta de Granite 4.2 30B enumera un proveedor de inferencia; la de Hy-Memory-30B-A3B indica claramente que ningún proveedor lo despliega.

• Propósito publicado — un escritor de memoria frente a un modelo de razonamiento general. Esta es la fila que decide todo lo anterior.

El hardware es donde la elección realmente se toma

Aquí está la asimetría que esconde una hoja de especificaciones.

Hy-Memory-30B-A3B ocupa 60 GB en BF16 y no tiene alternativa cuantizada. Ese no es un modelo que se evalúe en un portátil, ni es un modelo que se levante en una sola tarjeta de estación de trabajo para ver si se sostiene lo que afirma el artículo. Un equipo que quiera comprobar las cifras de Hy-Memory actualmente necesita aprovisionar aproximadamente el mismo hardware que un pequeño despliegue de producción, antes de saber si la cosa funciona.

Granite 4.2 30B, con lo denso que es, se distribuye en formas que puedes ejecutar hoy mismo. Las compilaciones FP8 y de 4 bits lo hacen caber en la memoria de un solo acelerador, y las conversiones a GGUF ponen una versión utilizable en hardware que la gente ya posee. Ese equipo lanzó esas compilaciones deliberadamente: un proveedor que publica cuatro formatos de cuantización te está diciendo que espera que el modelo lo ejecute la persona que lee sobre él, no que se alquile desde un centro de datos.

Nada de eso convierte a Granite en el mejor modelo. Convierte a Granite en el modelo sobre el que sale más barato informarse.

La respuesta no obvia: estos pertenecen al mismo sistema

Un agente con memoria a largo plazo necesita ambas funciones, y la arquitectura del framework hace que la división sea explícita y no teórica.

Un arnés de memoria invoca a un escritor en la ruta de escritura —se dispara en cada turno, salidas cortas, determinista, y nunca debe inventar un dato que el usuario no haya dicho. Ese es todo el trabajo de Hy-Memory-30B-A3B, y un modelo con 3B activos en una configuración sin pensamiento es exactamente la forma correcta para ello: barato por llamada, porque hay muchísimas llamadas. Granite 4.2 30B no compite por ese lugar. Donde pertenece es a la ruta de lectura y al razonamiento en torno a ella: decidir qué hacer con lo que hay en el banco, planificar, llamar a herramientas, producir la respuesta. Esas son las llamadas de cara a la frontera donde la profundidad de un modelo de razonamiento denso vale su peso.

Dos modelos, dos perfiles de llamada muy distintos, y la pregunta de ingeniería interesante es cómo poner una sola clave delante de ambos. Para eso sirve una capa de enrutamiento. Y en el caso de OrcaRouter, el DSL de enrutamiento compone varios modelos en una sola llamada: puedes apuntar la ruta de escritura a un endpoint autoalojado de Hy-Memory-30B-A3B y la ruta de lectura a un modelo de frontera alojado, y controlar ambos desde una sola clave de API entre más de 200 modelos con conmutación automática por error si un backend se degrada. Ninguno de estos dos modelos está en nuestro catálogo y no alojamos ninguno de ellos; la vía de disponibilidad para ambos es tu propio hardware o los canales propios del proveedor. Lo que cubrimos es la otra mitad —los modelos alojados que rodean a un escritor autoalojado— con 0 % de recargo sobre el precio de lista del proveedor.

Esa combinación merece entenderse antes de que cualquiera de los dos modelos esté listo para producción en tu caso, porque la arquitectura es la misma ya sea que la ruta de escritura ejecute Hy-Memory-30B-A3B o un modelo general con un prompt de memoria añadido a la fuerza. Al router le da igual. Cambiar uno por el otro más adelante debería ser una edición de la tabla de enrutamiento, no una reescritura.

¿Cuál mirar primero?

Si tienes un agente de larga duración con un framework de memoria y la ruta de escritura es actualmente un modelo de frontera por el que estás pagando precios de frontera para ejecutarlo en cada turno, Hy-Memory-30B-A3B es el más interesante de los dos y el que tiene un problema específico y cuantificado que resolver. Ve a mirarlo — pero ve con la idea de que tu primera tarea es construir el hardware para probarlo, y que ningún tercero ha confirmado todavía el 55.49.

Si necesitas un modelo de pesos abiertos que razone, llame a herramientas y se ejecute dentro de una tarjeta que poseas, Granite 4.2 30B es el que debes evaluar esta semana. Tiene dos meses, sus cuantizaciones existen y sus cifras publicadas no se han reproducido, lo cual es un estado normal para un modelo abierto de tamaño medio y no es una señal de advertencia por sí solo.

Si vas a construir todo el conjunto, la respuesta honesta es que probablemente quieras ambos, en los dos roles para los que fueron diseñados, y el trabajo interesante está en el enrutamiento entre ellos, más que en la elección entre ellos.