Hy-Memory-30B-A3B vs Qwen3.8-27B: El especialista no es el rival: es el reemplazo para el trabajo que ya le estás pagando a un generalista para que lo haga

Nadie está eligiendo entre Hy-Memory-30B-A3B y Qwen3.8-27B por capacidad, porque no están en la misma carrera. Qwen3.8-27B es el modelo denso de visión y lenguaje de 27 mil millones de parámetros del laboratorio — Apache 2.0, contexto nativo de 262,144 tokens, lanzado el 14 de agosto de 2026, y servido en OrcaRouter a $0.33 por millón de tokens de entrada y $2.40 por millón de salida. Hy-Memory-30B-A3B es el escritor de memoria del equipo Hunyuan — 30B en total con aproximadamente 3B activos, de código abierto 15 de octubre de 2026, y no se sirve en ningún lugar, incluido por nosotros. Uno es un generalista que puedes alquilar por token. El otro es un componente que tienes que alojar tú mismo. Los benchmarks envejecen y los precios cambian; el registro 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 lleva sus propias fuentes, gravedad, grado de confianza e indicador de disputa.

La razón para ponerlos uno al lado del otro de todos modos es que Hy-Memory-30B-A3B existe para reemplazar algo específico, y ese algo es muy a menudo un Qwen3.8-27B. Los frameworks de memoria llaman a un modelo de propósito general en cada turno para decidir qué conservar. Si estás ejecutando Qwen3.8-27B para eso —y a $0.33/$2.40 es una elección natural—, entonces la pregunta honesta no es qué modelo es mejor. Es si un especialista con 3B activos hace el mismo trabajo lo suficientemente bien como para justificar el hardware, y esa pregunta tiene un precio asociado que de hecho puedes calcular.

Qué es Qwen3.8-27B, en los términos que le importan a un sistema de memoria

Densa, lo que significa que cada uno de sus parámetros se lee para cada token. 64 capas con un tamaño oculto de 5.120 y un patrón de 16 a 1 que alterna bloques de atención lineal de Gated DeltaNet y bloques de atención completa — un diseño que es justamente lo que hace que servir una ventana de un cuarto de millón de tokens sea siquiera costeable. Acepta texto, imágenes y video como entrada y devuelve texto, lo cual importa aquí por una razón mundana: una gran parte de lo que la gente quiere que un agente recuerde llega en forma de captura de pantalla o de documento, y no de prosa.

La propia ficha del proveedor afirma 90,3 en LiveCodeBench v6, 89,2 en GPQA Diamond, 73,0 en Terminal-Bench 2.1, 84,3 en OSWorld-Verified y 79,5 en IFBench — todas reportadas por el proveedor, no reproducidas por nosotros ni por nadie a quien podamos señalar específicamente para la carga de trabajo de escritura de memoria. El modelo ha conseguido posiciones independientes desde su lanzamiento, incluida una entrada en el top 10 de una clasificación de arena de desarrollo web, pero ninguna de ellas mide si escribe buena memoria. Nada lo hace todavía.

Lo que lo convierte en el titular para este trabajo no es ninguna de esas puntuaciones. Es que sigue las instrucciones con precisión, acepta un esquema JSON, tiene una ventana de 262K para que puedas darle una conversación larga sin acrobacias de fragmentación, y es lo bastante barato como para ejecutarlo en cada turno.

La página anterior es la diferencia práctica entre estos dos modelos en una sola pantalla: Qwen3.8-27B tiene una tarifa y una ruta, y Hy-Memory-30B-A3B no tiene ninguna de las dos.

Qué hace Hy-Memory-30B-A3B de manera diferente

El modelo Hy-Memory está entrenado para exactamente una tarea, y su tarjeta lo dice sin ambages: reemplaza el LLM de propósito general dentro de Mem0, MemOS y Hy-Memory, decidiendo qué información conservar, con qué precisión representarla y cómo las nuevas evidencias deben actualizar un banco persistente. Luego se evalúa en EverMemOS, un framework que quedó completamente fuera del entrenamiento —la decisión de diseño del lanzamiento que más crédito merece, porque la transferencia entre frameworks es toda la premisa.

Su entrenamiento es de dos etapas, y la segunda es la interesante. Memory On-Policy Distillation proporciona supervisión densa sobre estados de memoria que el propio estudiante produjo. Attributed Memory Reinforcement Learning luego construye bancos a partir de rollouts, los puntúa fragmento a fragmento, penaliza el almacenamiento excesivo y —esta es la parte que mantiene honesto el entrenamiento— traslada el banco seleccionado de una ventana a otra en lugar de reiniciarlo entre ellas. Un banco desplegado nunca está vacío, así que entrenarlo contra un banco vacío sería entrenarlo para una situación que no existe.

Arquitectónicamente, tiene 48 capas, un bloque denso y 47 bloques MoE dispersos, 128 expertos con enrutamiento top-8 más un experto compartido, un contexto de 262.144 posiciones y 60,1 GB de pesos BF16 repartidos en 51 fragmentos. No se publicó ninguna versión cuantizada.

Haciendo las cuentas que las tarjetas no hacen

Ambos modelos se activan en cada turno de una conversación larga. Eso convierte la ruta de escritura en un problema de volumen, y el volumen es donde debería notarse el menor número de parámetros activos de un especialista.

Partamos de una suposición concreta y declarada en lugar de una medida: un escritor procesa alrededor de 800 tokens de conversación por turno y emite alrededor de 150 tokens de memoria estructurada. A lo largo de 1000 turnos, eso supone 800.000 tokens de entrada y 150.000 tokens de salida por usuario. Según la tarifa de OrcaRouter para Qwen3.8-27B —el precio de lista del proveedor trasladado con 0 % de margen, es decir, $0.33 y $2.40 por millón—, esa conversación cuesta aproximadamente $0.26 de entrada y $0.36 de salida, unos $0.62, más lo que cueste la ruta de lectura cuando un modelo de respuestas abre el banco. Son cálculos aritméticos sobre tarifas publicadas, no un benchmark, y tus tokens por turno variarán.

Para Hy-Memory-30B-A3B, los mismos 1,000 turnos no cuestan nada por token y una cantidad considerablemente mayor al mes, porque no hay tarifario. El modelo es autoalojado, y autoalojar 60 GB de BF16 sin una alternativa cuantizada implica un acelerador con la memoria para contenerlo — antes de saber si el promedio macro de 55.49 se sostiene.

Así que la disyuntiva no es barato contra caro. Es pago por uso contra capital, y el punto de cruce depende enteramente de cuántos turnos escribes realmente al mes. Un equipo que maneja unos pocos miles de conversaciones al mes casi con seguridad le conviene más pagar la tarifa por token de Qwen3.8-27B y no tocar nunca la cuestión del hardware. Un equipo que escribe memoria en millones de turnos está usando hardware de todas formas, y el especialista se vuelve interesante.

La tarjeta de arriba es donde comienza la aritmética: hay un checkpoint de 27B descargable detrás de la tarifa de $0.33, y si tu volumen es lo suficientemente alto como para justificar ejecutarlo por tu cuenta, esa es una ruta compatible con cuantizaciones publicadas detrás de ella.

Tres cosas que oculta la comparación de precios

El costo por token es el eje más fácil y el menos decisivo. Otros tres importan más.

Multimodalidad. Qwen3.8-27B acepta imágenes y vídeo. La ficha de Hy-Memory-30B-A3B especifica entrada de texto, en inglés y chino. Si la memoria de tu agente incluye capturas de pantalla, documentos escaneados o fotogramas de vídeo, el generalista está haciendo un trabajo que el especialista, por su propia estructura, no puede hacer, y ninguna ventaja de coste compensa eso.

Contexto. Ambos publican 262.144 posiciones, lo cual es una coincidencia genuina y además útil: ninguno tiene ventaja en cuánta conversación puedes darle a la vez.

Precisión publicada. Qwen3.8-27B se distribuye como BF16 con una compilación FP8 oficial y conversiones GGUF de varios publicadores, y OrcaRouter ofrece una versión block-FP8 con la torre de visión a precisión completa. Hy-Memory-30B-A3B se distribuye como BF16 y nada más. Esa fila decide si puedes evaluarlo en una tarjeta prestada o si necesitas reservar una.

La respuesta de enrutamiento, que es diferente según el modelo que elijas.

Es aquí donde los dos caminos se separan con claridad, y vale la pena ser precisos en lugar de caer en lo promocional.

Qwen3.8-27B está en el catálogo de OrcaRouter. Lo llamas con la misma clave de API que otros 200 y pico modelos, al precio de lista del proveedor con un 0 % de recargo, así que una bajada de precio del proveedor se aplica aquí el mismo día en lugar de en el siguiente ciclo de facturación, con conmutación automática por error si un backend se degrada. Para un arnés de memoria, la parte útil es el DSL de enrutamiento: compone varios modelos en una sola llamada, que es como ejecutas un modelo redactor y un modelo de respuestas tras un único endpoint sin tener que crear un segundo cliente. La fusión de modelos, que ejecuta un panel de modelos respondiendo en conjunto, es la herramienta para determinar empíricamente si un redactor especialista produce mejores bancos que el generalista: ejecuta ambos con la misma conversación, compara las respuestas y deja de discutir al respecto.

Hy-Memory-30B-A3B no está en nuestro catálogo y no lo alojamos. La ruta hacia él es el checkpoint del equipo y tu propio hardware. Si lo autoalojas, un router sigue cubriendo el resto del bucle — el modelo de respuesta alojado que vuelve a leer el banco, las llamadas de planificación a su alrededor — y te permite registrar tu propio endpoint junto a los alojados, de modo que el failover y el acceso con una sola tecla se apliquen a ambos.

¿Quién debería hacer qué?

Si hoy estás ejecutando escritura de memoria en un generalista alojado, la primera pregunta honesta no es si cambiar. Es cuántos turnos estás escribiendo realmente al mes. Por debajo de un umbral que solo tú puedes calcular, Qwen3.8-27B a una tarifa por token es la elección racional y el requisito de hardware de Hy-Memory-30B-A3B es una distracción — particularmente si tu memoria contiene imágenes, donde el especialista no tiene nada que ofrecer.

Si escribes memoria a un volumen en el que la línea de coste por token se ha convertido en una partida presupuestaria real, Hy-Memory-30B-A3B es el primer modelo abierto dirigido directamente a esa línea, y el hecho de que se haya probado contra un framework reservado es la señal de que alguien pensó en la generalización en lugar de en una demo. Espera a una compilación cuantizada. Espera a que alguien ajeno al equipo ejecute el arnés de pruebas. Entonces decide.

Y si simplemente tienes curiosidad por saber si un especialista supera a un generalista en tu propio tráfico, el experimento es barato de configurar y la respuesta será específica para tus datos en lugar de para cualquiera de las dos tarjetas.

Una última cosa que la tarjeta deja clara y las tablas no. Hy-Memory-30B-A3B tiene licencia Apache 2.0, lo que significa que el experimento anterior es uno que puedes ejecutar comercialmente, con tus propios datos, sin una conversación con el equipo legal de nadie. Ese es el argumento más fuerte que tiene el modelo, y es independiente de si el 55.49 se reproduce.