Sortie discrète de Hy-Memory-30B-A3B : Tencent a mis un rédacteur de mémoire sur Hugging Face sans publication de lancement

Hy-Memory-30B-A3B est un modèle à mélange d'experts de 30 milliards de paramètres de l'équipe Hunyuan qui ne répond pas aux questions. Il écrit de la mémoire. Il décide ce qu'un agent de longue durée doit conserver, avec quelle précision le formuler, et comment un nouveau fait doit écraser un ancien au sein d'une banque de mémoire persistante — l'étape que chaque framework d'agents a, jusqu'à présent, confiée à un modèle de chat généraliste. Les poids ont été mis en ligne sur Hugging Face le 15 octobre 2026, le rapport technique a suivi le même jour sous arXiv 2610.22196, le dépôt GitHub a ouvert cet après-midi-là, et le tag v1.0.0 a été créé le 16 octobre. Au moment de la rédaction, le dépôt enregistre zéro téléchargement et un nombre de likes à un chiffre sur la fiche du modèle. Il n'existe pas de page de lancement du fournisseur, pas de tarification, pas de point de terminaison hébergé, et aucune annonce que nous ayons pu trouver en dehors du README du projet lui-même. Les benchmarks vieillissent et les prix évoluent ; le registre des échecs, lui, ne bouge pas : les incidents d'IA documentés et les défaillances d'agents derrière les modèles de cette classe sont rassemblés dans l'OrcaRouter AI Incident Archive où chaque entrée comporte ses propres sources, son degré de gravité, son niveau de confiance et son indicateur de contestation.

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.

Ce qui se trouve réellement dans le dépôt, et ce qui ne s’y trouve pas

Les faits vérifiables, une ligne chacun :

• Modèle — tencent/Hy-Memory-30B-A3B, publié sous licence Apache 2.0, étiqueté en anglais et en chinois.

• Taille — 30 B de paramètres au total, environ 3 B actifs par token, c’est ce que signifie le suffixe A3B.

• Architecture — 48 couches, dont 1 est un bloc feed-forward dense et 47 sont des blocs MoE épars ; 128 experts par bloc avec routage top-8 plus un expert partagé ; taille cachée 2 048 ; largeur intermédiaire des experts 768 ; 32 têtes d’attention pour 4 têtes clé-valeur avec normalisation requête-clé ; un routeur sigmoïde avec un terme de biais d’expert.

• Contexte — 262 144 positions issues du fichier de configuration, avec une base RoPE de 11 158 840.

• Empreinte — 51 fragments safetensors totalisant environ 60,1 Go en BF16.

• Servi avec — vLLM, testé avec la v0.31.0, derrière un point de terminaison compatible OpenAI. La fiche ne nomme aucun autre runtime ni aucun fournisseur d’inférence.

• Non présent — il n'existe aucun GGUF, aucune version FP8 ou NVFP4, aucun fine-tune, aucune quantification, et aucun dérivé de quelque nature que ce soit dans l'index de recherche Hugging Face. L'équipe a livré un seul checkpoint BF16 à une seule précision.

Cette dernière ligne compte plus que sa lecture ne le suggère. L’équipe Granite a publié des versions FP8, MXFP4, NVFP4 et GGUF de Granite 4.2 30B quelques jours après les poids de base. Liquid AI publie un GGUF Q4_K_M de LFM2.5-24B-A2B à 14,5 GB. Ces fournisseurs vous disent où ils s’attendent à ce que le modèle tourne. Un checkpoint BF16 de 60 GB sans chemin de quantification vous indique que celui-ci vise ceux qui possèdent déjà les GPU — très probablement les personnes qui exploitent une infrastructure mémoire à grande échelle, soit exactement le public que nomme la fiche du modèle.

À quoi sert réellement le modèle

La distinction entre un rédacteur de mémoire et un agent est tout l’enjeu de cette version, et il est facile de passer à côté parce que la fiche de modèle ressemble à toutes les autres fiches de modèle.

Un framework d'agents — Mem0, MemOS, Hy-Memory, EverMemOS — se place entre une conversation et un stockage persistant. À chaque tour, quelque chose doit lire l'échange entrant, décider quels fragments méritent d'être conservés, les formuler de manière à pouvoir les retrouver plus tard, et les réconcilier avec ce qui est déjà stocké. Aujourd'hui, ce quelque chose est un modèle de chat de pointe auquel on a greffé un prompt spécifique à un framework. La manière dont l'article pose le problème tient au coût et au transfert : un modèle généraliste derrière un prompt de mémoire coûte cher à exécuter à chaque tour, et un rédacteur réglé pour le protocole d'un framework ne se transpose pas proprement à celui d'un autre.

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.

L'entraînement en deux étapes, en termes simples

La fiche décrit la recette comme une Memory On-Policy Distillation suivie d’un Attributed Memory Reinforcement Learning, et c’est à la deuxième étape que se situe la contribution de l’article.

Dans la première étape, un enseignant fournit une supervision dense sur les états de mémoire que l'élève a lui-même produits — on-policy, de sorte que l'élève est corrigé sur ses propres erreurs plutôt que sur les trajectoires d'un enseignant. Dans la seconde étape, le framework construit des banques de mémoire à partir de rollouts, les note chunk par chunk, et transporte la banque sélectionnée d'une fenêtre à l'autre au lieu de la réinitialiser entre les fenêtres. Ce report d'une fenêtre à l'autre est ce qui maintient l'entraînement aligné sur la manière dont le modèle est réellement déployé, où une banque n'est jamais vide et où chaque écriture s'ajoute par-dessus tout ce qui a été écrit avant. Le crédit est attribué au niveau du chunk, avec une pénalité explicite pour le stockage excessif — un mécanisme d'écriture qui conserve tout est inutile, donc la récompense doit en tenir compte.

Rien de tout cela n’est vérifié de manière indépendante. C’est une description cohérente d’une méthode d’entraînement, publiée avec un dépôt qui contient le code, ce qui est plus que ce qui accompagne la plupart des affirmations du jour de sortie.

L’évaluation, lue comme elle doit l’être

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

• Hy-Memory-30B-A3B — moyenne macro de 55,49 sur quatre harnais.

• 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.

Traitez tout cela comme déclaré par le fournisseur. Non pas comme suspect — comme non reproduit, ce qui est une autre chose. Un modèle publié hier avec un dépôt et un article a gagné le droit d’être testé, pas celui d’être cru.

Cette page est la seule source primaire pour toute la version. Il n’existe ni article de blog, ni annonce de fournisseur, ni compte rendu tiers pour la recouper.

Ce qui n'est toujours pas confirmé, dit clairement.

• Il n’existe aucun benchmark indépendant, de quelque nature que ce soit. Rien sur Artificial Analysis, aucun classement d’arène, aucune exécution de harnais par un tiers.

• Aucune reproduction du tableau inter-harnais. Le résultat EverMemOS tenu à l'écart, en particulier, provient d'une unique exécution du fournisseur.

• Aucun chiffre de coût réel. Les écritures en mémoire constituent une charge de travail à haute fréquence et à sortie courte, mais personne n’a publié de nombre de jetons par écriture ni de coût par conversation pour ce modèle.

• Pas de quantification, donc aucune empreinte mémoire mesurée en dessous de 60 GB.

• Aucune preuve de ce qu'il fait lorsque le framework de mémoire change de protocole — l'article teste le transfert d'un framework à l'autre, et non entre versions d'un même framework.

• Si l'équipe a l'intention de l'héberger. La fiche indique que le modèle n'est déployé par aucun fournisseur d'inférence, et rien dans le dépôt ne suggère qu'un point de terminaison hébergé soit prévu.

Si vous voulez le lancer, et où un routeur trouve sa place

En pratique, il s’agit d’une décision d’auto-hébergement. La voie indiquée dans la fiche est vLLM 0.31.0 derrière une API compatible OpenAI, ce qui signifie que le modèle s’intègre dans une infrastructure existante par un simple échange d’URL de base. C’est la partie peu coûteuse. La partie coûteuse, c’est qu’un checkpoint BF16 de 60 Go sans variante quantisée nécessite du matériel sérieux avant même d’écrire la moindre mémoire.

Il vaut la peine d'être précis sur ce qu'un routeur fait et ne fait pas ici. Hy-Memory-30B-A3B ne figure pas au catalogue d'OrcaRouter et nous ne l'hébergeons pas — la route vers lui, ce sont le checkpoint et vos propres GPU. Ce qu'un routeur couvre, c'est l'autre moitié du harnais. Un module d'écriture de mémoire est invoqué aux côtés d'un modèle de réponse, et le modèle de réponse est généralement un modèle de frontière hébergé qui relit la banque et répond. OrcaRouter vous donne une seule clé API pour 200+ modèles hébergés à 0 % de marge, de sorte que les baisses de prix des fournisseurs sont répercutées le jour même, avec basculement automatique si un backend se dégrade. Le DSL de routage est l'élément qui correspond spécifiquement à cette architecture : il compose un point de terminaison auto-hébergé et un point de terminaison hébergé en un seul appel, ce qui est exactement la forme d'un système de mémoire — un spécialiste bon marché sur le chemin d'écriture, un modèle de frontière sur le chemin de lecture, une seule clé devant les deux.

Le schéma vaut la peine d’être mis en place avant même que le writer ne soit opérationnel, car il est identique, que le chemin d’écriture soit Hy-Memory-30B-A3B ou un modèle général avec un prompt de mémoire. Le routeur ne se préoccupe pas de savoir lequel, et remplacer l’un par l’autre plus tard devrait être une modification de la table de routage plutôt qu’une réécriture.

Que regarder

Trois choses feraient passer ceci d'un article à un produit. Un build quantifié : un checkpoint FP8 ou Q4 est la différence entre un modèle de datacenter et un modèle que quelqu'un peut évaluer sur une station de travail, et son absence est le plus grand obstacle pour quiconque veut vérifier les chiffres. Une exécution de harnais indépendante : l'affirmation de transfert EverMemOS sur données tenues à l'écart constitue toute la thèse, et elle mérite d'être testée par quelqu'un qui n'y a aucun intérêt. Et un point de terminaison hébergé : non pas parce que l'auto-hébergement est une erreur, mais parce que la conception même du modèle — déterministe, sans réflexion, avec des sorties courtes, déclenché à chaque tour — est un choix naturel pour une API, et son absence suggère que l'équipe considère cela comme une infrastructure qu'elle livre à des gens qui exploitent déjà une infrastructure.

En attendant, la bonne posture est celle que la publication elle-même invite à adopter. Lisez le dépôt, lancez le démarrage rapide sur le matériel dont vous disposez, et considérez le tableau comme une hypothèse.