Hy-Memory-30B-A3B vs Granite 4.2 30B : un rédacteur de mémoire et un raisonneur ne constituent pas le même achat

Hy-Memory-30B-A3B et Granite 4.2 30B comptent tous deux environ 30 milliards de paramètres, tous deux à poids ouverts, tous deux sous Apache 2.0, tous deux publiés à sept semaines d'intervalle — et ils ne sont en aucun cas substituables l'un à l'autre au sens où l'entendrait un tableur d'approvisionnement. Hy-Memory-30B-A3B, open-sourcé par l'équipe Hunyuan le 15 octobre 2026, ne fait qu'une chose : exécuter le chemin d'écriture au sein d'un cadre de mémoire à long terme, en décidant ce qu'un agent conserve et comment de nouvelles preuves écrasent les anciennes. Granite 4.2 30B, publié par IBM sur Hugging Face le 25 août 2026, est un modèle de raisonnement généraliste dense doté de modes de réflexion sélectionnables, d'appel d'outils et d'un contexte de 128 K extensible à 512 K. L'un est un composant. L'autre est un assistant. Cet écart entre ce que mesure un tableau de bord et ce qu'affronte un déploiement est précisément la raison pour laquelle le registre compte : les défaillances documentées de l'IA et les incidents d'agents liés aux modèles de cette classe sont recensés dans the OrcaRouter AI Incident Archive, où chaque entrée comporte ses propres sources, un niveau de gravité, une note de confiance et un indicateur de contestation.

La comparaison tentante — aligner leurs tableaux de benchmarks et voir qui gagne — est la mauvaise comparaison, et elle est mauvaise d'une manière qui pourrait vous coûter de l'argent. Ils n'ont pas été évalués sur les mêmes tâches, ils ne sont pas déployés de la même manière, et l'un d'eux ne peut pas être téléchargé sous une forme que la plupart des gens peuvent exécuter. Ce qui suit est la comparaison qui décide réellement quelque chose : à quoi sert chacun, ce que chacun vous coûte en matériel, et si vous avez besoin de l'un, de l'autre, ou des deux.

Commencez par l’axe qui les sépare.

Granite 4.2 30B est dense, ce qui signifie que chacun de ses paramètres est lu pour chaque token qu'il génère. Il dispose de trois modes de raisonnement — réflexion complète, effort réduit et aucun — sélectionnables par requête, et il a été post-entraîné avec un apprentissage par renforcement agentique ciblant les terminaux, l'exécution de code et la recherche web dans un bac à sable. La fiche d'IBM annonce 57,00 sur SWE-Bench Verified, 29,24 sur Terminal-Bench 2.1, 89,17 sur AIME 2025 et 77,60 sur MMLU-Pro. Ces chiffres sont déclarés par le fournisseur et non reproduits de façon indépendante, et le modèle a deux mois — assez ancien pour qu'une absence de scores indépendants soit légèrement notable, sans être accablante.

Hy-Memory-30B-A3B est clairsemé, ce qui signifie qu'il contient 30 milliards de paramètres mais n'en lit qu'environ 3 milliards par token, et il a été entraîné pour une seule tâche. La fiche de Hy-Memory le décrit comme remplaçant le LLM à usage général au sein de Mem0, MemOS et Hy-Memory — décidant ce qu'il faut conserver, comment le représenter avec précision, et comment de nouveaux éléments de preuve mettent à jour une banque de mémoire persistante. Il a ensuite été testé sur EverMemOS, un framework entièrement exclu de l'entraînement, ce qui constitue, dans l'une ou l'autre de ces publications, l'équivalent le plus proche d'un véritable test de généralisation. Son résultat phare revendiqué : une moyenne macro de 55,49 sur quatre harnais d'évaluation, contre 54,62 pour Claude Opus 5. Également rapporté par le fournisseur, également non reproduit, et — contrairement aux chiffres de Granite — évalué sur un sous-échantillon fixe de 20 % de chaque benchmark plutôt que sur l'ensemble complet.

Donc les scores ne sont pas comparables. Les 57,00 de Granite sur SWE-Bench Verified et la moyenne macro de 55,49 de Hy-Memory sont des chiffres qui ne relèvent pas du même sport, et les mettre dans une même colonne serait un mensonge arithmétique.

Il convient également de noter d’où viennent ces chiffres. Les chiffres de Hy-Memory figurent dans un rapport technique, arXiv 2610.22196, soumis le jour même où les poids sont apparus — la source primaire est publique et lisible, ce qui est plus que ce dont bénéficient de nombreux tableaux publiés le jour de la sortie. Ceux de l’autre camp se trouvent sur une fiche de modèle. Dans les deux cas, c’est le fournisseur qui corrige ses propres devoirs, et aucun des deux n’est passé par le banc d’essai de quelqu’un d’autre.

Les caractéristiques, dimension par dimension

• Paramètres — Hy-Memory-30B-A3B, 30B au total / ~3B actifs en MoE, contre Granite 4.2 30B, environ 29B dense, tous les paramètres actifs sur chaque token.

• Forme des couches — 48 couches pour Hy-Memory-30B-A3B, un bloc feed-forward dense et 47 blocs MoE clairsemés, 128 experts par bloc avec routage top-8 plus un expert partagé, contre le transformateur dense standard decoder-only de Granite 4.2 30B avec GQA, 32 têtes d’attention et 8 têtes clé-valeur.

• Contexte — 262 144 positions pour Hy-Memory-30B-A3B d’après son fichier de configuration, contre 128 K natif et 512 K étendu pour Granite 4.2 30B.

• Empreinte des poids — environ 60,1 Go répartis sur 51 fragments safetensors BF16 pour Hy-Memory-30B-A3B, contre environ 29 milliards de paramètres denses en BF16 pour Granite 4.2 30B, avec des versions FP8, NVFP4/MXFP4 et GGUF publiées en parallèle.

• Options quantifiées — aucune pour Hy-Memory-30B-A3B ; l’équipe a livré un seul checkpoint BF16 et rien d’autre. Granite 4.2 30B dispose d’un build FP8 officiel, de deux formats 4 bits et de conversions GGUF provenant de plusieurs éditeurs de la communauté.

• Contrôles de raisonnement — Hy-Memory-30B-A3B expose un reasoning_effort commutateur, mais le quickstart du projet l'exécute en no_think avec une température de 0.0 ; Granite 4.2 30B dispose de trois modes de réflexion, dont une chaîne de pensée complète encapsulée dans des balises think.

• Licence — Apache 2.0 pour les deux, ce qui élimine l'une des deux questions qu'une revue juridique poserait autrement.

• Disponibilité hébergée — aucun des deux modèles n’est servi par un point de terminaison de fournisseur hébergé. La fiche de Granite 4.2 30B mentionne un fournisseur d’inférence ; celle de Hy-Memory-30B-A3B indique clairement qu’aucun fournisseur ne le déploie.

• Objectif publié — un rédacteur de mémoire face à un modèle de raisonnement général. C’est la ligne qui détermine tout ce qui précède.

Le matériel, c'est là que le choix se fait réellement.

Voici l'asymétrie qu'une fiche technique dissimule.

Hy-Memory-30B-A3B fait 60 Go en BF16, sans alternative quantifiée. Ce n'est pas un modèle que l'on évalue sur un ordinateur portable, et ce n'est pas un modèle que l'on lance sur une seule carte de station de travail pour voir si l'affirmation de l'article tient. Une équipe qui veut vérifier les chiffres de Hy-Memory doit actuellement provisionner à peu près le même matériel qu'un petit déploiement en production, avant même de savoir si la chose fonctionne.

Granite 4.2 30B, aussi dense soit-il, est livré sous des formes que vous pouvez réellement exécuter dès aujourd’hui. Les versions FP8 et 4 bits le font tenir dans la mémoire d’un seul accélérateur, et les conversions GGUF en mettent une version utilisable sur du matériel que les gens possèdent déjà. Cette équipe a livré ces versions délibérément — un fournisseur qui publie quatre formats de quantification vous dit qu’il s’attend à ce que le modèle soit exécuté par la personne qui en lit la présentation, et non loué depuis un centre de données.

Rien de tout cela ne fait de Granite le meilleur modèle. Cela fait de Granite le modèle le moins cher à découvrir.

La réponse contre-intuitive : ils appartiennent au même système

Un agent doté d'une mémoire à long terme a besoin de ces deux fonctions, et l'architecture du framework rend cette séparation explicite plutôt que théorique.

Un harnais de mémoire invoque un writer sur le chemin d'écriture — déclenché à chaque tour, sorties courtes, déterministe, et il ne doit jamais inventer un fait que l'utilisateur n'a pas énoncé. C'est tout le travail de Hy-Memory-30B-A3B, et un modèle à 3B actifs sur un réglage no-think est exactement de la bonne forme pour cela : peu coûteux par appel, car il y a beaucoup d'appels. Granite 4.2 30B ne concourt pas pour ce créneau. Sa place est sur le chemin de lecture et le raisonnement qui l'entoure — décider quoi faire de ce qui se trouve dans la banque, planifier, appeler des outils, produire la réponse. Ce sont ces appels tournés vers la frontière où la profondeur d'un modèle de raisonnement dense vaut son coût.

Deux modèles, deux profils d’appels très différents, et la question d’ingénierie intéressante est de savoir comment placer une seule clé devant les deux. C’est à cela que sert une couche de routage. OrcaRouter, avec son DSL de routage, compose plusieurs modèles en un seul appel — vous pouvez diriger le chemin d’écriture vers un point de terminaison Hy-Memory-30B-A3B auto-hébergé et le chemin de lecture vers un modèle de pointe hébergé, et piloter les deux à partir d’une seule clé API à travers plus de 200 modèles avec basculement automatique si un backend se dégrade. Aucun de ces deux modèles ne figure dans notre catalogue et nous n’hébergeons ni l’un ni l’autre ; la disponibilité pour les deux dépend de votre propre matériel ou des canaux propres du fournisseur. Ce que nous couvrons, c’est l’autre moitié — les modèles hébergés qui entourent un writer auto-hébergé — à 0 % de marge sur le prix catalogue du fournisseur.

Cette combinaison vaut la peine d’être comprise avant que l’un ou l’autre modèle ne soit prêt pour la production dans votre cas, car l’architecture reste la même, que le chemin d’écriture exécute Hy-Memory-30B-A3B ou un modèle général auquel on a greffé un prompt de mémoire. Le routeur reste indifférent. Remplacer l’un par l’autre plus tard devrait être une modification de la table de routage, pas une réécriture.

Lequel regarder en premier

Si vous avez un agent de longue durée doté d’un framework de mémoire et que le chemin d’écriture est actuellement un modèle frontière que vous payez au prix des modèles frontière pour l’exécuter à chaque tour, Hy-Memory-30B-A3B est le plus intéressant des deux et celui qui a un problème spécifique et quantifié à résoudre. Allez le voir — mais sachez que votre première tâche consiste à construire le matériel pour le tester, et qu’aucun tiers n’a encore confirmé le 55.49.

Si vous avez besoin d’un seul modèle à poids ouverts qui raisonne, appelle des outils et tourne sur une carte que vous possédez, Granite 4.2 30B est celui à évaluer cette semaine. Il a deux mois, ses quantifications existent, et ses chiffres publiés ne sont pas reproduits — ce qui est un état normal pour un modèle ouvert de taille moyenne et non un signal d’alarme en soi.

Si vous construisez l’ensemble, la réponse honnête est que vous voulez probablement les deux, dans les deux rôles pour lesquels ils ont été conçus, et le travail intéressant est le routage entre eux plutôt que le choix entre eux.