Hy-Memory-30B-A3B vs Nemotron 3.5 Lightning 30B-A3B Base : les mêmes trois lettres, deux objets différents

Hy-Memory-30B-A3B et NVIDIA-Nemotron-3.5-Lightning-30B-A3B-Base-BF16 reposent sur une arithmétique de paramètres identique — 30 milliards au total, 3 milliards actifs — et c'est là que la ressemblance cesse d'être utile. Le modèle de l'équipe Hunyuan, open-sourcé le 15 octobre 2026, est un produit fini : entièrement post-entraîné pour exécuter l'écriture en mémoire au sein de Mem0, MemOS et Hy-Memory, livré avec une recette de service compatible OpenAI et un tableau de benchmarks revendiquant une victoire sur Claude Opus 5. Celui de NVIDIA, publié le 11 août 2026, n'est pas un produit du tout. Le mot « Base » dans son nom est à prendre au pied de la lettre — aucun affinage supervisé, aucun apprentissage par renforcement, aucune distillation n'a été appliqué. C'est une matière première pré-entraînée, publiée pour que vous puissiez construire votre propre modèle post-entraîné par-dessus. Ce que les chiffres ne peuvent pas vous dire, c'est si l'un d'eux a mal tourné sur le terrain : les incidents d'IA et défaillances d'agents documentés autour des modèles de cette classe sont rassemblés dans l'OrcaRouter AI Incident Archive où chaque entrée comporte ses propres sources, son niveau de gravité, sa note de confiance et son indicateur de contestation.

Deux modèles avec le même numéro dans le nom, dont l’un est conçu pour être utilisé et l’autre pour être modifié. La comparaison qui vaut la peine n’est pas de savoir lequel obtient le meilleur score — ils n’ont été évalués sur rien de commun, et l’un d’eux n’a aucun comportement de suivi d’instructions à évaluer. La comparaison qui vaut la peine porte sur les preuves : ce que chaque fournisseur a publié, dans quelle mesure vous pourriez le vérifier vous-même, et ce que chacun vous demande avant de faire quoi que ce soit.

Ce qu'est réellement chaque modèle

Hy-Memory-30B-A3B est un transformer creux classique, mais avec une tâche inhabituelle. Son fichier de configuration décrit 48 couches : la première est un bloc feed-forward dense et les 47 autres sont des mélanges d'experts, avec 128 experts par bloc en routage top-8, plus un expert partagé unique, une dimension cachée de 2 048, une largeur intermédiaire des experts de 768, 32 têtes d'attention face à 4 têtes clé-valeur avec normalisation requête-clé, et un contexte de 262 144 positions. Environ 60,1 Go répartis sur 51 fragments BF16. Il a été entraîné en deux étapes — Memory On-Policy Distillation, puis Attributed Memory Reinforcement Learning — et tout l'intérêt de l'exercice était de remplacer le modèle généraliste que les frameworks de mémoire appellent actuellement à chaque tour. Servi avec vLLM 0.31.0, il renvoie des enregistrements JSON structurés décrivant ce qu'un agent doit mémoriser.

Nemotron 3.5 Lightning 30B-A3B Base est une machine hybride. NVIDIA entrelace des blocs à espace d'état Mamba-2 avec des couches de mélange d'experts et d'attention, ajoute des têtes de prédiction multi-tokens entraînées dans une phase dédiée de pré-entraînement continu, et a pré-entraîné l'ensemble selon une recette NVFP4 sur plus de 20 000 milliards de tokens. L'intérêt de la pile hybride réside dans le cache clé-valeur : les blocs Mamba-2 l'empêchent de croître comme le fait celui d'un transformeur classique, ce qui permet à NVIDIA de revendiquer une longueur de contexte pouvant atteindre 1 million de tokens. Il est proposé en versions BF16, NVFP4 et FP8, avec des conversions et quantifications GGUF de plusieurs tiers. Sa licence est OpenMDW-1.1, qui couvre les poids, les données d'entraînement et les recettes — une autorisation plus large qu'une licence de modèle ne l'est habituellement.

La coïncidence du nombre de paramètres est réelle mais superficielle. Les deux activent environ 3B paramètres par token ; c’est la seule décision de conception que les deux équipes ont prise de la même manière.

Cette bannière est l’élément le plus informatif de la page. NVIDIA l’a placée en haut du dépôt de base à dessein : ce checkpoint n’est pas celui que la plupart des gens veulent, et le fournisseur le dit avant que vous ne téléchargiez 30 milliards de paramètres.

La distinction qui décide de tout : post-entraîné versus pré-entraîné

Un checkpoint de base ne suit pas les instructions. Posez-lui une question et il continue le texte, car c'est la seule chose que le pré-entraînement lui a apprise. Il n'a pas de template de chat digne de ce nom, aucun comportement d'appel d'outils, aucune limite de refus et aucune idée qu'une conversation comporte des tours. La fiche de NVIDIA le dit sans détour, et la bannière « Vous cherchez le modèle post-entraîné ? » en haut du dépôt pointe vers le checkpoint frère pour quiconque veut quelque chose à qui parler.

Un checkpoint de base sert à votre post-entraînement. Le pré-entraînement continué sur un corpus de domaine, ou le fine-tuning supervisé, le RL et la distillation via NeMo RL, NeMo Gym et Megatron-LM — la chaîne d’outils que NVIDIA nomme et pour laquelle elle fournit des recettes. Si vous disposez d’un avantage en matière de données et d’un avis sur la façon dont un modèle devrait se comporter, un checkpoint de base est le point de départ qui vous permet d’agir sur les deux. Si ce n’est pas le cas, c’est un presse-papiers de 30 milliards de paramètres.

Hy-Memory-30B-A3B se situe à l’extrémité opposée de ce pipeline. Il a déjà été soumis à un post-entraînement, et même deux fois, et toute sa proposition de valeur réside dans le fait que vous n’avez pas à faire ce travail : vous prenez le schéma que la fiche vous donne, vous le pointez vers votre harnais, et il écrit la mémoire. Il est bien plus étroit que Nemotron, et de très loin, et il est finalisé d’une manière que Nemotron n’est délibérément pas.

Caractéristiques et conditionnement, une ligne par dimension

• Paramètres totaux / actifs — 30B / ~3B pour les deux. C'est la seule ligne où ils concordent.

• Architecture — Hy-Memory-30B-A3B est un transformeur sparse avec un bloc dense et 47 blocs MoE, 128 experts en top-8 plus un expert partagé ; Nemotron 3.5 Lightning 30B-A3B Base est un hybride Mamba-2, entrelaçant des couches d'espace d'état, MoE et d'attention avec des têtes de prédiction multi-jetons.

• Contexte — 262 144 positions pour Hy-Memory-30B-A3B d'après sa configuration ; jusqu'à 1 M de tokens pour Nemotron, avec 256 K comme valeur pratique documentée sur un seul H100.

• Post-entraînement — deux étapes pour Hy-Memory-30B-A3B (distillation on-policy, puis RL attribué) ; aucune du tout pour le checkpoint de base Nemotron.

• Empreinte des poids — 60,1 Go en BF16 pour Hy-Memory-30B-A3B, sans autre précision publiée, par rapport aux versions BF16, NVFP4 et FP8 de NVIDIA ainsi qu’à un GGUF de la communauté.

• Licence — Apache 2.0 vs OpenMDW-1.1, qui couvre en outre les données d'entraînement et les recettes.

• Chemin de service — vLLM 0.31.0 derrière un point de terminaison compatible OpenAI pour Hy-Memory-30B-A3B ; d'abord le post-entraînement, puis le service, pour Nemotron.

• Point de terminaison hébergé — aucun des deux modèles n’est déployé par un fournisseur d’inférence hébergé. Tous deux sont des propositions d’auto-hébergement.

Preuve : NVIDIA publie une recette, Hunyuan publie un tableau

C'est la différence la plus marquée entre les deux versions, et elle ne tient pas aux chiffres eux-mêmes.

NVIDIA publie sa méthodologie d'évaluation d'une manière qui vous permet d'agir. La fiche de base de Lightning indique que ses chiffres de précision ont été mesurés dans un harnais cohérent — NeMo Gym et le NeMo Evaluator SDK, encapsulant un conteneur open source de LM Evaluation Harness, avec RULER exécuté via NeMo Skills — puis dit ce que les fournisseurs disent rarement : ces chiffres peuvent différer de ceux que d'autres fournisseurs déclarent eux-mêmes. Elle renvoie à des recettes de reproductibilité. Les chiffres restent issus de l'exécution propre à NVIDIA, mais le harnais est nommé, conteneurisé et téléchargeable, ce qui signifie que la distance entre « NVIDIA a mesuré ceci » et « j'ai mesuré ceci » se compte en quelques heures de travail plutôt qu'en un projet de recherche.

La publication de Hy-Memory est plus difficile à vérifier de deux manières distinctes. La conception de l'évaluation est solide en soi — elle ne modifie que l'écrivain de mémoire et maintient fixes le harnais, les prompts, la configuration de récupération, le modèle de réponse et le juge, ce qui est la bonne façon d'isoler la contribution d'un écrivain. Mais chaque benchmark de la matrice principale tourne sur un sous-échantillon de 20 % fixe plutôt que sur l'ensemble complet, et la marge affichée est mince : 55,49 de moyenne macro contre 54,62 pour Claude Opus 5, un écart de 0,87 point, avec le harnais MemOS décidé par 0,01 point. Le second obstacle est matériel. Reproduire les chiffres de base de NVIDIA signifie charger un point de contrôle dont les versions quantifiées existent ; reproduire ceux de Hy-Memory signifie charger 60 Go de BF16 sans aucune alternative plus petite publiée.

Aucune des deux séries de chiffres n’a été reproduite de manière indépendante. La différence tient à quel point il est plausible que ce soit vous qui puissiez le faire.

Mettez les deux sources primaires côte à côte et le contraste est frappant : l’évaluation de Hy-Memory figure dans un article avec une description de l’architecture et une méthode d’entraînement, tandis que celle de NVIDIA figure dans une fiche de modèle avec un harnais nommé et téléchargeable. Dans les deux cas, c’est le fournisseur qui note son propre travail. Un seul d’entre eux vous tend la règle.

Deux raisons différentes de faire intervenir un routeur

Les deux modèles sont auto-hébergés, et ni Hy-Memory-30B-A3B ni Nemotron 3.5 Lightning 30B-A3B Base ne figurent au catalogue d'OrcaRouter — nous n'hébergeons ni l'un ni l'autre. La voie vers l'un comme vers l'autre, ce sont les poids et vos propres GPU. Mais la question du routeur se pose différemment de chaque côté de cette comparaison, ce qu'il vaut la peine d'examiner en détail, car c'est la forme pratique du choix.

Si vous suivez la voie Nemotron, vous effectuez un post-entraînement sur un checkpoint. Cela produit un modèle qui n'existe que sur votre infrastructure, et le problème classique avec un checkpoint personnalisé, c'est qu'il n'a nulle part où se loger : il n'est dans aucun catalogue, donc chaque application qui le veut a besoin d'une intégration sur mesure, et chaque chemin de repli en cas de panne doit être construit à la main. Un routeur résout précisément ce problème — une seule clé API pour plus de 200 modèles, avec votre propre point de terminaison enregistré à leurs côtés et basculement automatique en cas de dégradation. La fusion de modèles est l'autre élément à connaître ici : elle exécute un panel de modèles ensemble sur un seul appel, ce qui vous permet de comparer un post-entraînement récent à une référence solide sans écrire de harnais pour chacun.

Si vous empruntez la voie Hy-Memory, l’écrivain n’est qu’un appel dans une boucle beaucoup plus vaste. Un harnais de mémoire invoque l’écrivain, puis invoque un modèle de réponse pour relire la banque et répondre — et c’est dans ce second appel que se trouve normalement un modèle hébergé. OrcaRouter répercute le prix catalogue du fournisseur avec 0 % de marge, de sorte qu’une baisse de prix d’un fournisseur sur le modèle de réponse est effective de notre côté le jour même, et le DSL de routage compose l’écrivain auto-hébergé et le lecteur hébergé en un seul appel. Vous n’avez pas besoin que les deux moitiés viennent du même endroit, et vous n’avez pas besoin d’un second contrat pour ajouter celle qui vous manque.

Lequel est le bon point de départ ?

Si ce que vous voulez, c’est un modèle qui fait quelque chose le jour même où vous le téléchargez — précisément, qui améliore la mémoire d’un agent sans que vous ayez à entraîner quoi que ce soit —, Hy-Memory-30B-A3B est le seul de ces deux à répondre. C’est aussi celui que vous ne pouvez pas tester à moindre coût, et sa promesse phare est celle dont la marge est la plus mince. Attendez-vous à dépenser en matériel avant d’apprendre quoi que ce soit.

Si ce que vous voulez, c’est une base que vous pouvez façonner, Nemotron 3.5 Lightning 30B-A3B Base est un travail publié sérieux : une architecture hybride conçue pour un contexte long et une inférence rapide, publiée avec ses recettes d’entraînement et un harnais d’évaluation que vous pouvez réexécuter. Il ne répondra pas à une question tant que vous ne l’aurez pas post-entraîné, et c’est le contrat plutôt qu’un défaut.

La collision de noms continuera de mettre ces deux-là dans la même phrase. Les nombres de paramètres continueront de correspondre. Rien d'autre chez eux ne le fera, et plus tôt un lecteur séparera « 30B-A3B » de « le même genre de modèle », plus tôt la comparaison deviendra utile.

Le chiffre des téléchargements mérite de rester à l’écran. Un modèle spécialisé post-entraîné publié hier, sans version quantifiée, sans endpoint hébergé et sans annonce, totalise zéro téléchargement et neuf likes — tandis que le checkpoint de base pré-entraîné de NVIDIA, publié deux mois plus tôt, se situe dans les dizaines de milliers. Cet écart n’est pas un jugement de qualité. C’est une mesure de la difficulté que chaque équipe a créée pour essayer la chose.