Hy-Memory-30B-A3B vs Qwen3.8-27B : Le spécialiste n'est pas le rival — c'est le remplaçant pour le travail que vous payez déjà un généraliste à faire

Personne ne choisit entre Hy-Memory-30B-A3B et Qwen3.8-27B sur la base des capacités, car ils ne courent pas la même course. Qwen3.8-27B est le modèle de vision-langage dense de 27 milliards de paramètres du laboratoire — Apache 2.0, contexte natif de 262 144 jetons, publié le 14 août 2026, et servi sur OrcaRouter à 0,33 $ par million de jetons d'entrée et 2,40 $ par million de jetons de sortie. Hy-Memory-30B-A3B est le rédacteur de mémoire de l'équipe Hunyuan — 30 B au total avec environ 3 B actifs, open source le 15 octobre 2026, et n'est disponible nulle part, y compris chez nous. L'un est un généraliste que l'on peut louer au jeton. L'autre est un composant que vous devez héberger vous-même.Les benchmarks vieillissent et les prix bougent ; le registre des défaillances, non : 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 niveau de gravité, sa note de confiance et son indicateur de contestation.

La raison de les mettre côte à côte malgré tout, c'est que Hy-Memory-30B-A3B existe pour remplacer une chose précise, et cette chose est très souvent un Qwen3.8-27B. Les frameworks de mémoire appellent un modèle généraliste à chaque tour pour décider quoi conserver. Si vous faites tourner Qwen3.8-27B pour cela — et à 0,33 $/2,40 $, c'est un choix naturel — alors la vraie question n'est pas de savoir quel modèle est meilleur. C'est de savoir si un spécialiste à 3B de paramètres actifs fait le même travail assez bien pour justifier le matériel, et cette question comporte un prix que vous pouvez réellement chiffrer.

Ce qu'est Qwen3.8-27B, dans les termes qui importent à un système de mémoire

Dense, ce qui signifie que chacun de ses paramètres est lu pour chaque token. 64 couches avec une taille cachée de 5 120, avec un motif 16 pour 1 alternant des blocs d'attention linéaire Gated DeltaNet et des blocs d'attention complète — une conception qui est ce qui rend une fenêtre de 250 000 tokens ne serait-ce qu'abordable à servir. Il prend en entrée du texte, des images et de la vidéo et renvoie du texte, ce qui importe ici pour une raison prosaïque : une grande partie de ce que les gens veulent qu'un agent se souvienne arrive sous forme de capture d'écran ou de document plutôt que de prose.

La propre fiche du fournisseur annonce 90,3 sur LiveCodeBench v6, 89,2 sur GPQA Diamond, 73,0 sur Terminal-Bench 2.1, 84,3 sur OSWorld-Verified et 79,5 sur IFBench — tous rapportés par le fournisseur, non reproduits par nous ni par quiconque que nous puissions citer pour la charge de travail d’écriture de mémoire en particulier. Depuis sa sortie, le modèle a décroché des places dans des classements indépendants, y compris une place dans le top 10 d’un classement d’arène de développement web, mais aucun d’entre eux ne mesure sa capacité à écrire de la bonne mémoire. Rien ne le fait encore.

Ce qui en fait le choix incontournable pour cette tâche, ce ne sont aucun de ces scores. C’est qu’il suit les instructions à la lettre, qu’il accepte un schéma JSON, qu’il dispose d’une fenêtre de 262K qui vous permet de lui confier une longue conversation sans acrobaties de découpage, et qu’il est assez économique pour être exécuté à chaque tour.

La page ci-dessus montre en un seul écran la différence pratique entre ces deux modèles : Qwen3.8-27B a un tarif et une route, tandis que Hy-Memory-30B-A3B n'a ni l'un ni l'autre.

Ce que Hy-Memory-30B-A3B fait différemment

Le modèle Hy-Memory est entraîné pour exactement une tâche et sa fiche l'indique sans détour : il remplace le LLM généraliste au sein de Mem0, MemOS et Hy-Memory, décidant quelles informations conserver, avec quelle précision les représenter, et comment de nouvelles preuves doivent mettre à jour une banque persistante. Il est ensuite évalué sur EverMemOS, un framework tenu entièrement à l'écart de l'entraînement — la décision de conception de cette publication qui mérite le plus d'être saluée, car le transfert entre frameworks est toute la prémisse.

Son entraînement se déroule en deux étapes, et la seconde est la plus intéressante. Memory On-Policy Distillation fournit une supervision dense sur les états de mémoire que l'élève a lui-même produits. Attributed Memory Reinforcement Learning construit ensuite des banques à partir des rollouts, les note bloc par bloc, pénalise le sur-stockage et — c'est la partie qui garantit l'honnêteté de l'entraînement — reporte la banque sélectionnée d'une fenêtre à l'autre plutôt que de la réinitialiser entre elles. Une banque déployée n'est jamais vide ; l'entraîner face à une banque vide reviendrait donc à l'entraîner pour une situation qui n'existe pas.

D'un point de vue architectural, il compte 48 couches, un bloc dense et 47 blocs MoE à routage clairsemé, 128 experts avec un routage top-8 plus un expert partagé, un contexte de 262 144 positions et 60,1 Go de poids BF16 répartis sur 51 shards. Aucune version quantifiée n'a été publiée.

Faire les calculs que les cartes ne font pas

Les deux modèles se déclenchent à chaque tour d'une longue conversation. Le chemin d'écriture devient donc un problème de volume, et c'est sur le volume que le plus petit nombre de paramètres actifs d'un spécialiste devrait se faire sentir.

Prenons une hypothèse concrète et énoncée plutôt qu'une hypothèse mesurée : un rédacteur traite environ 800 jetons de conversation par tour et émet environ 150 jetons de mémoire structurée. Sur 1 000 tours, cela représente 800 000 jetons d'entrée et 150 000 jetons de sortie par utilisateur. Sur la grille tarifaire d'OrcaRouter pour Qwen3.8-27B — le prix catalogue du fournisseur répercuté à 0 % de marge, soit 0,33 $ et 2,40 $ par million — cette conversation coûte environ 0,26 $ en entrée et 0,36 $ en sortie, soit environ 0,62 $, plus ce que coûte le chemin de lecture lorsqu'un modèle de réponse ouvre la banque. Ce sont des calculs sur des tarifs publiés, pas un benchmark, et votre nombre de jetons par tour variera.

Pour Hy-Memory-30B-A3B, les mêmes 1 000 tours ne coûtent rien par token et quelque chose de considérablement plus élevé par mois, car il n’existe pas de grille tarifaire. Le modèle est auto-hébergé, et auto-héberger 60 Go de BF16 sans alternative quantifiée implique un accélérateur disposant de la mémoire nécessaire pour le contenir — avant même de savoir si la moyenne macro de 55,49 tient bon.

Donc, le compromis n'oppose pas le bon marché au cher. Il s'agit d'une facturation à l'usage contre le capital, et le point de bascule dépend entièrement du nombre de tours que vous écrivez réellement par mois. Une équipe qui gère quelques milliers de conversations par mois a presque certainement intérêt à payer le tarif par token de Qwen3.8-27B et à ne jamais aborder la question du matériel. Une équipe qui écrit de la mémoire sur des millions de tours fait tourner du matériel dans tous les cas, et le spécialiste devient intéressant.

La carte ci-dessus est le point de départ du calcul : derrière le tarif de 0,33 $ se trouve un checkpoint 27B téléchargeable, et si votre volume est suffisamment élevé pour justifier de l’exécuter vous-même, il s’agit d’une voie prise en charge, avec des quantisations publiées à l’appui.

Trois choses que la comparaison des prix cache

Le coût par token est l'axe le plus simple et le moins décisif. Trois autres comptent davantage.

Multimodalité. Qwen3.8-27B prend en charge les images et la vidéo. La fiche technique de Hy-Memory-30B-A3B spécifie une entrée texte, en anglais et en chinois. Si la mémoire de votre agent inclut des captures d'écran, des documents numérisés ou des images vidéo, le généraliste accomplit un travail que le spécialiste ne peut structurellement pas faire, et aucun avantage de coût ne comble cet écart.

Contexte. Tous deux publient 262 144 positions, ce qui est une coïncidence authentique et utile — ni l'un ni l'autre n'a d'avantage en ce qui concerne la quantité de conversation que vous pouvez lui confier en une seule fois.

Précision publiée. Qwen3.8-27B est livré en BF16 avec une version FP8 officielle et des conversions GGUF de plusieurs éditeurs, et OrcaRouter sert une version block-FP8 avec la tour de vision en pleine précision. Hy-Memory-30B-A3B est livré en BF16 et rien d'autre. Cette ligne détermine si vous pouvez l'évaluer sur une carte empruntée ou si vous devez en réserver une.

La réponse de routage, qui est différente selon le modèle que vous choisissez.

C'est ici que les deux voies se séparent nettement, et il vaut la peine d'être précis plutôt que promotionnel.

Qwen3.8-27B figure au catalogue d'OrcaRouter. Vous l'appelez avec la même clé API que 200 et quelques autres modèles, au prix catalogue du fournisseur avec 0 % de marge — ainsi, une baisse de prix du fournisseur est appliquée ici le jour même plutôt qu'au cycle de facturation suivant — avec un basculement automatique si un backend se dégrade. Pour un harnais de mémoire, la partie utile est le DSL de routage : il compose plusieurs modèles en un seul appel, ce qui vous permet d'exécuter un modèle rédacteur et un modèle de réponse derrière un seul point de terminaison sans construire un second client. La fusion de modèles, qui exécute un panel de modèles répondant ensemble, est l'outil pour déterminer empiriquement si un modèle rédacteur spécialisé produit de meilleures banques de mémoire que le généraliste — exécutez les deux sur la même conversation, comparez les réponses et arrêtez d'en débattre.

Hy-Memory-30B-A3B ne figure pas dans notre catalogue et nous ne l'hébergeons pas. La voie pour y accéder passe par le checkpoint de l'équipe et votre propre matériel. Si vous l'hébergez vous-même, un routeur couvre toujours le reste de la boucle — le modèle de réponse hébergé qui relit la banque, les appels de planification qui l'entourent — et il vous permet d'enregistrer votre propre point de terminaison aux côtés de ceux hébergés, afin que le basculement et l'accès à clé unique s'appliquent aux deux.

Qui devrait faire quoi ?

Si vous exécutez aujourd’hui de l’écriture de mémoire sur un généraliste hébergé, la première question honnête n’est pas de savoir s’il faut changer. C’est de savoir combien de tours vous écrivez réellement par mois. En dessous d’un seuil que vous seul pouvez calculer, Qwen3.8-27B à un tarif par token est le choix rationnel, et l’exigence matérielle de Hy-Memory-30B-A3B est une distraction — en particulier si votre mémoire contient des images, où le spécialiste n’a rien à offrir.

Si vous écrivez de la mémoire à un volume où la ligne de coût par token est devenue une véritable ligne budgétaire, Hy-Memory-30B-A3B est le premier modèle ouvert à viser précisément cette ligne, et le fait qu'il ait été testé contre un framework tenu à l'écart est le signe que quelqu'un a pensé à la généralisation plutôt qu'à une démo. Attendez une version quantifiée. Attendez que quelqu'un en dehors de l'équipe fasse tourner le harnais. Décidez ensuite.

Et si vous êtes simplement curieux de savoir si un spécialiste bat un généraliste sur votre propre trafic, l’expérience est peu coûteuse à mettre en place et la réponse sera propre à vos données plutôt qu’à l’une ou l’autre carte.

Une dernière chose que la fiche rend manifeste et que les tableaux ne rendent pas. Hy-Memory-30B-A3B est sous licence Apache 2.0, ce qui signifie que l’expérience ci-dessus est une expérience que vous êtes autorisé à exécuter à des fins commerciales, sur vos propres données, sans avoir à discuter avec l’équipe juridique de qui que ce soit. C’est l’argument le plus fort dont dispose le modèle, et il est indépendant du fait que le 55,49 se reproduise ou non.