Rilis Senyap Hy-Memory-30B-A3B: Tencent Menempatkan Penulis Memori di Hugging Face Tanpa Posting Peluncuran

Hy-Memory-30B-A3B adalah model mixture-of-experts dengan 30 miliar parameter dari tim Hunyuan yang tidak menjawab pertanyaan. Ia menulis memori. Ia memutuskan apa yang harus disimpan oleh agen yang berjalan lama, seberapa tepat perumusannya, dan bagaimana fakta baru harus menimpa fakta lama di dalam bank memori persisten — langkah yang selama ini diserahkan oleh setiap kerangka kerja agen kepada model obrolan serbaguna. Bobotnya diunggah ke Hugging Face pada 15 Oktober 2026, laporan teknis menyusul pada hari yang sama dengan arXiv 2610.22196, repositori GitHub dibuka sore itu, dan tag v1.0.0 dirilis pada 16 Oktober. Pada saat penulisan ini, repositori mencatat nol unduhan dan jumlah suka satu digit pada kartu model. Tidak ada halaman peluncuran vendor, tidak ada harga, tidak ada endpoint yang dihosting, dan tidak ada pengumuman yang dapat kami temukan di luar README proyek itu sendiri. Tolok ukur menjadi usang dan harga berubah; catatan kegagalan tidak demikian: insiden AI dan kegagalan agen yang terdokumentasi di balik model di kelas ini dikumpulkan di Arsip Insiden AI OrcaRouter di mana setiap entri membawa sumbernya sendiri, tingkat keparahan, tingkat keyakinan, dan penanda sengketa.

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.

Apa yang sebenarnya ada di repositori, dan apa yang tidak

Fakta yang dapat diperiksa, satu baris masing-masing:

• Model — tencent/Hy-Memory-30B-A3B, diterbitkan di bawah Apache 2.0, ditandai bahasa Inggris dan Tionghoa.

• Ukuran — total 30B parameter, sekitar 3B aktif per token, itulah arti dari akhiran A3B.

• Arsitektur — 48 lapisan, di mana 1 adalah blok feed-forward padat dan 47 adalah blok MoE sparse; 128 expert per blok dengan routing top-8 plus satu expert bersama; ukuran hidden 2.048; lebar intermediate expert 768; 32 head attention terhadap 4 head key-value dengan normalisasi query-key; router sigmoid dengan suku bias expert.

• Konteks — 262.144 posisi dari file konfigurasi, dengan basis RoPE 11.158.840.

• Jejak — 51 pecahan safetensors dengan total sekitar 60,1 GB dalam BF16.

Disajikan dengan — vLLM, diuji terhadap v0.31.0, di balik endpoint yang kompatibel dengan OpenAI. Kartu ini tidak menyebutkan runtime lain dan tidak ada penyedia inferensi.

• Tidak ada — tidak ada GGUF, tidak ada build FP8 atau NVFP4, tidak ada fine-tune, tidak ada kuantisasi, dan tidak ada turunan dalam bentuk apa pun di indeks pencarian Hugging Face. Tim merilis satu checkpoint BF16 pada satu presisi.

Baris terakhir itu lebih berarti daripada yang terlihat saat membacanya. Tim Granite merilis build FP8, MXFP4, NVFP4, dan GGUF dari Granite 4.2 30B hanya dalam beberapa hari setelah bobot dasarnya. Liquid AI merilis GGUF Q4_K_M dari LFM2.5-24B-A2B sebesar 14,5 GB. Para vendor itu memberi tahu Anda di mana mereka mengharapkan model ini dijalankan. Checkpoint BF16 60 GB tanpa jalur kuantisasi memberi tahu Anda bahwa yang ini ditujukan bagi siapa pun yang sudah memiliki GPU — kemungkinan besar orang-orang yang menjalankan infrastruktur memori dalam skala besar, yang persis merupakan audiens yang disebutkan oleh kartu model.

Untuk apa model itu sebenarnya

Perbedaan antara penulis memori dan agen adalah inti dari rilis ini, dan mudah terlewat karena kartu modelnya terbaca seperti kartu model lainnya.

Sebuah kerangka agen — Mem0, MemOS, Hy-Memory, EverMemOS — berada di antara percakapan dan penyimpanan persisten. Pada setiap giliran, ada sesuatu yang harus membaca pertukaran yang masuk, memutuskan fragmen mana yang layak disimpan, merumuskannya agar dapat ditemukan kembali nanti, dan menyelaraskannya dengan apa yang sudah tersimpan. Saat ini, sesuatu itu adalah model percakapan terdepan dengan prompt khusus kerangka kerja yang ditempelkan begitu saja. Perumusan masalah dalam makalah ini adalah biaya dan transfer: model umum di balik prompt memori mahal untuk dijalankan pada setiap giliran, dan penulis yang disesuaikan untuk protokol satu kerangka kerja tidak dapat berpindah dengan mulus ke protokol kerangka kerja lain.

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.

Pelatihan dua tahap, secara sederhana

Kartu tersebut mendeskripsikan resep itu sebagai Memory On-Policy Distillation yang diikuti oleh Attributed Memory Reinforcement Learning, dan tahap kedua adalah tempat kontribusi makalah ini berada.

Pada tahap pertama, seorang guru memberikan supervisi padat terhadap keadaan memori yang dihasilkan oleh siswa itu sendiri — on-policy, sehingga siswa dikoreksi atas kesalahannya sendiri, bukan atas trajektori seorang guru. Pada tahap kedua, kerangka kerja ini membangun bank memori dari rollout, menilainya potongan demi potongan, dan meneruskan bank yang terpilih ke depan melintasi jendela alih-alih mengatur ulang di antara jendela-jendela tersebut. Penerusan ke depan itulah bagian yang menjaga pelatihan tetap selaras dengan cara model sebenarnya digunakan, di mana sebuah bank tidak pernah kosong dan setiap penulisan menumpuk di atas semua yang telah ditulis sebelumnya. Kredit diberikan pada tingkat potongan, dengan penalti eksplisit untuk penyimpanan berlebihan — penulis yang menyimpan segalanya tidak berguna, jadi imbalan harus memperhitungkan hal itu.

Tidak ada satu pun dari itu yang diverifikasi secara independen. Ini adalah deskripsi yang koheren tentang sebuah metode pelatihan, diterbitkan bersama repositori yang berisi kode, dan itu lebih banyak daripada yang menyertai sebagian besar klaim pada hari peluncuran.

Evaluasi, dibaca sebagaimana seharusnya dibaca

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

• Hy-Memory-30B-A3B — rata-rata makro 55,49 di empat harness.

• 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.

Perlakukan semuanya sebagai klaim vendor. Bukan sebagai hal yang mencurigakan — melainkan sebagai belum direproduksi, yang merupakan hal berbeda. Model yang dirilis kemarin dengan repo dan makalah telah mendapatkan hak untuk diuji, bukan hak untuk dipercaya.

Halaman itu adalah satu-satunya sumber primer untuk seluruh rilis. Tidak ada postingan blog, tidak ada pengumuman vendor, dan tidak ada tulisan pihak ketiga untuk memverifikasi silang.

Apa yang masih belum dikonfirmasi, dinyatakan secara gamblang

• Tidak ada benchmark independen dalam bentuk apa pun. Tidak ada apa pun di Artificial Analysis, tidak ada penempatan arena, tidak ada pengujian harness pihak ketiga.

• Tidak ada reproduksi tabel lintas-harness. Khususnya, hasil EverMemOS yang di-held-out adalah satu kali eksekusi vendor.

• Tidak ada angka biaya di dunia nyata. Penulisan memori adalah beban kerja berfrekuensi tinggi dengan keluaran pendek, tetapi belum ada yang mempublikasikan token per penulisan atau biaya per percakapan pada model ini.

• Tanpa kuantisasi, sehingga tidak ada jejak memori terukur di bawah 60 GB.

• Tidak ada bukti tentang apa yang dilakukannya ketika kerangka kerja memori mengubah protokolnya — makalah ini menguji transfer antar kerangka kerja, bukan antar versi dari satu kerangka kerja.

• Apakah tim berniat meng-host-nya. Kartu tersebut menyatakan bahwa model tidak dideploy oleh penyedia inferensi mana pun, dan tidak ada apa pun di repo yang menunjukkan bahwa endpoint yang di-host akan hadir.

Jika Anda ingin menjalankannya, dan di mana router cocok

Secara realistis, ini adalah keputusan self-hosting. Jalur yang tertera di kartu adalah vLLM 0.31.0 di balik API yang kompatibel dengan OpenAI, yang berarti model dapat langsung dimasukkan ke harness yang sudah ada cukup dengan mengganti base URL. Itu bagian yang murah. Bagian yang mahalnya adalah checkpoint BF16 60 GB tanpa varian terkuantisasi membutuhkan perangkat keras yang serius sebelum ia menuliskan satu memori pun.

Ada baiknya kita bersikap tepat tentang apa yang dilakukan dan tidak dilakukan oleh sebuah router di sini. Hy-Memory-30B-A3B tidak ada dalam katalog OrcaRouter dan kami tidak menghostingnya — rute ke sana adalah checkpoint dan GPU Anda sendiri. Yang dicakup router adalah separuh lain dari harness. Sebuah penulis memori dipanggil bersama model penjawab, dan model penjawab biasanya adalah model frontier terhosting yang membaca kembali bank tersebut dan merespons. OrcaRouter memberi Anda satu kunci API untuk 200+ model terhosting pada 0% markup, sehingga potongan harga penyedia diteruskan pada hari yang sama, dengan failover otomatis jika sebuah backend menurun. DSL routing adalah bagian yang secara khusus cocok dengan arsitektur ini: ia menyusun endpoint yang dihosting sendiri dan endpoint terhosting menjadi satu panggilan, yang persis merupakan bentuk sistem memori — spesialis murah pada jalur tulis, model frontier pada jalur baca, satu kunci di depan keduanya.

Pola ini layak dibangun bahkan sebelum writer-nya berjalan, karena pola ini identik baik jalur tulisnya berupa Hy-Memory-30B-A3B maupun model umum dengan prompt memori. Router tidak peduli yang mana, dan menukar yang satu dengan yang lain nanti seharusnya cukup dengan mengedit tabel routing, bukan menulis ulang.

Apa yang harus ditonton

Tiga hal akan mengubah ini dari sebuah makalah menjadi sebuah produk. Build terkuantisasi: checkpoint FP8 atau Q4 adalah pembeda antara model pusat data dan model yang bisa dievaluasi seseorang di workstation, dan ketiadaan itu adalah hambatan terbesar bagi siapa pun yang ingin memeriksa angkanya. Uji harness independen: klaim transfer EverMemOS yang disisihkan adalah inti dari seluruh tesis, dan klaim itu layak diuji oleh pihak yang tidak memiliki kepentingan di dalamnya. Dan endpoint yang dihosting: bukan karena self-hosting itu salah, tetapi karena desain model itu sendiri — deterministik, tanpa berpikir, output pendek, dipicu pada setiap giliran — cocok secara alami untuk sebuah API, dan ketiadaannya menunjukkan bahwa tim melihat ini sebagai infrastruktur yang mereka kirimkan kepada orang-orang yang sudah menjalankan infrastruktur.

Sampai saat itu, sikap yang tepat adalah sikap yang diundang oleh rilis itu sendiri. Baca repo, jalankan quickstart di perangkat apa pun yang Anda miliki, dan perlakukan tabel itu sebagai hipotesis.