Rilascio silenzioso di Hy-Memory-30B-A3B: Tencent ha pubblicato su Hugging Face un generatore di memorie senza post di lancio

Hy-Memory-30B-A3B è un modello mixture-of-experts da 30 miliardi di parametri del team Hunyuan che non risponde alle domande. Scrive memoria. Decide cosa un agente di lunga durata dovrebbe conservare, con quanta precisione formularlo e come un nuovo fatto debba sovrascrivere uno vecchio all'interno di una banca di memoria persistente — il passaggio che ogni framework di agenti ha, fino ad ora, delegato a un modello di chat general-purpose. I pesi sono stati pubblicati su Hugging Face il 15 ottobre 2026, il rapporto tecnico è seguito lo stesso giorno con arXiv 2610.22196, il repository GitHub è stato aperto quel pomeriggio e il tag v1.0.0 è stato creato il 16 ottobre. Al momento della stesura il repository registra zero download e un numero di like a una cifra sulla model card. Non esiste una pagina di lancio del fornitore, né un prezzo, né un endpoint ospitato, né un annuncio che siamo riusciti a trovare al di fuori del README del progetto stesso. I benchmark invecchiano e i prezzi cambiano; il registro dei fallimenti no: gli incidenti AI documentati e i fallimenti degli agenti dietro modelli di questa classe sono raccolti nell'OrcaRouter AI Incident Archive dove ogni voce riporta le proprie fonti, il livello di gravità, il grado di confidenza e il flag di contestazione.

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.

Che cosa c’è effettivamente nel repository, e che cosa no

I fatti verificabili, uno per riga:

• Modello — tencent/Hy-Memory-30B-A3B, pubblicato con licenza Apache 2.0, con tag in inglese e cinese.

• Dimensione — 30B parametri in totale, circa 3B attivi per token, che è ciò che significa il suffisso A3B.

• Architettura — 48 livelli, di cui 1 è un blocco feed-forward denso e 47 sono blocchi MoE sparsi; 128 esperti per blocco con routing top-8 più un esperto condiviso; dimensione nascosta 2.048; larghezza intermedia degli esperti 768; 32 teste di attenzione rispetto a 4 teste key-value con normalizzazione query-key; un router sigmoide con un termine di bias degli esperti.

• Contesto — 262.144 posizioni dal file di configurazione, con una base RoPE di 11.158.840.

• Ingombro — 51 shard safetensors per un totale di circa 60,1 GB in BF16.

• Servito con — vLLM, testato con la v0.31.0, dietro un endpoint compatibile con OpenAI. La scheda non indica nessun altro runtime né alcun fornitore di inferenza.

• Non presente — non c'è alcun GGUF, alcuna build FP8 o NVFP4, alcun fine-tuning, alcuna quantizzazione e alcun derivato di alcun tipo nell'indice di ricerca di Hugging Face. Il team ha rilasciato un solo checkpoint BF16 a una sola precisione.

Quell'ultima riga conta più di quanto non dica. Il team di Granite ha rilasciato build FP8, MXFP4, NVFP4 e GGUF di Granite 4.2 30B a pochi giorni di distanza dai pesi di base. Liquid AI distribuisce un GGUF Q4_K_M di LFM2.5-24B-A2B da 14,5 GB. Quei fornitori ti stanno dicendo dove si aspettano che il modello venga eseguito. Un checkpoint BF16 da 60 GB senza un percorso di quantizzazione ti dice che questo è destinato a chi ha già le GPU — molto probabilmente le persone che gestiscono infrastrutture di memoria su larga scala, che è esattamente il pubblico indicato nella model card.

A cosa serve realmente il modello

La distinzione tra un memory writer e un agente è il fulcro di questa release, ed è facile lasciarsela sfuggire perché la scheda del modello si legge come qualsiasi altra scheda del modello.

Un framework di agenti — Mem0, MemOS, Hy-Memory, EverMemOS — si colloca tra una conversazione e un archivio persistente. A ogni turno qualcosa deve leggere lo scambio in entrata, decidere quali frammenti vale la pena conservare, formularli in modo che possano essere ritrovati in seguito e riconciliarli con ciò che è già memorizzato. Oggi quel qualcosa è un modello chat di frontiera con un prompt specifico del framework appiccicato sopra. L'inquadramento del problema fornito dal paper riguarda il costo e il trasferimento: un modello generale dietro un prompt di memoria è costoso da eseguire a ogni turno, e un writer messo a punto per il protocollo di un framework non si trasferisce in modo pulito a quello di un altro.

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'addestramento in due fasi, in parole semplici

La scheda descrive la ricetta come Memory On-Policy Distillation seguita da Attributed Memory Reinforcement Learning, e il contributo dell'articolo risiede nella seconda fase.

Nella prima fase un insegnante fornisce una supervisione densa sugli stati di memoria prodotti dallo studente stesso — on-policy, quindi lo studente viene corretto sui propri errori anziché sulle traiettorie di un insegnante. Nella seconda fase il framework costruisce banche di memoria dai rollout, assegna loro un punteggio chunk per chunk e porta avanti la banca selezionata attraverso le finestre invece di azzerarla tra una e l'altra. Questo carry-forward è la parte che mantiene l'addestramento allineato a come il modello viene effettivamente impiegato, dove una banca non è mai vuota e ogni scrittura si posa sopra tutto ciò che è stato scritto prima. Il credito è attribuito a livello di chunk, con una penalità esplicita per l'archiviazione eccessiva — un writer che conserva tutto è inutile, quindi la ricompensa deve tenerne conto.

Niente di tutto ciò è verificato in modo indipendente. È una descrizione coerente di un metodo di addestramento, pubblicata insieme a un repository che contiene il codice, cosa che è più di quanto accompagna la maggior parte delle dichiarazioni del giorno del rilascio.

La valutazione, letta nel modo in cui dovrebbe essere letta

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

• Hy-Memory-30B-A3B — media macro di 55,49 su quattro 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.

Considera tutto quanto come dichiarato dal fornitore. Non come sospetto — come non riprodotto, che è una cosa diversa. Un modello rilasciato ieri con un repo e un paper si è guadagnato il diritto di essere testato, non il diritto di essere creduto.

Quella pagina è l'unica fonte primaria per l'intera release. Non esiste un post sul blog, un annuncio del fornitore o un articolo di terze parti con cui fare un controllo incrociato.

Ciò che non è ancora confermato, detto chiaramente.

• Non esiste alcun tipo di benchmark indipendente. Niente su Artificial Analysis, nessun posizionamento in arena, nessuna esecuzione di harness di terze parti.

• Nessuna riproduzione della tabella cross-harness. In particolare, il risultato held-out di EverMemOS è una singola esecuzione del fornitore.

• Nessun dato sui costi reali. Le scritture in memoria sono un carico di lavoro ad alta frequenza e con output breve, ma nessuno ha pubblicato token per scrittura o un costo per conversazione su questo modello.

• Nessuna quantizzazione, quindi nessuna impronta di memoria misurata al di sotto di 60 GB.

• Nessuna prova su cosa faccia quando il framework di memoria cambia il suo protocollo — il paper verifica il trasferimento tra framework, non tra versioni di uno stesso framework.

• Se il team intende ospitarlo. La scheda afferma che il modello non è distribuito da alcun provider di inferenza, e nulla nel repo suggerisce che un endpoint ospitato sia in arrivo.

Se vuoi eseguirlo, e dove si inserisce un router

Realisticamente questa è una decisione di self-hosting. Il percorso nella scheda è vLLM 0.31.0 dietro un'API compatibile con OpenAI, il che significa che il modello si inserisce in un'infrastruttura esistente come una sostituzione dell'URL di base. Questa è la parte economica. La parte costosa è che un checkpoint BF16 da 60 GB senza un gemello quantizzato richiede hardware serio prima di scrivere una singola memoria.

Vale la pena essere precisi su ciò che un router fa e non fa in questo caso. Hy-Memory-30B-A3B non è nel catalogo di OrcaRouter e non lo ospitiamo — la strada per arrivarci è il checkpoint e le tue GPU. Ciò che un router copre è l'altra metà dell'harness. Uno scrittore di memoria viene invocato insieme a un modello di risposta, e il modello di risposta di solito è un modello di frontiera ospitato che rilegge la banca di memoria e risponde. OrcaRouter ti offre una sola chiave API su oltre 200 modelli ospitati a 0% di markup, così i tagli di prezzo dei provider vengono applicati lo stesso giorno, con failover automatico se un backend si degrada. Il DSL di routing è il pezzo che si adatta specificamente a questa architettura: compone un endpoint self-hosted e uno ospitato in un'unica chiamata, che è esattamente la forma di un sistema di memoria — uno specialista economico sul percorso di scrittura, un modello di frontiera sul percorso di lettura, una chiave davanti a entrambi.

Vale la pena costruire il pattern ancora prima di avere il writer in esecuzione, perché è identico sia che il percorso di scrittura sia Hy-Memory-30B-A3B sia che sia un modello generico con un prompt di memoria. Al router non importa quale dei due, e scambiare l'uno con l'altro in seguito dovrebbe essere una modifica della tabella di routing anziché una riscrittura.

Cosa guardare

Tre cose potrebbero trasformare questo da paper a prodotto. Una build quantizzata: un checkpoint FP8 o Q4 è la differenza tra un modello da datacenter e uno che qualcuno può valutare su una workstation, e la sua assenza è il singolo più grande ostacolo per chiunque voglia verificare i numeri. Un'esecuzione indipendente dell'harness: l'affermazione sul trasferimento held-out di EverMemOS è l'intera tesi, e merita un test da parte di qualcuno che non abbia alcun interesse in gioco. E un endpoint ospitato: non perché l'auto-hosting sia sbagliato, ma perché il design stesso del modello — deterministico, no-think, output brevi, attivato a ogni turno — si adatta naturalmente a un'API, e la sua assenza suggerisce che il team lo veda come un'infrastruttura da distribuire a chi già gestisce infrastruttura.

Fino ad allora, l'atteggiamento corretto è quello che la release stessa invita ad assumere. Leggi il repo, esegui la quickstart sull'hardware che hai e considera la tabella come un'ipotesi.