Hy-Memory-30B-A3B vs Qwen3.8-27B: lo specialista non è il rivale — è il sostituto per il lavoro che stai già pagando un generalista per fare

Nessuno sceglie tra Hy-Memory-30B-A3B e Qwen3.8-27B in base alle capacità, perché non sono nella stessa gara. Qwen3.8-27B è il modello visione-linguaggio dense da 27 miliardi di parametri del laboratorio — Apache 2.0, contesto nativo da 262.144 token, rilasciato il 14 agosto 2026, e servito su OrcaRouter a 0,33 $ per milione di token in input e 2,40 $ per milione in output. Hy-Memory-30B-A3B è il memory writer del team Hunyuan — 30B totali con circa 3B attivi, rilasciato in open source il 15 ottobre 2026, e non servito da nessuna parte, nemmeno da noi. Uno è un generalista che puoi affittare a token. L'altro è un componente che devi ospitare da te. I benchmark invecchiano e i prezzi cambiano; il registro dei fallimenti no: gli incidenti AI documentati e i fallimenti degli agenti dietro i modelli di questa classe sono raccolti in l'Archivio degli incidenti AI di OrcaRouter dove ogni voce riporta le proprie fonti, la gravità, il grado di confidenza e il flag di contestazione.

La ragione per metterli comunque fianco a fianco è che Hy-Memory-30B-A3B esiste per sostituire una cosa specifica, e quella cosa è molto spesso un Qwen3.8-27B. I framework di memoria chiamano un modello general-purpose a ogni turno per decidere cosa conservare. Se per farlo usi Qwen3.8-27B — e a $0.33/$2.40 è una scelta naturale — allora la domanda onesta non è quale modello sia migliore. È se uno specialista con 3B attivi faccia lo stesso lavoro abbastanza bene da giustificare l'hardware, e quella domanda ha un prezzo associato che puoi effettivamente calcolare.

Che cos'è Qwen3.8-27B, nei termini che contano per un sistema di memoria

Denso, il che significa che ognuno dei suoi parametri viene letto per ogni token. 64 livelli con una dimensione nascosta di 5.120, con uno schema 16-a-1 che alterna blocchi di attenzione lineare Gated DeltaNet e blocchi di attenzione completa — un design che è ciò che rende una finestra da un quarto di milione di token sostenibile da servire. Accetta in input testo, immagini e video e restituisce testo, il che qui conta per una ragione banale: gran parte di ciò che le persone vogliono che un agente ricordi arriva come uno screenshot o un documento anziché come prosa.

La scheda del fornitore stesso dichiara 90,3 su LiveCodeBench v6, 89,2 su GPQA Diamond, 73,0 su Terminal-Bench 2.1, 84,3 su OSWorld-Verified e 79,5 su IFBench — tutti valori dichiarati dal fornitore, non riprodotti da noi né da chiunque altro possiamo indicare, specificamente per il carico di lavoro di scrittura della memoria. Il modello ha ottenuto posizionamenti indipendenti dal rilascio, tra cui un piazzamento nella top 10 in una classifica di un'arena per lo sviluppo web, ma nessuno di questi misura se scrive buona memoria. Nessuno lo fa ancora.

Ciò che lo rende il candidato ideale per questo lavoro non è nessuno di quei punteggi. È che segue le istruzioni con precisione, accetta uno schema JSON, ha una finestra da 262K così puoi affidargli una lunga conversazione senza acrobazie di chunking, ed è abbastanza economico da poterlo eseguire a ogni turno.

La pagina sopra è la differenza pratica tra questi due modelli in una sola schermata: Qwen3.8-27B ha una velocità e una rotta, mentre Hy-Memory-30B-A3B non ha né l'una né l'altra.

Cosa fa di diverso Hy-Memory-30B-A3B

Il modello Hy-Memory è addestrato per esattamente un compito e la sua scheda lo dichiara senza mezzi termini: sostituisce l'LLM generico all'interno di Mem0, MemOS e Hy-Memory, decidendo quali informazioni conservare, con quale precisione rappresentarle e in che modo nuove prove dovrebbero aggiornare una banca di memoria persistente. Viene poi valutato su EverMemOS, un framework tenuto completamente fuori dall'addestramento — l'unica decisione progettuale del rilascio che merita maggiormente credito, perché il trasferimento tra framework è l'intera premessa.

Il suo addestramento è in due fasi, e la seconda fase è quella interessante. Memory On-Policy Distillation fornisce una supervisione densa sugli stati di memoria che lo studente stesso ha prodotto. Attributed Memory Reinforcement Learning costruisce poi delle banche dai rollout, le valuta blocco per blocco, penalizza l'archiviazione eccessiva e — questa è la parte che mantiene onesto l'addestramento — porta avanti la banca selezionata da una finestra all'altra invece di azzerarla tra una e l'altra. Una banca in produzione non è mai vuota, quindi addestrarla contro una banca vuota significherebbe addestrarla per una situazione che non esiste.

A livello architetturale, conta 48 layer, un blocco denso e 47 blocchi MoE sparsi, 128 esperti con routing top-8 più un esperto condiviso, un contesto di 262.144 posizioni e 60,1 GB di pesi BF16 distribuiti su 51 shard. Non è stata pubblicata alcuna build quantizzata.

Facendo i calcoli che le carte non fanno

Entrambi i modelli si attivano a ogni turno di una lunga conversazione. Questo rende il percorso di scrittura un problema di volume, e il volume è proprio l'ambito in cui dovrebbe emergere il numero inferiore di parametri attivi di uno specialista.

Prendiamo un'ipotesi concreta e dichiarata anziché una misurata: un writer elabora circa 800 token di conversazione per turno ed emette circa 150 token di memoria strutturata. Su 1.000 turni, ciò equivale a 800.000 token di input e 150.000 token di output per utente. Secondo il listino prezzi di OrcaRouter per Qwen3.8-27B — il prezzo di listino del fornitore passato con 0% di ricarico, quindi 0,33 $ e 2,40 $ per milione — quella conversazione costa all'incirca 0,26 $ in input e 0,36 $ in output, circa 0,62 $, più qualunque costo del percorso di lettura quando un modello di risposta apre la banca. Questi sono calcoli su tariffe pubblicate, non un benchmark, e i tuoi token per turno saranno diversi.

Per Hy-Memory-30B-A3B gli stessi 1.000 turni non costano nulla per token e una cifra considerevolmente più alta al mese, perché non esiste un listino prezzi. Il modello è self-hosted, e fare self-hosting di 60 GB di BF16 senza un'alternativa quantizzata comporta un acceleratore con la memoria necessaria per contenerli — prima ancora di sapere se la media macro di 55,49 regge.

Quindi il compromesso non è tra economico e costoso. È a consumo contro capitale, e il punto di incrocio dipende interamente da quanti turni scrivi effettivamente al mese. Un team che gestisce qualche migliaio di conversazioni al mese fa quasi certamente meglio a pagare la tariffa per token di Qwen3.8-27B e a non toccare mai la questione hardware. Un team che scrive memoria su milioni di turni sta comunque usando hardware, e lo specialista diventa interessante.

La scheda qui sopra è dove iniziano i calcoli: dietro la tariffa di $0.33 c'è un checkpoint 27B scaricabile, e se il tuo volume è abbastanza alto da giustificare l'esecuzione in autonomia, quello è un percorso supportato, con quantizzazioni pubblicate alle spalle.

Tre cose che il confronto dei prezzi nasconde

Il costo per token è la dimensione più semplice e la meno decisiva. Altre tre contano di più.

Multimodalità. Qwen3.8-27B accetta immagini e video. La scheda di Hy-Memory-30B-A3B specifica input testuale, in inglese e cinese. Se la memoria del tuo agente include screenshot, documenti scansionati o fotogrammi video, il generalista sta svolgendo un lavoro che lo specialista strutturalmente non può fare, e nessun vantaggio di costo può colmare questa lacuna.

Contesto. Entrambi pubblicano 262.144 posizioni, che è una vera coincidenza e anche utile — nessuno dei due ha un vantaggio su quanta conversazione puoi passargli in una volta.

Precisione dichiarata. Qwen3.8-27B viene distribuito in BF16 con una build FP8 ufficiale e conversioni GGUF da diversi publisher, e OrcaRouter serve una versione block-FP8 con il vision tower a piena precisione. Hy-Memory-30B-A3B viene distribuito in BF16 e nient'altro. Quella riga decide se puoi valutarlo su una scheda presa in prestito o se devi riservarne una.

La risposta di routing, che è diversa a seconda del modello che scegli

È qui che le due strade si separano nettamente, e vale la pena essere precisi anziché promozionali.

Qwen3.8-27B è nel catalogo di OrcaRouter. Lo chiami attraverso la stessa chiave API di altri 200 e passa modelli, al prezzo di listino del provider con markup dello 0% — così un taglio di prezzo da parte del provider è attivo qui lo stesso giorno, anziché al ciclo di fatturazione successivo — con failover automatico se un backend si degrada. Per un memory harness, la parte utile è il DSL di routing: compone più modelli in un'unica chiamata, ed è così che fai girare un writer e un modello di risposta dietro un unico endpoint senza costruire un secondo client. Fusione di modelli, che esegue un panel di modelli che rispondono insieme, è lo strumento per stabilire empiricamente se un writer specializzato produce banchi di memoria migliori rispetto al generalista — esegui entrambi sulla stessa conversazione, confronta le risposte e smetti di discuterne.

Hy-Memory-30B-A3B non è nel nostro catalogo e non lo ospitiamo. La via per averlo è il checkpoint del team e il tuo hardware. Se lo ospiti autonomamente, un router copre comunque il resto del ciclo — il modello di risposta ospitato che rilegge la banca, le chiamate di pianificazione attorno ad esso — e ti consente di registrare il tuo endpoint accanto a quelli ospitati, così il failover e l'accesso con un solo tasto valgono per entrambi.

Chi dovrebbe fare cosa

Se oggi esegui la scrittura di memoria su un generalista ospitato, la prima domanda onesta non è se cambiare. È quanti turni stai effettivamente scrivendo al mese. Al di sotto di una soglia che solo tu puoi calcolare, Qwen3.8-27B a una tariffa per token è la scelta razionale e il requisito hardware di Hy-Memory-30B-A3B è una distrazione — soprattutto se la tua memoria contiene immagini, dove lo specialista non ha nulla da offrire.

Se stai scrivendo memoria a un volume in cui la voce per token è diventata una vera voce di budget, Hy-Memory-30B-A3B è il primo modello open puntato dritto a quella voce, e il fatto che sia stato testato rispetto a un framework di hold-out è il segno che qualcuno ha pensato alla generalizzazione anziché a una demo. Aspetta una build quantizzata. Aspetta che qualcuno al di fuori del team esegua l'harness. Poi decidi.

E se sei semplicemente curioso di sapere se uno specialista batte un generalista sul tuo traffico, l'esperimento è economico da allestire e la risposta sarà specifica ai tuoi dati piuttosto che all'una o all'altra scheda.

Un'ultima cosa che la scheda rende chiara e che le tabelle no. Hy-Memory-30B-A3B è distribuito con licenza Apache 2.0, il che significa che l'esperimento di cui sopra è uno che puoi eseguire commercialmente, sui tuoi dati, senza dover parlare con il team legale di nessuno. Questo è l'argomento più forte che il modello abbia, ed è indipendente dal fatto che il 55.49 si riproduca.