Hy-Memory-30B-A3B 対 Granite 4.2 30B：メモリライターと推論器は同じ買い物ではない

Hy-Memory-30B-A3B と Granite 4.2 30B は、どちらも約300億パラメータ、どちらもオープンウェイト、どちらも Apache 2.0 で、リリース時期も7週間以内と近接している——そして、調達表が認識するようなどんな意味においても、両者は互いの代替品ではない。Hunyuan チームが2026年10月15日にオープンソース化した Hy-Memory-30B-A3B が担うのはただ一つ、長期メモリフレームワーク内の書き込みパスを実行し、エージェントが何を保持し、新しい証拠がそれをどう上書きするかを決めることだ。IBM が2026年8月25日に Hugging Face で公開した Granite 4.2 30B は、選択可能な思考モード、ツール呼び出し、そして128K（最大512Kまで拡張可能）のコンテキストを備えた密な（dense）汎用推論モデルである。一方はコンポーネント。一方はアシスタントだ。 スコアボードが測るものとデプロイが実際に直面するものとのこの隔たりこそ、記録が意味を持つ理由である。このクラスのモデルをめぐる、文書化された AI 障害やエージェントインシデントはthe OrcaRouter AI Incident Archiveに集められており、各エントリにはそれぞれの情報源、重大度、信頼度グレード、係争中フラグが付されている。

ついしたくなる比較——両者のベンチマーク表を並べてどちらが勝つかを見る——は間違った比較であり、しかも、あなたが損をするような形で間違っている。両者は同じタスクで評価されておらず、同じ方法でデプロイされているわけでもなく、そのうちの一方は、ほとんどの人が実行できる形でダウンロードすることさえできない。以下に示すのは、実際に何かを決める比較だ。それぞれが何のためのものか、それぞれがハードウェア面でいくらかかるか、そして必要なのは一方か、他方か、それとも両方か。

それらを隔てる軸から始めてください

Granite 4.2 30Bはdense（密）モデルであり、つまり生成するトークンごとにそのパラメータのすべてが読み出されます。推論モードは3つあり（完全思考、低エフォート、なし）、リクエストごとに選択できます。また、サンドボックス内でのターミナル、コード実行、ウェブ検索を目的としたエージェント型強化学習によってポストトレーニングされています。IBMのモデルカードは、SWE-Bench Verifiedで57.00、Terminal-Bench 2.1で29.24、AIME 2025で89.17、MMLU-Proで77.60を主張しています。これらはベンダーによる報告であり、独立して再現されたものではありません、そしてこのモデルは登場から2か月が経っており、独立したスコアがないことは多少注目に値しますが、致命的なものではありません。

Hy-Memory-30B-A3Bはスパースだ。つまり、300億のパラメータを保持しながら、トークンあたり約30億しか読み込まず、単一のタスクのために訓練されている。Hy-Memoryのカードは、これをMem0、MemOS、Hy-Memory内の汎用LLMを置き換えるものとして説明している。何を保持するか、それをいかに正確に表現するか、そして新しい証拠が永続メモリバンクをどう更新するかを決定するのだ。その後、EverMemOSでテストされた。これは訓練から完全に除外されたフレームワークであり、どちらのリリースでも、真の汎化テストに最も近いものだ。その主要な主張は、4つのハーネスにわたるマクロ平均55.49が、Claude Opus 5の54.62を上回るというものだ。これもベンダーによる報告で、再現もされておらず、さらに—Graniteの数値とは異なり—各ベンチマーク全体ではなく、固定された20%のサブサンプルで評価されている。

だから、このスコアは比較にならない。GraniteのSWE-Bench Verifiedでの57.00と、Hy-Memoryのマクロ平均55.49は、別のスポーツの数字であり、それらを1つの列に並べるのは算数の嘘になる。

これらの数値がどこから来ているのかも注目に値する。Hy-Memory の数値は技術レポート arXiv 2610.22196 に載っており、重みが公開された当日に提出された——一次情報源が公開されていて読めるというのは、リリース当日の表の多くにはないことだ。もう一方の数値はモデルカードに載っている。どちらもベンダーが自分の宿題を採点しているようなもので、どちらも他者のハーネスを通っていない。

スペックを、次元ごとに

• パラメータ — Hy-Memory-30B-A3B は合計30B／アクティブ約3BのMoE、対する Granite 4.2 30B は約29Bの密なモデルで、すべてのトークンで全パラメータがアクティブです。

• レイヤー構成 — Hy-Memory-30B-A3B は 48 層で、1 つの密なフィードフォワードブロックと 47 のスパース MoE ブロックを持ち、各ブロックにはトップ 8 ルーティングで 128 のエキスパートが配置され、さらに共有エキスパートが 1 つあります。一方、Granite 4.2 30B は GQA を備えた標準的な密なデコーダーのみのトランスフォーマーで、32 個のアテンションヘッドと 8 個のキー・バリューヘッドを備えています。

• コンテキスト — Hy-Memory-30B-A3B の構成ファイルにある 262,144 ポジション 対 Granite 4.2 30B のネイティブ 128K および拡張 512K。

• 重みのフットプリント — Hy-Memory-30B-A3Bでは51個のBF16 safetensorsシャードにわたり約60.1 GBであるのに対し、Granite 4.2 30BではBF16で約29Bの密なパラメータとなり、FP8、NVFP4/MXFP4、GGUFビルドも併せて公開されています。

• 量子化オプション — Hy-Memory-30B-A3Bには一切なし。チームがリリースしたのはBF16チェックポイント1つのみで、それ以外は何もない。Granite 4.2 30Bには公式のFP8ビルド、2つの4ビット形式、さらに複数のコミュニティ発行元によるGGUF変換が存在する。

• 推論コントロール — Hy-Memory-30B-A3B は reasoning_effortスイッチを公開していますが、プロジェクト自身のクイックスタートでは no_think、temperature 0.0 で実行しています。Granite 4.2 30B には、think タグで包まれた完全な思考の連鎖を含む3つの思考モードがあります。

• ライセンス — 両方とも Apache 2.0 であり、これにより法務レビューが本来であれば尋ねるはずの2つの質問のうち1つが解消される。

• ホスト型での利用可否 — どちらのモデルも、ホスト型ベンダーのエンドポイントでは提供されていません。Granite 4.2 30B のカードには推論プロバイダーが記載されていますが、Hy-Memory-30B-A3B のカードには、これをデプロイするプロバイダーは存在しないと明記されています。

• 公表された目的 — 汎用推論モデルに対するメモリライター。これは、その上にあるすべてを決める行です。

ハードウェアこそが、実際に選択が下される場所だ

これが、仕様書が隠している非対称性です。

Hy-Memory-30B-A3B は BF16 で 60 GB あり、量子化された代替手段は存在しない。これはノートPCで評価するようなモデルではなく、論文の主張が成り立つかを確認するためにワークステーションのカード1枚で立ち上げるようなモデルでもない。Hy-Memory の数値を確認したいチームは現在、それが機能するかどうかを知る前に、小規模な本番デプロイとほぼ同じハードウェアを用意する必要がある。

Granite 4.2 30Bは、denseなモデルでありながら、今日実際に動かせる形で提供されています。FP8と4ビットのビルドなら単一のアクセラレータのメモリ内に収まり、GGUF変換によって、人々がすでに所有しているハードウェアでも使えるバージョンが手に入ります。あのチームは、これらのビルドを意図的にリリースしました。4つの量子化フォーマットを公開するベンダーは、そのモデルが、それについて読んでいる本人によって実行されることを想定しており、データセンターから借りるものではないと告げているのです。

そんなことはどれも、Granite をより優れたモデルにするものではない。Granite を、より安く知ることができるモデルにするだけだ。

意外な答え：これらは同じシステムに属する

長期記憶を持つエージェントには両方の機能が必要であり、フレームワークのアーキテクチャはその分割を理論上のものではなく明示的なものにしている。

メモリハーネスは書き込み経路でライターを呼び出す——毎ターン発火し、出力は短く、決定論的で、ユーザーが言っていない事実を決して捏造してはならない。それが Hy-Memory-30B-A3B の役目そのものであり、no-think 設定の 3B アクティブモデルは、これにまさにうってつけの形だ。呼び出し回数が多いので、1回あたりが安い。Granite 4.2 30B はその枠を争っているわけではない。それが本来属するのは読み取り経路と、その周辺の推論だ——バンクにあるものをどう扱うかを決め、計画し、ツールを呼び出し、回答を生成する。これらはフロンティアに面する呼び出しであり、高密度推論モデルの深さがその重みに見合う場面だ。

2つのモデル、大きく異なる2つの呼び出しプロファイル、そして興味深いエンジニアリング上の問いは、どうやって1つのキーを両方の前に置くかです。それを実現するのがルーティングレイヤーです。OrcaRouterのルーティングDSLは、複数のモデルを1回の呼び出しに組み合わせます — 書き込みパスをセルフホストのHy-Memory-30B-A3Bエンドポイントに、読み取りパスをホスト型のフロンティアモデルに向け、両方を1つのAPIキーで200+モデル全体にわたって駆動でき、バックエンドが劣化した場合の自動フェイルオーバーも備わっています。この2つのモデルはいずれも当社のカタログにはなく、当社はどちらもホストしていません。両方の可用性は、お客様自身のハードウェアまたはベンダー自身のチャネル次第です。当社がカバーするのはそのもう半分 — セルフホストのライターの周囲に位置するホスト型モデルを、プロバイダー表示価格に対して0%マークアップで提供します。

その組み合わせは、どちらのモデルをあなたの本番環境で使えるようにする前でも理解しておく価値がある。なぜなら、書き込みパスがHy-Memory-30B-A3Bで動いていようと、メモリ用プロンプトを後付けした汎用モデルで動いていようと、アーキテクチャは同じだからだ。ルーターはどちらでも区別しない。後から一方をもう一方に差し替えるのは、書き直しではなくルーティングテーブルの編集で済むはずだ。

どれを先に見ればいいですか

長時間稼働するエージェントとメモリフレームワークを使っていて、書き込みパスが現在、毎ターン実行するためにフロンティア価格を支払っているフロンティアモデルなのであれば、Hy-Memory-30B-A3B はその2つの中でより興味深い方であり、解決すべき具体的で定量化された問題を抱えている方です。それを見に行ってください — ただし、最初のタスクはそれをテストするためのハードウェアを構築することであり、55.49 を第三者機関がまだ確認していないという理解を持って行ってください。

推論し、ツールを呼び出し、あなたが所有する1枚のカード内で動作するオープンウェイトモデルを1つ必要としているなら、今週評価すべきは Granite 4.2 30B だ。登場から2か月で、量子化も存在し、公表された数値は再現されていない――これは中型オープンモデルとしては普通の状態であり、それ自体が危険信号というわけではない。

もしあなたが全体を構築しているのなら、正直な答えは、おそらく両方が必要だということです。それぞれが設計された2つの役割で使い、面白いのはどちらかを選ぶことではなく、両者の間をどうルーティングするかです。