Hy-Memory-30B-A3B vs Nemotron 3.5 Lightning 30B-A3B Base: As mesmas três letras, dois objetos diferentes

Hy-Memory-30B-A3B e NVIDIA-Nemotron-3.5-Lightning-30B-A3B-Base-BF16 têm a mesma aritmética de parâmetros — 30 bilhões no total, 3 bilhões ativos — e é aí que a semelhança deixa de ser útil. O modelo da equipe Hunyuan, disponibilizado como código aberto em 15 de outubro de 2026, é um produto acabado: totalmente pós-treinado para executar escrita de memória dentro do Mem0, MemOS e Hy-Memory, entregue com uma receita de serviço compatível com OpenAI e uma tabela de benchmarks que alega superar o Claude Opus 5. O da NVIDIA, lançado em 11 de agosto de 2026, não é um produto de forma alguma. A palavra "Base" em seu nome é literal — não foi aplicado nenhum ajuste fino supervisionado, nenhuma aprendizagem por reforço, nenhuma destilação. É matéria-prima pré-treinada, publicada para que você possa construir seu próprio modelo pós-treinado em cima dela. O que os números não podem lhe dizer é se algo disso deu errado em campo: os incidentes de IA documentados e falhas de agentes envolvendo modelos dessa classe estão reunidos em o OrcaRouter AI Incident Archive, onde cada entrada traz suas próprias fontes, gravidade, grau de confiança e sinalizador de disputa.

Dois modelos com o mesmo número no nome, um dos quais foi projetado para ser usado e o outro para ser modificado. A comparação que vale a pena fazer não é qual deles obtém a pontuação mais alta — eles não foram avaliados em nada em comum, e um deles não tem comportamento de seguir instruções a ser avaliado. A comparação que vale a pena fazer é sobre evidências: o que cada fornecedor publicou, quanto disso você poderia verificar por conta própria e o que cada um exige de você antes de fazer absolutamente qualquer coisa.

O que cada modelo realmente é

Hy-Memory-30B-A3B é um transformer esparso convencional com uma função incomum. Seu arquivo de configuração descreve 48 camadas, sendo a primeira um bloco denso feed-forward e as 47 restantes de mistura de especialistas, com 128 especialistas por bloco em roteamento top-8, além de um único especialista compartilhado, tamanho oculto de 2.048, largura intermediária dos especialistas de 768, 32 cabeças de atenção contra 4 cabeças de chave-valor com normalização query-key, e um contexto de 262.144 posições. Aproximadamente 60,1 GB distribuídos em 51 fragmentos BF16. Foi treinado em duas etapas — Destilação On-Policy de Memória, depois Aprendizado por Reforço de Memória Atribuída — e todo o propósito do exercício era substituir o modelo de uso geral que frameworks de memória atualmente chamam a cada turno. Servido com vLLM 0.31.0, ele retorna registros JSON estruturados descrevendo o que um agente deve lembrar.

O Nemotron 3.5 Lightning 30B-A3B Base é uma máquina híbrida. A NVIDIA intercala blocos de espaço de estados Mamba-2 com camadas de mistura de especialistas e de atenção, adiciona cabeças de Previsão Multi-Token treinadas numa fase dedicada de pré-treinamento continuado e pré-treinou tudo sob uma receita NVFP4 em mais de 20 trilhões de tokens. O objetivo da pilha híbrida é o cache de chave-valor: os blocos Mamba-2 impedem que ele cresça como o de um transformer convencional, e é isso que permite à NVIDIA alegar um comprimento de contexto de até 1 milhão de tokens. É disponibilizado em versões BF16, NVFP4 e FP8, com conversões e quantizações GGUF de vários terceiros. A sua licença é a OpenMDW-1.1, que abrange os pesos, os dados de treinamento e as receitas — uma concessão mais ampla do que uma licença de modelo costuma ser.

A coincidência na contagem de parâmetros é real, mas superficial. Ambos ativam cerca de 3 bilhões de parâmetros por token; essa é a única decisão de projeto que as duas equipes tomaram da mesma forma.

Esse banner é o elemento mais informativo da página. A NVIDIA o colocou no topo do repositório base de propósito: este checkpoint não é o que a maioria das pessoas quer, e o fornecedor avisa isso antes de você baixar 30 bilhões de parâmetros.

A distinção que decide tudo: pós-treinado versus pré-treinado

Um checkpoint base não segue instruções. Faça uma pergunta a ele e ele continua o texto, porque é a única coisa que o pré-treinamento lhe ensinou. Ele não tem nenhum template de chat que mereça esse nome, nenhum comportamento de chamada de ferramentas, nenhuma fronteira de recusa e nenhuma noção de que uma conversa tem turnos. O card da NVIDIA diz isso abertamente, e o banner "Procurando o modelo pós-treinado?" no topo do repositório aponta para o checkpoint irmão para quem quer algo com que possa conversar.

Um checkpoint base serve para seu pós-treinamento. Pré-treinamento continuado em um corpus de domínio, ou ajuste fino supervisionado, RL e destilação por meio do NeMo RL, NeMo Gym e Megatron-LM — o conjunto de ferramentas que a NVIDIA nomeia e para o qual fornece receitas. Se você tem uma vantagem de dados e uma opinião sobre como um modelo deve se comportar, um checkpoint base é o ponto de partida que permite agir sobre ambos. Se não tiver, é um peso de papel de 30 bilhões de parâmetros.

O Hy-Memory-30B-A3B está na extremidade oposta desse pipeline. Ele já passou por pós-treinamento, duas vezes, e toda a proposta de valor é que você não precisa fazer esse trabalho — você pega o schema que o card fornece, aponta-o para o seu harness, e ele escreve memória. Ele é muito mais estreito que o Nemotron, por uma margem enorme, e foi finalizado de uma forma que o Nemotron deliberadamente não é.

Especificações e embalagem, uma linha por dimensão

• Parâmetros totais / ativos — 30B / ~3B para ambos. Esta é a única linha em que eles concordam.

• Arquitetura — Hy-Memory-30B-A3B é um transformer esparso com um bloco denso e 47 blocos MoE, 128 especialistas em top-8 mais um especialista compartilhado; Nemotron 3.5 Lightning 30B-A3B Base é um híbrido Mamba-2, intercalando camadas de espaço de estados, MoE e atenção com cabeças de Previsão Multi-Token.

• Contexto — 262.144 posições para o Hy-Memory-30B-A3B a partir de sua configuração; até 1M de tokens para o Nemotron, com 256K como o valor prático documentado em uma única H100.

• Pós-treinamento — duas etapas para Hy-Memory-30B-A3B (destilação on-policy, depois RL atribuído); absolutamente nenhuma para o checkpoint base do Nemotron.

• Pegada de peso — 60,1 GB BF16 para Hy-Memory-30B-A3B sem outra precisão publicada vs compilações BF16, NVFP4 e FP8 da NVIDIA mais GGUF da comunidade.

• Licença — Apache 2.0 vs OpenMDW-1.1, que além disso cobre dados de treinamento e receitas.

• Caminho de serviço — vLLM 0.31.0 atrás de um endpoint compatível com OpenAI para Hy-Memory-30B-A3B; pós-treinar primeiro, depois servir, para Nemotron.

• Endpoint hospedado — nenhum dos modelos é implantado por um provedor de inferência hospedado. Ambos são propostas de auto-hospedagem.

Evidência: a NVIDIA publica uma receita, a Hunyuan publica uma tabela

Esta é a diferença mais marcante entre os dois lançamentos, e não se trata dos números em si.

A NVIDIA publica sua metodologia de avaliação de uma forma que permite agir sobre ela. O cartão base do Lightning afirma que seus números de precisão foram medidos sob um harness consistente — NeMo Gym e o SDK NeMo Evaluator, envolvendo um contêiner de código aberto do LM Evaluation Harness, com o RULER executado por meio do NeMo Skills — e então diz o que os fornecedores raramente dizem: esses números podem diferir das cifras autorrelatadas de outros fornecedores. Ele vincula receitas de reprodutibilidade. Os números ainda são a própria execução da NVIDIA, mas o harness é nomeado, conteinerizado e baixável, o que significa que a distância entre "a NVIDIA mediu isto" e "eu medi isto" é de algumas horas de trabalho, em vez de um projeto de pesquisa.

O lançamento do Hy-Memory é mais difícil de verificar de duas maneiras distintas. O desenho da avaliação é sólido nos seus próprios termos — altera apenas o memory writer e mantém fixos o harness, os prompts, a configuração de recuperação, o modelo de resposta e o judge, que é a forma correta de isolar a contribuição de um writer. Mas todos os benchmarks da matriz principal correm sobre uma subamostra de 20% fixa, em vez do conjunto completo, e a margem em destaque é estreita: 55,49 de média macro contra 54,62 do Claude Opus 5, uma diferença de 0,87 pontos, com o harness do MemOS decidido por 0,01 de ponto. O segundo obstáculo é o hardware. Reproduzir os números base da NVIDIA implica carregar um checkpoint cujas builds quantizadas existem; reproduzir os do Hy-Memory implica carregar 60 GB de BF16 sem alternativa menor publicada.

Nenhum dos dois conjuntos de números foi reproduzido de forma independente. A diferença está em quão plausível é que você possa ser quem vai fazer isso.

Coloque as duas fontes primárias lado a lado e o contraste é brutal: a avaliação do Hy-Memory está em um artigo com descrição de arquitetura e um método de treinamento, e a da NVIDIA está em um model card com um harness nomeado e disponível para download. Ambas são o fornecedor corrigindo o próprio dever de casa. Só uma delas lhe entrega a régua.

Duas razões diferentes para envolver um roteador nisso

Ambos os modelos são auto-hospedados, e nem o Hy-Memory-30B-A3B nem o Nemotron 3.5 Lightning 30B-A3B Base estão no catálogo do OrcaRouter — não hospedamos nenhum deles. O caminho para ambos são os pesos e as suas próprias GPUs. Mas a questão do roteador se apresenta de forma diferente em cada lado desta comparação, o que vale a pena examinar, porque é a forma prática da escolha.

Se você seguir o caminho do Nemotron, estará fazendo pós-treinamento de um checkpoint. Isso produz um modelo que existe apenas na sua infraestrutura, e o problema clássico de um checkpoint personalizado é que ele não tem onde se encaixar: não está em catálogo nenhum, então toda aplicação que o queira precisa de integração sob medida, e todo caminho de fallback para quando ele cair precisa ser construído à mão. Um roteador resolve exatamente isso — uma única chave de API abrangendo mais de 200 modelos, com o seu próprio endpoint registrado ao lado deles e failover automático quando ele se degrada. Fusão de modelos é a outra peça que vale a pena conhecer aqui: ela executa um painel de modelos em conjunto em uma única chamada, que é como você compararia um pós-treino recém-feito com uma baseline forte sem escrever um harness para cada um.

Se você seguir o caminho do Hy-Memory, o escritor é uma chamada dentro de um loop muito maior. Um harness de memória invoca o escritor e depois invoca um modelo de resposta para ler o banco de volta e responder — e é nessa segunda chamada que normalmente fica um modelo hospedado. O OrcaRouter repassa o preço de tabela do provedor com 0% de markup, então um corte de preço do fornecedor no modelo de resposta já vale do nosso lado no mesmo dia, e a DSL de roteamento compõe o escritor auto-hospedado e o leitor hospedado em uma única chamada. Você não precisa que as duas metades venham do mesmo lugar, e não precisa de um segundo contrato para adicionar a que está faltando.

Qual é o ponto de partida certo?

Se o que você quer é um modelo que faça algo no dia em que você o baixar — mais especificamente, que melhore a memória de um agente sem que você treine nada — o Hy-Memory-30B-A3B é o único desses dois que atende. Ele também é aquele que você não consegue testar barato, e sua alegação de destaque é a que tem a margem mais estreita. Entre esperando gastar com hardware antes de aprender qualquer coisa.

Se o que você quer é uma base que você possa moldar, o Nemotron 3.5 Lightning 30B-A3B Base é um trabalho publicado de peso: uma arquitetura híbrida projetada para contexto longo e inferência rápida, lançada com suas receitas de treinamento e um ambiente de avaliação que você pode executar novamente. Ele não responderá a uma pergunta até que você o tenha pós-treinado, e isso é o combinado, não um defeito.

A colisão de nomes vai continuar colocando esses dois na mesma frase. As contagens de parâmetros vão continuar coincidindo. Nada mais sobre eles vai coincidir, e quanto mais cedo um leitor separar "30B-A3B" de "o mesmo tipo de modelo", mais cedo a comparação se torna útil.

O número de downloads vale a pena deixar na tela. Um especialista pós-treinado lançado ontem, sem build quantizado, sem endpoint hospedado e sem anúncio, tem zero downloads e nove curtidas — e o checkpoint base pré-treinado da NVIDIA, publicado dois meses antes, está na casa das dezenas de milhares. Essa diferença não é um julgamento de qualidade. É uma medida de quão difícil cada equipe tornou experimentar a coisa.