Hy-Memory-30B-A3B против Granite 4.2 30B: средство для записи памяти и средство для рассуждений — это не одно и то же приобретение

Hy-Memory-30B-A3B и Granite 4.2 30B — обе насчитывают около 30 миллиардов параметров, обе с открытыми весами, обе под Apache 2.0, обе выпущены с разницей в семь недель друг от друга — и они ни в каком смысле, понятном таблице закупок, не заменяют друг друга. Hy-Memory-30B-A3B, открытый командой Hunyuan 15 октября 2026 года, делает одно: он выполняет путь записи внутри фреймворка долговременной памяти, решая, что агент сохраняет и как новые свидетельства вытесняют прежние. Granite 4.2 30B, опубликованный IBM на Hugging Face 25 августа 2026 года, — это плотная универсальная модель рассуждений с выбираемыми режимами мышления, вызовом инструментов и контекстом в 128K, который можно растянуть до 512K. Одна — компонент. Другая — ассистент. Именно этот разрыв между тем, что измеряет табло показателей, и тем, с чем сталкивается развёртывание, и объясняет, почему этот свод так важен: задокументированные случаи сбоев ИИ и инцидентов с агентами, касающихся моделей этого класса, собраны в Архиве инцидентов ИИ OrcaRouter, где каждая запись сопровождается собственными источниками, степенью серьёзности, оценкой достоверности и отметкой об оспаривании.

Заманчивое сравнение — поставить их таблицы бенчмарков рядом и посмотреть, кто победит, — это неправильное сравнение, и оно неправильно так, что это стоило бы вам денег. Их не оценивали на одних и тех же задачах, их развёртывают не одинаково, и один из них нельзя скачать в той форме, в которой большинство людей сможет его запустить. Далее — сравнение, которое действительно что-то решает: для чего предназначен каждый из них, во что каждый обходится вам по железу и нужен ли вам один, другой или оба.

Начните с оси, которая их разделяет

Granite 4.2 30B — плотная модель, что означает, что каждый её параметр считывается для каждого генерируемого ею токена. У неё есть три режима рассуждений — полное обдумывание, низкие усилия и отсутствие — выбираемых для каждого запроса, и она была дообучена с помощью агентного обучения с подкреплением, нацеленного на терминалы, выполнение кода и веб-поиск внутри песочницы. В карточке IBM утверждается 57,00 на SWE-Bench Verified, 29,24 на Terminal-Bench 2.1, 89,17 на AIME 2025 и 77,60 на MMLU-Pro. Эти данные сообщены производителем и не воспроизведены независимо, а модели два месяца — достаточно старая, чтобы отсутствие независимых оценок было слегка примечательным, но не критичным.

Hy-Memory-30B-A3B — разреженная модель: она содержит 30 миллиардов параметров, но считывает около 3 миллиардов на токен, и обучалась она для одной задачи. В карточке Hy-Memory говорится, что она заменяет универсальную LLM внутри Mem0, MemOS и Hy-Memory — решая, что сохранять, как представить это точно и как новые свидетельства обновляют постоянный банк памяти. Затем её протестировали на EverMemOS — фреймворке, полностью исключённом из обучения, что является самым близким к настоящему тесту на обобщение в обоих релизах. Её главное заявление: макро-среднее 55,49 по четырём тестовым стендам против 54,62 у Claude Opus 5.Также заявлено производителем, также не воспроизведено и — в отличие от цифр Granite — оценено на фиксированной 20%-ной подвыборке каждого бенчмарка, а не на полном наборе.

Так что эти оценки несопоставимы. 57.00 у Granite на SWE-Bench Verified и 55.49 в макро-усреднении у Hy-Memory — это числа из разных видов спорта, и поставить их в одну колонку было бы арифметической ложью.

Стоит также отметить, откуда взялись эти цифры. Данные Hy-Memory приведены в техническом отчёте, arXiv 2610.22196, представленном в тот же день, когда появились веса, — первоисточник общедоступен и читаем, а это больше, чем могут предложить многие таблицы, публикуемые в день релиза. Данные другой стороны находятся в карточке модели. В обоих случаях вендор сам оценивает свою работу, и ни те, ни другие не проходили через чужой испытательный стенд.

Характеристики, измерение за измерением

• Параметры — Hy-Memory-30B-A3B: 30B всего / ~3B активных MoE против Granite 4.2 30B — примерно 29B плотных, все параметры активны на каждом токене.

• Структура слоёв — 48 слоёв для Hy-Memory-30B-A3B, один плотный блок прямого распространения и 47 разреженных блоков MoE, 128 экспертов на блок при маршрутизации top-8 плюс общий эксперт в отличие от стандартного плотного декодер-онли трансформера Granite 4.2 30B с GQA, 32 головы внимания и 8 голов ключ-значение.

• Контекст — 262 144 позиции для Hy-Memory-30B-A3B из его файла конфигурации против 128K нативных и 512K расширенных для Granite 4.2 30B.

• Занимаемый объём весов — около 60,1 ГБ в 51 шарде BF16 safetensors для Hy-Memory-30B-A3B против примерно 29 млрд плотных параметров в BF16 у Granite 4.2 30B; при этом также опубликованы сборки FP8, NVFP4/MXFP4 и GGUF.

• Квантованные варианты — для Hy-Memory-30B-A3B их нет; команда выпустила один чекпоинт BF16 и больше ничего. У Granite 4.2 30B есть официальная сборка FP8, два 4-битных формата и GGUF-конвертации от нескольких издателей из сообщества.

• Управление рассуждениями — Hy-Memory-30B-A3B предоставляет reasoning_effort в качестве переключателя, но в собственном быстром старте проекта он запускается в режиме no_think с температурой 0.0; Granite 4.2 30B имеет три режима мышления, включая полную цепочку рассуждений, обёрнутую в теги think.

• Лицензия — Apache 2.0 для обоих, что снимает один из двух вопросов, которые в противном случае возникли бы при юридической проверке.

• Доступность на хостинге — ни одна из моделей не обслуживается через конечную точку вендора. В карточке Granite 4.2 30B указан провайдер инференса; в карточке Hy-Memory-30B-A3B прямо сказано, что ни один провайдер её не развёртывает.

• Опубликованное назначение — средство записи памяти против модели общего назначения для рассуждений. Это строка, которая определяет всё, что выше неё.

Аппаратное обеспечение — вот где на самом деле делается выбор

Вот асимметрия, которую скрывает спецификация.

Hy-Memory-30B-A3B занимает 60 ГБ в BF16, и квантованной альтернативы у него нет. Это не та модель, которую можно оценить на ноутбуке, и не та, которую запустишь на одной карте рабочей станции, чтобы проверить, соответствует ли действительности утверждение из статьи. Команде, которая хочет проверить показатели Hy-Memory, сейчас приходится выделять примерно такое же оборудование, как для небольшого продуктивного развёртывания, — ещё до того, как она узнает, работает ли эта штука.

Granite 4.2 30B, будучи плотной моделью, поставляется в вариантах, которые можно реально запустить уже сегодня. Сборки FP8 и 4-битные позволяют уместить её в память одного ускорителя, а конвертации GGUF дают рабочую версию на оборудовании, которое у людей уже есть. Эта команда выпустила эти сборки намеренно — поставщик, публикующий четыре формата квантования, тем самым говорит, что ожидает, что модель будет запускать тот, кто о ней читает, а не арендовать её в дата-центре.

Ничто из этого не делает Granite лучшей моделью. Это делает Granite моделью, о которой дешевле узнать.

Неочевидный ответ: они относятся к одной и той же системе.

Агенту с долговременной памятью нужны обе функции, и архитектура фреймворка делает это разделение явным, а не теоретическим.

Обвязка памяти вызывает модуль записи на пути записи — он запускается на каждом шаге, даёт короткие выходные данные, детерминирован, и он никогда не должен придумывать факт, которого пользователь не сообщал. В этом и состоит вся работа Hy-Memory-30B-A3B, и модель с 3B активных параметров в режиме no-think — именно та конфигурация, которая для этого нужна: дёшево за вызов, потому что вызовов много. Granite 4.2 30B не претендует на это место. Его место — путь чтения и рассуждения вокруг него: решать, что делать с тем, что находится в банке памяти, планировать, вызывать инструменты, формировать ответ. Это вызовы, ориентированные на фронтир, где глубина плотной модели рассуждений стоит своих затрат.

Две модели, два очень разных профиля вызовов, и интересный инженерный вопрос: как поставить один ключ перед обеими. Именно для этого и нужен слой маршрутизации. У OrcaRouter есть DSL маршрутизации, который объединяет несколько моделей в один вызов — можно направить путь записи на самостоятельно размещённый эндпоинт Hy-Memory-30B-A3B, а путь чтения — на размещённую фронтирную модель, и управлять обоими с помощью одного API-ключа в рамках более 200 моделей с автоматическим переключением при сбое, если бэкенд деградирует. Ни одна из этих двух моделей не входит в наш каталог, и ни одну из них мы не размещаем; доступность обеих обеспечивается вашим собственным оборудованием или собственными каналами вендора. Мы же покрываем другую половину — размещённые модели, которые окружают самостоятельно размещённый writer, — с 0% наценкой к прайс-листу провайдера.

Эту комбинацию стоит понять, прежде чем любая из моделей станет для вас готовой к промышленной эксплуатации, потому что архитектура остаётся одной и той же: и когда на пути записи работает Hy-Memory-30B-A3B, и когда это универсальная модель с прикрученным к ней промптом памяти. Маршрутизатору это безразлично. Замена одной на другую позже должна быть правкой таблицы маршрутизации, а не переписыванием.

На какой из них посмотреть первым?

Если у вас есть долгоживущий агент с фреймворком памяти и путь записи сейчас представлен фронтирной моделью, за запуск которой на каждом ходу вы платите по фронтирным ценам, то Hy-Memory-30B-A3B — более интересный из двух и тот, у которого есть конкретная, количественно измеримая проблема, которую нужно решить. Пойдите и посмотрите на него — но идите с пониманием того, что ваша первая задача — собрать аппаратное обеспечение для его тестирования, и что ни одна третья сторона пока ещё не подтвердила 55.49.

Если вам нужна одна модель с открытыми весами, которая умеет рассуждать, вызывать инструменты и запускаться на вашей собственной видеокарте, то Granite 4.2 30B — это та, которую стоит оценить на этой неделе. Ей два месяца, её квантованные версии уже существуют, а опубликованные показатели не воспроизведены — что для открытой модели среднего размера является нормальным состоянием и само по себе не тревожный сигнал.

Если вы строите всё это целиком, честный ответ таков: скорее всего, вам нужны оба — в тех двух ролях, для которых они были задуманы, и интересная работа состоит в маршрутизации между ними, а не в выборе между ними.