Tyst lansering av Hy-Memory-30B-A3B: Tencent lade upp en minnesskrivare på Hugging Face utan lanseringsinlägg

Hy-Memory-30B-A3B är en mixture-of-experts-modell med 30 miljarder parametrar från Hunyuan-teamet som inte besvarar frågor. Den skriver minne. Den avgör vad en långvarig agent bör behålla, hur exakt det ska formuleras och hur ett nytt faktum ska skriva över ett gammalt i en beständig minnesbank — steget som varje agentramverk fram till nu har lämnat över till en allmän chattmodell. Vikterna lades upp på Hugging Face den 15 oktober 2026, den tekniska rapporten följde samma dag under arXiv 2610.22196, GitHub-repositoriet öppnades samma eftermiddag och taggen v1.0.0 skapades den 16 oktober. I skrivande stund redovisar repositoriet noll nedladdningar och ett ensiffrigt antal gillamarkeringar på modellkortet. Det finns ingen lanseringssida från leverantören, inget pris, ingen hostad slutpunkt och inget tillkännagivande som vi har kunnat hitta utanför projektets egen README. Benchmarkar åldras och priser rör sig; felhistoriken gör det inte: de dokumenterade AI-incidenterna och agentfelen bakom modeller i den här klassen samlas i OrcaRouter AI Incident Archive där varje post har sina egna källor, allvarlighetsgrad, tillförlitlighetsbetyg och flagga för omstridd status.

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.

Vad som faktiskt finns i repositoryt, och vad som inte finns

De kontrollerbara fakta, en rad vardera:

• Modell — tencent/Hy-Memory-30B-A3B, publicerad under Apache 2.0, taggad engelska och kinesiska.

• Storlek — 30B parametrar totalt, ungefär 3B aktiva per token, vilket är vad suffixet A3B betyder.

• Arkitektur — 48 lager, varav 1 är ett tätt feed-forward-block och 47 är glesa MoE-block; 128 experter per block med top-8-routing plus en delad expert; dold storlek 2 048; expertmellanbredd 768; 32 attention-huvuden mot 4 key-value-huvuden med query-key-normalisering; en sigmoid-router med en expert-bias-term.

• Kontext — 262 144 positioner från konfigurationsfilen, med en RoPE-bas på 11 158 840.

• Fotavtryck — 51 safetensors-shards med en total storlek på cirka 60,1 GB i BF16.

• Serveras med – vLLM, testad mot v0.31.0, bakom en OpenAI-kompatibel endpoint. Kortet anger ingen annan runtime och ingen inferensleverantör.

• Saknas – det finns ingen GGUF, ingen FP8- eller NVFP4-version, ingen finjustering, ingen kvantisering och ingen derivatvariant av något slag i Hugging Faces sökindex. Teamet släppte en BF16-checkpoint i en precision.

Den sista raden betyder mer än den ser ut att göra. Granite-teamet släppte FP8-, MXFP4-, NVFP4- och GGUF-byggen av Granite 4.2 30B inom dagar efter basvikterna. Liquid AI släpper en Q4_K_M GGUF av LFM2.5-24B-A2B på 14,5 GB. De leverantörerna talar om för dig var de förväntar sig att modellen ska köras. En BF16-checkpoint på 60 GB utan kvantiseringsväg säger dig att den här riktar sig till den som redan har GPU:erna – med största sannolikhet de som kör minnesinfrastruktur i stor skala, vilket är precis den målgrupp som modellkortet anger.

Vad modellen faktiskt är till för

Skillnaden mellan en minnesskrivare och en agent är hela poängen med den här utgåvan, och den är lätt att missa eftersom modellkortet liknar alla andra modellkort.

Ett agentramverk – Mem0, MemOS, Hy-Memory, EverMemOS – ligger mellan en konversation och ett beständigt lager. Vid varje tur måste något läsa det inkommande utbytet, avgöra vilka fragment som är värda att behålla, formulera dem så att de kan hittas senare och stämma av dem mot det som redan är lagrat. I dag är det något en frontier-chattmodell med en ramverksspecifik prompt påskruvad. Artikelns inramning av problemet är kostnaden och överföringen: en generell modell bakom en minnesprompt är dyr att köra vid varje tur, och en skrivare som är inställd för ett ramverks protokoll flyttar inte smidigt till ett annat.

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.

Tvåstegsträningen, i enkla ordalag

Kortet beskriver receptet som Memory On-Policy Distillation följt av Attributed Memory Reinforcement Learning, och det är i det andra steget som artikelns bidrag ligger.

I det första steget ger en lärare tät övervakning på de minnestillstånd som studenten själv producerade – on-policy, så studenten korrigeras utifrån sina egna misstag snarare än utifrån en lärares trajektorier. I det andra steget bygger ramverket minnesbanker från rollouts, poängsätter dem chunk för chunk och för den valda banken vidare över fönster i stället för att återställa mellan dem. Det vidareförandet är delen som håller träningen i linje med hur modellen faktiskt driftsätts, där en bank aldrig är tom och varje skrivning hamnar ovanpå allt som skrivits före den. Kredit tilldelas på chunk-nivå, med ett explicit straff för överdriven lagring – en skrivare som behåller allt är värdelös, så belöningen måste prissätta det.

Inget av det är oberoende verifierat. Det är en sammanhängande beskrivning av en träningsmetod, publicerad tillsammans med ett kodförråd som innehåller koden, vilket är mer än vad de flesta påståenden på lanseringsdagen kommer med.

Utvärderingen, läst så som den bör läsas

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

• Hy-Memory-30B-A3B — 55,49 i makrogenomsnitt över fyra utvärderingsramverk.

• 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.

Behandla allt som leverantörsrapporterat. Inte som misstänkt – utan som oreproducerat, vilket är en annan sak. En modell som släpptes i går med ett repo och en artikel har förtjänat rätten att testas, inte rätten att bli trodd.

Den sidan är den enda primärkällan för hela releasen. Det finns inget blogginlägg, inget tillkännagivande från leverantören och ingen tredjepartstext att stämma av den mot.

Vad som fortfarande är obekräftat, sagt i klartext

• Det finns ingen oberoende benchmark av något slag. Ingenting på Artificial Analysis, ingen arenaplacering, ingen harness-körning från tredje part.

• Ingen reproduktion av cross-harness-tabellen. Särskilt det undanhållna EverMemOS-resultatet är en enda leverantörskörning.

• Ingen verklig kostnadssiffra. Minneskrivningar är en arbetsbelastning med hög frekvens och kort utdata, men ingen har publicerat tokens per skrivning eller en kostnad per konversation för den här modellen.

• Ingen kvantisering, så inget uppmätt minnesavtryck under 60 GB.

• Inga bevis för vad den gör när minnesramverket ändrar sitt protokoll — artikeln testar överföring mellan ramverk, inte mellan versioner av ett och samma ramverk.

• Huruvida teamet avser att vara värd för den. Kortet anger att modellen inte distribueras av någon inferensleverantör, och inget i repot tyder på att en hostad slutpunkt är på väg.

Om du vill köra det, och var en router passar in

Realistiskt sett är det här ett beslut om self-hosting. Vägen i kortet är vLLM 0.31.0 bakom ett OpenAI-kompatibelt API, vilket innebär att modellen kan stoppas in i en befintlig harness genom att bara byta bas-URL. Det är den billiga delen. Den dyra delen är att en BF16-checkpoint på 60 GB utan kvantiserat syskon kräver rejäl hårdvara innan den skriver ett enda minne.

Det är värt att vara precis om vad en router gör och inte gör här. Hy-Memory-30B-A3B finns inte i OrcaRouters katalog och vi hostar det inte — vägen till det är checkpointen och dina egna GPU:er. Det en router täcker är den andra halvan av ramverket. En minnesskrivare anropas vid sidan av en svarsmodell, och svarsmodellen är vanligtvis en hostad frontier-modell som läser tillbaka minnesbanken och svarar. OrcaRouter ger dig en API-nyckel över 200+ hostade modeller till 0 % påslag, så leverantörers prissänkningar slår igenom samma dag, med automatisk failover om en backend försämras. Routnings-DSL:en är delen som passar den här arkitekturen specifikt: den sätter samman en egenhostad endpoint och en hostad sådan till ett enda anrop, vilket är exakt formen på ett minnessystem — en billig specialist på skrivvägen, en frontier-modell på läsvägen, en nyckel framför båda.

Mönstret är värt att bygga redan innan du har skrivaren igång, eftersom det är identiskt oavsett om skrivvägen är Hy-Memory-30B-A3B eller en allmän modell med en minnesprompt. Routern bryr sig inte om vilket, och att byta ut den ena mot den andra senare bör vara en redigering i routingtabellen snarare än en omskrivning.

Vad du ska titta på

Tre saker skulle flytta detta från en artikel till en produkt. En kvantiserad build: en FP8- eller Q4-checkpoint är skillnaden mellan en datacentermodell och en som någon kan utvärdera på en arbetsstation, och dess frånvaro är det enskilt största hindret för att någon ska kunna kontrollera siffrorna. En oberoende harness-körning: det undanhållna EverMemOS-transferpåståendet är hela tesen, och det förtjänar att testas av någon som inte har något eget intresse i det. Och en hostad endpoint: inte för att självhosting är fel, utan för att modellens egen design — deterministisk, no-think, korta utdata, som triggas vid varje tur — passar naturligt för ett API, och dess frånvaro tyder på att teamet ser detta som infrastruktur som man levererar till människor som redan kör infrastruktur.

Fram till dess är det rätta förhållningssättet det som utgåvan själv bjuder in till. Läs repot, kör snabbstarten på vilken hårdvara du än har och behandla tabellen som en hypotes.