Hy-Memory-30B-A3B vs Qwen3.8-27B: Specialisten är inte rivalen — den är ersättaren för det jobb du redan betalar en generalist för att göra

Ingen väljer mellan Hy-Memory-30B-A3B och Qwen3.8-27B utifrån kapacitet, eftersom de inte tävlar i samma liga. Qwen3.8-27B är labbets täta vision-språkmodell med 27 miljarder parametrar — Apache 2.0, inbyggd kontext på 262 144 token, släppt den 14 augusti 2026, och tillhandahålls via OrcaRouter för 0,33 USD per miljon indatatoken och 2,40 USD per miljon utdatatoken. Hy-Memory-30B-A3B är Hunyuan-teamets minnesskrivare — 30B totalt med cirka 3B aktiva, med öppen källkod släppt den 15 oktober 2026, och tillhandahålls inte någonstans alls, inte ens av oss. Den ena är en generalist du kan hyra per token. Den andra är en komponent du måste hosta själv. Benchmarks åldras och priser förändras; felregistret gör det inte: de dokumenterade AI-incidenterna och agentfel som ligger bakom modeller i den här klassen samlas i OrcaRouter AI Incident Archive där varje post har sina egna källor, allvarlighetsgrad, konfidensgrad och flagga för omstridd status.

Anledningen till att ändå ställa dem sida vid sida är att Hy-Memory-30B-A3B finns för att ersätta en specifik sak, och den saken är väldigt ofta en Qwen3.8-27B. Minnesramverk anropar en allmän modell vid varje tur för att avgöra vad som ska behållas. Om du kör Qwen3.8-27B för det – och med $0.33/$2.40 är det ett naturligt val – så är den ärliga frågan inte vilken modell som är bättre. Det är huruvida en specialist med 3B aktiva parametrar utför samma jobb tillräckligt bra för att motivera hårdvaran, och den frågan har en prislapp som du faktiskt kan räkna ut.

Vad Qwen3.8-27B är, i de termer som ett minnessystem bryr sig om

Dense, vilket innebär att varenda en av dess parametrar läses för varje token. 64 lager vid en dold storlek på 5 120, med ett 16-till-1-mönster som växlar mellan Gated DeltaNet linjära attention-block och full-attention-block – en design som är det som gör att ett fönster på en kvarts miljon token överhuvudtaget går att betjäna till rimlig kostnad. Den tar in text, bilder och video och returnerar text, vilket spelar roll här av en vardaglig anledning: en stor del av det människor vill att en agent ska komma ihåg kommer som en skärmbild eller ett dokument snarare än som prosa.

Leverantörens eget kort uppger 90,3 på LiveCodeBench v6, 89,2 på GPQA Diamond, 73,0 på Terminal-Bench 2.1, 84,3 på OSWorld-Verified och 79,5 på IFBench – allt leverantörsrapporterat, inte reproducerat av oss eller någon vi kan peka på specifikt för arbetsbelastningen med minnesskrivning. Modellen har fått oberoende placeringar sedan lanseringen, bland annat en topp-10-placering på en resultattavla för webbutvecklingsarena, men ingen av dem mäter huruvida den skriver bra minne. Inget gör det ännu.

Det som gör att den är den givna för det här jobbet är inte någon av de där poängen. Det är att den följer instruktioner exakt, att den tar emot ett JSON-schema, att den har ett 262K-fönster så att du kan ge den en lång konversation utan chunking-gymnastik, och att den är tillräckligt billig för att köras varje tur.

Sidan ovan är den praktiska skillnaden mellan dessa två modeller på en skärm: Qwen3.8-27B har en taxa och en rutt, medan Hy-Memory-30B-A3B saknar båda.

Vad Hy-Memory-30B-A3B gör annorlunda

Hy-Memory-modellen är tränad för exakt en uppgift, och dess modellkort säger det utan förbehåll: den ersätter den allmänna LLM:n i Mem0, MemOS och Hy-Memory, avgör vilken information som ska behållas, hur exakt den ska representeras och hur ny evidens bör uppdatera en beständig minnesbank. Den utvärderas sedan på EverMemOS, ett ramverk som helt hållits utanför träningen — det designbeslut i utgåvan som förtjänar mest beröm, eftersom överföring mellan ramverk är hela premissen.

Dess träning är tvåstegs, och det andra steget är det intressanta. Memory On-Policy Distillation ger tät övervakning på minnestillstånd som studenten själv har producerat. Attributed Memory Reinforcement Learning bygger sedan banker från rollouts, poängsätter dem chunk för chunk, bestraffar överlagring och — det här är delen som håller träningen ärlig — för den valda banken vidare över fönster i stället för att återställa den mellan dem. En driftsatt bank är aldrig tom, så att träna den mot en tom bank skulle vara att träna den för en situation som inte finns.

Arkitektoniskt sett är det 48 lager, ett tätt block och 47 glesa MoE-block, 128 experter med top-8-routning plus en delad expert, en kontext på 262 144 positioner och 60,1 GB BF16-vikter över 51 shards. Ingen kvantiserad version publicerades.

Att göra räkningen som korten inte gör

Båda modellerna aktiveras vid varje tur i en lång konversation. Det gör skrivvägen till ett volymproblem, och volym är precis där en specialists lägre antal aktiva parametrar borde märkas.

Ta ett konkret, angivet antagande i stället för ett uppmätt: en skribent bearbetar ungefär 800 tokens av konversation per tur och skickar ut ungefär 150 tokens strukturerat minne. Över 1 000 turer är det 800 000 indatatokens och 150 000 utdatatokens per användare. På OrcaRouters prislista för Qwen3.8-27B — leverantörens listpris som förs vidare med 0 % påslag, så $0,33 och $2,40 per miljon — den konversationen kostar ungefär $0,26 i indata och $0,36 i utdata, omkring $0,62, plus vad läsvägen än kostar när en svarsmodell öppnar banken. Det är aritmetik på publicerade priser, inte ett riktmärke, och dina tokens per tur kommer att variera.

För Hy-Memory-30B-A3B kostar samma 1 000 turer ingenting per token och något betydligt större per månad, eftersom det inte finns någon prislista. Modellen är självhostad, och att självhosta 60 GB BF16 utan ett kvantiserat alternativ innebär en accelerator med minne nog att rymma det – innan du vet om makrogenomsnittet på 55,49 håller.

Så avvägningen handlar inte om billigt mot dyrt. Det är förbrukningsbaserat mot kapital, och brytpunkten beror helt och hållet på hur många turer du faktiskt skriver per månad. Ett team som kör några tusen konversationer i månaden tjänar nästan säkert på att betala Qwen3.8-27B:s pris per token och aldrig behöva röra hårdvarufrågan. Ett team som skriver minne på miljoner turer kör hårdvara oavsett, och specialisten blir intressant.

Kortet ovan är där aritmetiken börjar: bakom priset på $0.33 finns en nedladdningsbar 27B-checkpoint, och om din volym är tillräckligt hög för att motivera att köra den själv är det en väg som stöds, med publicerade kvantiseringar bakom sig.

Tre saker som prisjämförelsen döljer

Kostnad per token är den enklaste axeln och den minst avgörande. Tre andra spelar större roll.

Multimodalitet. Qwen3.8-27B tar emot bilder och video. Hy-Memory-30B-A3B:s kort specificerar textinmatning, engelska och kinesiska. Om din agents minne innehåller skärmbilder, skannade dokument eller videobildrutor, utför generalisten arbete som specialisten strukturellt sett inte kan utföra, och ingen kostnadsfördel kan kompensera för det.

Kontext.Båda publicerar 262 144 positioner, vilket är ett äkta sammanträffande och ett användbart sådant – ingen av dem har en fördel när det gäller hur mycket konversation man kan överlämna till den på en gång.

Publicerad precision. Qwen3.8-27B levereras som BF16 med en officiell FP8-version och GGUF-konverteringar från flera utgivare, och OrcaRouter tillhandahåller en block-FP8-version med vision-tornet i full precision. Hy-Memory-30B-A3B levereras som BF16 och inget annat. Den raden avgör om du kan utvärdera den på ett lånat kort eller behöver reservera ett.

Routningssvaret, som skiljer sig beroende på vilken modell du väljer

Det är här de två vägarna skiljs åt på ett tydligt sätt, och det är värt att vara precis snarare än säljande.

Qwen3.8-27B finns i OrcaRouters katalog. Du anropar den via samma API-nyckel som för drygt 200 andra modeller, till leverantörens listpris med 0 % påslag — så en prissänkning från leverantören slår igenom här samma dag i stället för vid nästa faktureringscykel — med automatisk failover om en backend försämras. För en minnesrigg är den användbara delen routnings-DSL:en: den komponerar flera modeller till ett anrop, vilket är hur du kör en skribent och en svarsmodell bakom en enda slutpunkt utan att bygga en andra klient. Modellfusion, som kör en panel av modeller som svarar tillsammans, är verktyget för att empiriskt ta reda på om en specialiserad skribent producerar bättre banker än generalisten — kör båda mot samma konversation, jämför svaren och sluta argumentera om det.

Hy-Memory-30B-A3B finns inte i vår katalog och vi hostar det inte. Vägen dit är checkpointen från teamet och din egen hårdvara. Om du självhostar det täcker en router fortfarande resten av loopen – den hostade svarsmodellen som läser tillbaka banken, planeringsanropen runt den – och den låter dig registrera din egen endpoint vid sidan av de hostade, så att failover och åtkomst med en knapp gäller för båda.

Vem ska göra vad

Om du kör minnesskrivning på en hostad generalist idag är den ärliga första frågan inte huruvida du bör byta. Det är hur många turer du faktiskt skriver per månad. Under en tröskel som bara du kan beräkna är Qwen3.8-27B till ett pris per token det rationella valet, och Hy-Memory-30B-A3B:s hårdvarukrav är en distraktion – särskilt om ditt minne innehåller bilder, där specialisten inte har något att erbjuda.

Om du skriver minne i en omfattning där per-token-posten har blivit en verklig budgetpost, är Hy-Memory-30B-A3B den första öppna modellen som riktar sig direkt mot den posten, och att den testades mot ett held-out-ramverk är ett tecken på att någon tänkte på generalisering snarare än på en demo. Vänta på ett kvantiserat bygge. Vänta på att någon utanför teamet kör testriggen. Bestäm dig sedan.

Och om du bara är nyfiken på huruvida en specialist slår en generalist på din egen trafik, är experimentet billigt att sätta upp och svaret kommer att vara specifikt för dina data snarare än för något av korten.

En sista sak som kortet klargör men tabellerna inte. Hy-Memory-30B-A3B är licensierad under Apache 2.0, vilket innebär att experimentet ovan är ett du får köra kommersiellt, på dina egna data, utan att prata med någons juridiska team. Det är det starkaste argumentet modellen har, och det är oberoende av huruvida 55.49 reproduceras.