Hy-Memory-30B-A3B vs Granite 4.2 30B: นักเขียนหน่วยความจำกับตัวให้เหตุผลไม่ใช่การซื้อแบบเดียวกัน

Hy-Memory-30B-A3B และ Granite 4.2 30B ต่างก็มีพารามิเตอร์ประมาณ 30 พันล้านตัว, เป็นโอเพนเวททั้งคู่, ใช้ Apache 2.0 ทั้งคู่, เปิดตัวห่างกันภายในเจ็ดสัปดาห์ — และทั้งสองไม่ใช่สิ่งทดแทนกันในความหมายใด ๆ ที่สเปรดชีตจัดซื้อจะรับรู้ได้ Hy-Memory-30B-A3B ซึ่งเปิดซอร์สโดยทีม Hunyuan เมื่อวันที่ 15 ตุลาคม 2026, ทำเพียงสิ่งเดียว: มันดำเนินการเส้นทางการเขียนภายในกรอบหน่วยความจำระยะยาว, ตัดสินใจว่าเอเจนต์จะเก็บอะไรไว้ และหลักฐานใหม่จะเขียนทับได้อย่างไร Granite 4.2 30B ซึ่งเผยแพร่โดย IBM บน Hugging Face เมื่อวันที่ 25 สิงหาคม 2026, เป็นโมเดลการให้เหตุผลทั่วไปแบบเดนส์ที่มีโหมดการคิดที่เลือกได้, การเรียกใช้เครื่องมือ และบริบท 128K ที่สามารถขยายได้ถึง 512K หนึ่งคือองค์ประกอบ หนึ่งคือผู้ช่วย ช่องว่างระหว่างสิ่งที่สกอร์บอร์ดวัดกับสิ่งที่การติดตั้งใช้งานต้องเผชิญคือเหตุผลที่บันทึกนี้มีความสำคัญ: ความล้มเหลวของ AI และเหตุการณ์ของเอเจนต์ที่ได้รับการบันทึกไว้ที่เกี่ยวข้องกับโมเดลในคลาสนี้ถูกรวบรวมไว้ใน the OrcaRouter AI Incident Archive โดยแต่ละรายการมีแหล่งที่มา, ความรุนแรง, ระดับความเชื่อมั่น และสถานะข้อโต้แย้งของตัวเอง

การเปรียบเทียบที่ชวนให้หลงเชื่อ — เอาตารางเบนช์มาร์กของทั้งสองมาเรียงกันแล้วดูว่าใครชนะ — เป็นการเปรียบเทียบที่ผิด และผิดในแบบที่จะทำให้คุณเสียเงิน พวกเขาไม่ได้ถูกประเมินบนงานเดียวกัน ไม่ได้ถูกนำไปใช้งานในรูปแบบเดียวกัน และหนึ่งในนั้นไม่สามารถดาวน์โหลดในรูปแบบที่คนส่วนใหญ่สามารถรันได้ สิ่งที่ตามมาคือการเปรียบเทียบที่ตัดสินอะไรได้จริง: แต่ละตัวมีไว้เพื่ออะไร แต่ละตัวมีต้นทุนด้านฮาร์ดแวร์สำหรับคุณเท่าใด และคุณต้องการตัวหนึ่ง อีกตัวหนึ่ง หรือทั้งสองตัว

เริ่มจากแกนที่แยกพวกเขาออกจากกัน

Granite 4.2 30B เป็นโมเดลแบบ dense ซึ่งหมายความว่าพารามิเตอร์ทุกตัวของมันจะถูกอ่านสำหรับทุกโทเค็นที่มันสร้าง มันมีโหมดการให้เหตุผลสามแบบ — คิดเต็มที่, ใช้ความพยายามต่ำ, และไม่ใช้ — ซึ่งเลือกได้ตามคำขอ และมันถูกฝึกในขั้นหลังการฝึกด้วยการเรียนรู้แบบเสริมกำลังเชิงเอเจนต์โดยมุ่งเป้าไปที่เทอร์มินัล การรันโค้ด และการค้นหาเว็บภายในแซนด์บ็อกซ์ โมเดลการ์ดของ IBM อ้างว่าได้ 57.00 บน SWE-Bench Verified, 29.24 บน Terminal-Bench 2.1, 89.17 บน AIME 2025 และ 77.60 บน MMLU-Pro ข้อมูลเหล่านั้นเป็นข้อมูลที่ผู้ขายรายงานและไม่ได้ถูกทำซ้ำโดยอิสระ, และโมเดลนี้มีอายุสองเดือน — เก่าพอที่การขาดคะแนนอิสระจะเป็นเรื่องที่น่าสังเกตเล็กน้อย ไม่ใช่เรื่องที่ทำให้เสื่อมเสีย

Hy-Memory-30B-A3B เป็นโมเดลแบบ sparse ซึ่งหมายความว่ามันมีพารามิเตอร์ 30 พันล้านตัว แต่จะอ่านเพียงประมาณ 3 พันล้านตัวต่อโทเคน และมันถูกฝึกมาเพื่องานเดียว การ์ดของ Hy-Memory อธิบายว่ามันเข้าแทนที่ LLM เอนกประสงค์ภายใน Mem0, MemOS และ Hy-Memory — โดยตัดสินใจว่าจะเก็บรักษาอะไรไว้ จะแทนข้อมูลนั้นอย่างแม่นยำได้อย่างไร และหลักฐานใหม่จะอัปเดตคลังความจำถาวรได้อย่างไร จากนั้นจึงถูกทดสอบกับ EverMemOS ซึ่งเป็นเฟรมเวิร์กที่ถูกกันออกจากการฝึกทั้งหมด นับเป็นสิ่งที่ใกล้เคียงที่สุดในทั้งสองรุ่นที่เผยแพร่กับการทดสอบ generalization ที่แท้จริง ข้ออ้างหลักของมัน: ค่าเฉลี่ย macro 55.49 จากสี่ฮาร์เนส เทียบกับ 54.62 ของ Claude Opus 5 เป็นข้อมูลที่ผู้ขายรายงานเองเช่นกัน และยังไม่มีการทำซ้ำผล และ — ต่างจากตัวเลขของ Granite — ประเมินบนตัวอย่างย่อยคงที่ 20% ของแต่ละเบนช์มาร์ก แทนที่จะเป็นชุดเต็ม

ดังนั้นคะแนนเหล่านี้จึงเปรียบเทียบกันไม่ได้ 57.00 ของ Granite บน SWE-Bench Verified และค่าเฉลี่ยแบบมาโคร 55.49 ของ Hy-Memory เป็นตัวเลขจากคนละกีฬากัน และการนำมาวางไว้ในคอลัมน์เดียวกันก็เป็นการโกหกทางคณิตศาสตร์

นอกจากนี้ยังน่าสังเกตว่าตัวเลขเหล่านี้มาจากไหน ตัวเลขของ Hy-Memory อยู่ในรายงานทางเทคนิค arXiv 2610.22196 ที่ส่งในวันเดียวกับที่น้ำหนักโมเดลเปิดตัว — แหล่งข้อมูลปฐมภูมิเป็นสาธารณะและอ่านได้ ซึ่งถือว่าดีกว่าที่ตารางจำนวนมากในวันเปิดตัวจะมีให้ ส่วนของอีกฝ่ายอยู่บนการ์ดโมเดล ทั้งสองเป็นกรณีที่ผู้ขายตรวจการบ้านของตัวเอง และไม่มีอันใดผ่านฮาร์เนสของผู้อื่นเลย

สเปก แยกทีละมิติ

• พารามิเตอร์ — Hy-Memory-30B-A3B รวม 30B / MoE ใช้งานจริง ~3B เทียบกับ Granite 4.2 30B แบบ dense ประมาณ 29B โดยทุกพารามิเตอร์ทำงานในทุกโทเคน

• โครงสร้างเลเยอร์ — 48 เลเยอร์สำหรับ Hy-Memory-30B-A3B, บล็อกฟีดฟอร์เวิร์ดแบบหนาแน่นหนึ่งบล็อกและบล็อก MoE แบบเบาบาง 47 บล็อก, ผู้เชี่ยวชาญ 128 รายต่อบล็อกที่การกำหนดเส้นทาง top-8 พร้อมผู้เชี่ยวชาญที่ใช้ร่วมกัน เทียบกับ Granite 4.2 30B ของ transformer แบบ decoder-only หนาแน่นมาตรฐานที่มี GQA, 32 หัวความสนใจ และ 8 หัวคีย์-แวลู

• บริบท — 262,144 ตำแหน่งสำหรับ Hy-Memory-30B-A3B จากไฟล์การกำหนดค่าของมัน เทียบกับ 128K แบบเนทีฟ และ 512K แบบขยาย สำหรับ Granite 4.2 30B

• พื้นที่จัดเก็บน้ำหนัก — ประมาณ 60.1 GB กระจายอยู่บน 51 shard ของ safetensors แบบ BF16 สำหรับ Hy-Memory-30B-A3B เทียบกับพารามิเตอร์ dense ประมาณ 29B ในรูปแบบ BF16 สำหรับ Granite 4.2 30B พร้อมบิลด์ FP8, NVFP4/MXFP4 และ GGUF ที่เผยแพร่ควบคู่กัน

• ตัวเลือกแบบควอนไทซ์ — ไม่มีสำหรับ Hy-Memory-30B-A3B; ทีมเผยแพร่เพียงเช็กพอยต์ BF16 หนึ่งรายการและไม่มีอย่างอื่น Granite 4.2 30B มีบิลด์ FP8 อย่างเป็นทางการ, รูปแบบ 4-bit สองแบบ และการแปลง GGUF จากผู้เผยแพร่ในชุมชนหลายราย

• การควบคุมการให้เหตุผล — Hy-Memory-30B-A3B เปิดให้ใช้reasoning_effortเป็นสวิตช์ แต่ quickstart ของโปรเจกต์เองกลับรันที่no_think ด้วยอุณหภูมิ 0.0; Granite 4.2 30B มีโหมดการคิดสามแบบ รวมถึง chain-of-thought แบบเต็มที่ห่อหุ้มด้วยแท็ก think

• สัญญาอนุญาต — Apache 2.0 สำหรับทั้งคู่ ซึ่งช่วยตัดคำถามหนึ่งในสองข้อที่การตรวจสอบทางกฎหมายไม่เช่นนั้นก็ต้องถาม

• ความพร้อมใช้งานแบบโฮสต์ — ไม่มีโมเดลใดให้บริการผ่านเอนด์พอยต์ของผู้ให้บริการแบบโฮสต์ การ์ดของ Granite 4.2 30B ระบุผู้ให้บริการ inference; ส่วนการ์ดของ Hy-Memory-30B-A3B ระบุอย่างชัดเจนว่าไม่มีผู้ให้บริการรายใดนำไปใช้งาน

• วัตถุประสงค์ที่เผยแพร่ — ตัวเขียนหน่วยความจำเมื่อเทียบกับโมเดลการให้เหตุผลทั่วไป นี่คือแถวที่ชี้ขาดทุกอย่างที่อยู่เหนือขึ้นไป

ฮาร์ดแวร์คือจุดที่การตัดสินใจเกิดขึ้นจริง ๆ

นี่คือความไม่สมมาตรที่สเปกชีตซ่อนไว้

Hy-Memory-30B-A3B มีขนาด 60 GB ที่ BF16 โดยไม่มีทางเลือกแบบควอนไทซ์ นั่นไม่ใช่โมเดลที่คุณจะประเมินบนแล็ปท็อป และไม่ใช่โมเดลที่คุณจะเปิดรันบนการ์ดเวิร์กสเตชันเพียงใบเดียวเพื่อดูว่าข้ออ้างในเปเปอร์นั้นเป็นจริงหรือไม่ ทีมที่ต้องการตรวจสอบตัวเลขของ Hy-Memory ในตอนนี้จำเป็นต้องจัดสรรฮาร์ดแวร์พอ ๆ กับการดีพลอยโปรดักชันขนาดเล็ก ก่อนที่พวกเขาจะรู้ว่ามันทำงานได้จริงหรือไม่

Granite 4.2 30B แม้จะเป็นโมเดลแบบ dense แต่ก็มีให้ใช้งานในรูปแบบที่คุณรันได้จริงตั้งแต่วันนี้ บิลด์ FP8 และ 4-bit ทำให้มันพอดีกับหน่วยความจำของแอกเซลเลอเรเตอร์เพียงตัวเดียว และการแปลงเป็น GGUF ก็นำเวอร์ชันที่ใช้งานได้ไปวางบนฮาร์ดแวร์ที่ผู้คนมีอยู่แล้ว ทีมนั้นปล่อยบิลด์เหล่านั้นออกมาอย่างจงใจ — ผู้ขายที่เผยแพร่รูปแบบการควอนไทซ์ถึงสี่แบบกำลังบอกคุณว่ามันคาดหวังให้โมเดลนี้ถูกรันโดยคนที่กำลังอ่านเรื่องเกี่ยวกับมัน ไม่ใช่ให้เช่าจากดาต้าเซ็นเตอร์

ไม่มีสิ่งใดในนั้นทำให้ Granite เป็นโมเดลที่ดีกว่า มันทำให้ Granite เป็นโมเดลที่ถูกกว่าในการทำความรู้จัก

คำตอบที่ไม่ชัดเจน: สิ่งเหล่านี้อยู่ในระบบเดียวกัน

เอเจนต์ที่มีหน่วยความจำระยะยาวจำเป็นต้องมีฟังก์ชันทั้งสอง และสถาปัตยกรรมของเฟรมเวิร์กทำให้การแยกนั้นชัดเจนแทนที่จะเป็นเพียงเชิงทฤษฎี

ฮาร์เนสหน่วยความจำจะเรียกใช้ตัวเขียนบนเส้นทางการเขียน — ถูกกระตุ้นทุกเทิร์น เอาต์พุตสั้น เป็นดีเทอร์มินิสติก และต้องไม่ประดิษฐ์ข้อเท็จจริงที่ผู้ใช้ไม่ได้พูดขึ้นมาเด็ดขาด นั่นคืองานทั้งหมดของ Hy-Memory-30B-A3B และโมเดล 3B-active ในโหมดไม่คิดก็มีรูปร่างที่เหมาะพอดีสำหรับงานนี้: ต้นทุนต่ำต่อการเรียก เพราะมีการเรียกจำนวนมาก Granite 4.2 30B ไม่ได้แย่งช่องนั้น จุดที่มันควรอยู่คือเส้นทางการอ่านและการให้เหตุผลโดยรอบ — การตัดสินใจว่าจะทำอะไรกับสิ่งที่อยู่ในคลัง การวางแผน การเรียกเครื่องมือ การสร้างคำตอบ สิ่งเหล่านี้คือการเรียกที่หันหน้าสู่ frontier ซึ่งความลึกของโมเดลให้เหตุผลแบบ dense คุ้มค่ากับน้ำหนักของมัน

สองโมเดล สองโปรไฟล์การเรียกใช้งานที่แตกต่างกันมาก และคำถามทางวิศวกรรมที่น่าสนใจคือคุณจะวางคีย์เดียวไว้ข้างหน้าทั้งสองได้อย่างไร นั่นคือหน้าที่ของเลเยอร์การกำหนดเส้นทาง routing DSL ของ OrcaRouter ประกอบโมเดลหลายตัวเข้าเป็นการเรียกครั้งเดียว — คุณสามารถชี้เส้นทางการเขียนไปยังปลายทาง Hy-Memory-30B-A3B ที่โฮสต์เอง และชี้เส้นทางการอ่านไปยังโมเดลฟรอนเทียร์ที่โฮสต์ไว้ และขับเคลื่อนทั้งสองจากคีย์ API เดียวข้าม 200+ โมเดล พร้อมการสลับไปใช้ระบบสำรองอัตโนมัติหากแบ็กเอนด์เสื่อมประสิทธิภาพ ทั้งสองโมเดลนี้ไม่มีอยู่ในแคตตาล็อกของเรา และเราไม่ได้โฮสต์ทั้งคู่; ความพร้อมใช้งานของทั้งสองคือฮาร์ดแวร์ของคุณเองหรือช่องทางของผู้จำหน่ายเอง สิ่งที่เราครอบคลุมคืออีกครึ่งหนึ่ง — โมเดลที่โฮสต์ไว้ซึ่งอยู่รอบๆ ตัวเขียนที่โฮสต์เอง — ที่ มาร์กอัป 0% จากราคาตามรายการของผู้ให้บริการ

การรวมกันนั้นคุ้มค่าที่จะทำความเข้าใจก่อนที่โมเดลใดโมเดลหนึ่งจะพร้อมใช้งานจริงสำหรับคุณ เพราะมันเป็นสถาปัตยกรรมเดียวกันไม่ว่าเส้นทางการเขียนจะใช้ Hy-Memory-30B-A3B หรือโมเดลทั่วไปที่เติมพรอมป์ความจำเข้าไป เราเตอร์ไม่ได้แยกแยะ การสลับอันหนึ่งไปเป็นอีกอันในภายหลังควรเป็นการแก้ไขตารางเส้นทาง ไม่ใช่การเขียนใหม่ทั้งหมด

ดูอันไหนก่อนดี

หากคุณมีเอเจนต์ที่ทำงานต่อเนื่องเป็นเวลานานพร้อมเฟรมเวิร์กด้านความจำ และเส้นทางการเขียนในปัจจุบันเป็นโมเดลระดับแนวหน้าที่คุณต้องจ่ายราคาระดับแนวหน้าเพื่อรันในทุก ๆ เทิร์น Hy-Memory-30B-A3B คือตัวที่น่าสนใจกว่าของทั้งสองตัว และเป็นตัวที่มีปัญหาจำเพาะและวัดปริมาณได้ให้แก้ ไปดูมันสิ — แต่จงไปโดยเข้าใจว่างานแรกของคุณคือการสร้างฮาร์ดแวร์สำหรับทดสอบมัน และยังไม่มีบุคคลที่สามรายใดยืนยันค่า 55.49

ถ้าคุณต้องการโมเดล open-weight สักหนึ่งตัวที่ให้เหตุผลได้ เรียกใช้เครื่องมือได้ และรันบนการ์ดที่คุณเป็นเจ้าของ Granite 4.2 30B คือตัวที่ควรประเมินในสัปดาห์นี้ มันอายุสองเดือนแล้ว มี quantization ให้ใช้แล้ว และตัวเลขที่เผยแพร่ก็ยังไม่มีใครทำซ้ำได้ ซึ่งเป็นสภาพปกติของโมเดลเปิดขนาดกลาง และไม่ใช่สัญญาณเตือนในตัวมันเอง

ถ้าคุณกำลังสร้างทั้งหมด คำตอบที่ตรงไปตรงมาคือคุณน่าจะต้องการทั้งสองอย่าง ในสองบทบาทที่มันถูกออกแบบมา และงานที่น่าสนใจคือการจัดเส้นทางระหว่างสองสิ่งนั้น มากกว่าการเลือกระหว่างสองสิ่งนั้น