Hy-Memory-30B-A3B 静默发布：腾讯把一款记忆写入器放上 Hugging Face，却没有任何发布帖

Hy-Memory-30B-A3B是混元团队推出的一个 300 亿参数的混合专家模型，但它并不回答问题。它写的是记忆。它决定一个长期运行的智能体应当保留什么、措辞该有多精确，以及一条新事实应如何在持久记忆库中覆盖一条旧事实——这个环节，至今为止每个智能体框架都交给了通用聊天模型。其权重于2026 年 10 月 15 日上传至 Hugging Face，技术报告同日以 arXiv 2610.22196 发布，GitHub 仓库于当天下午开放，标签 v1.0.0 于10 月 16 日切出。截至本文撰写时，该仓库记录的下载量为零，模型卡上的点赞数为个位数。除了项目自己的 README 之外，我们找不到任何厂商发布页、定价方案、托管端点或公告。基准会过时，价格会变动；但故障记录不会：这一类模型背后有据可查的 AI 事件与智能体故障，都汇集在the OrcaRouter AI Incident Archive中，其中每一条记录都带有自己的来源、严重程度、置信度评级和争议标记。

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.

仓库里实际有什么，又没有什么

可核实的事实，每行一条：

• 模型 — tencent/Hy-Memory-30B-A3B，以 Apache 2.0 许可发布，标注语言为英语和中文。

• 规模 — 总计 30B 参数，每个 token 约 3B 激活，这正是 A3B 后缀的含义。

架构 —— 48 层，其中 1 层是稠密前馈块，47 层是稀疏 MoE 块；每块 128 个专家，采用 top-8 路由外加一个共享专家；隐藏维度 2,048；专家中间宽度 768；32 个注意力头对 4 个键值头，并带查询-键归一化；一个带专家偏置项的 sigmoid 路由器。

• 上下文 — 来自配置文件的 262,144 个位置，RoPE 基数为 11,158,840。

• 占用空间 — 51 个 safetensors 分片，BF16 格式，总计约 60.1 GB。

• 由 vLLM 提供服务，已针对 v0.31.0 进行测试，置于 OpenAI 兼容端点之后。该卡片未提及任何其他运行时，也未提及推理提供商。

• 不存在——在 Hugging Face 搜索索引中，没有 GGUF，没有 FP8 或 NVFP4 构建，没有微调，没有量化，也没有任何形式的衍生版本。团队只发布了一个 BF16 检查点，只有一种精度。

最后那句话的重要性超出它字面上的分量。Granite 团队在 Granite 4.2 30B 基础权重发布后几天内，就推出了 FP8、MXFP4、NVFP4 和 GGUF 版本。Liquid AI 推出了 14.5 GB 的 LFM2.5-24B-A2B 的 Q4_K_M GGUF。这些厂商是在告诉你，他们预期这个模型跑在哪里。一个 60 GB 的 BF16 检查点、且没有量化路径，说明这个模型瞄准的是那些已经拥有 GPU 的人——最可能是大规模运行内存基础设施的人，而这正是模型卡所点名的目标受众。

模型究竟是用来做什么的

记忆写入器与智能体之间的区别，正是本次发布的全部要点；而这一点很容易被忽视，因为模型卡读起来和其他任何模型卡别无二致。

一个智能体框架——Mem0、MemOS、Hy-Memory、EverMemOS——位于对话与持久化存储之间。每一轮中，都必须有某个东西读取传入的对话交流，判断哪些片段值得保留，将它们表述成日后能被找到的形式，并将它们与已存储的内容进行协调。如今，这个“某个东西”是一个前沿聊天模型，外加一个针对特定框架硬接上的提示词。论文对问题的界定在于成本与迁移：一个由记忆提示词驱动的通用模型，每一轮运行起来都很昂贵；而为某一框架协议调校过的写入器，无法干净利落地迁移到另一框架。

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.

通俗地说，两阶段训练

该卡片将这一方法描述为 Memory On-Policy Distillation，随后是 Attributed Memory Reinforcement Learning，而第二阶段正是论文贡献所在。

第一阶段，教师对学生模型自身产生的记忆状态提供稠密监督——这是同策略的，因此学生是根据自己的错误而非教师的轨迹被纠正。第二阶段，框架从 rollout 中构建记忆库，逐块为它们打分，并将选中的记忆库跨窗口向前传递，而不是在窗口之间重置。这种向前传递正是让训练与模型实际部署方式保持一致的部分：在部署中，记忆库从不为空，每一次写入都落在此前写入的所有内容之上。信用分配在块级别进行，并对过度存储施以显式惩罚——一个什么都保留的写入器毫无用处，因此奖励必须把这一点计入其中。

这些都没有经过独立验证。它是对一种训练方法的连贯描述，并且发布时附带了一个包含代码的仓库，这比大多数发布当天的说法所具备的内容要多。

评估，就该按照它应有的方式来读

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

• Hy-Memory-30B-A3B — 在四个评测框架上的宏平均为 55.49。

• 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.

把这一切都当作厂商自述来看待。不是当作可疑——而是当作未经复现，这是两回事。一个昨天发布、带着代码仓库和论文的模型，赢得的是被测试的权利，而不是被相信的权利。

该页面是整个发布版本的唯一一手来源。没有博客文章，没有厂商公告，也没有可供交叉核对的第三方报道。

尚未确认之事，直白地说

• 不存在任何形式的独立基准测试。Artificial Analysis 上没有相关结果，没有竞技场排名，也没有第三方评测框架的运行结果。

• 未复现跨测试框架表格。尤其值得注意的是，留出的 EverMemOS 结果仅为单个供应商的一次运行。

• 没有真实世界的成本数据。内存写入是一种高频、短输出的工作负载，但没有人发布过该模型上每次写入的 token 数或每次对话的成本。

• 没有量化，因此没有低于 60 GB 的实测内存占用。

• 没有证据表明当记忆框架更改其协议时它会有何表现——该论文测试的是跨框架的迁移，而非同一框架不同版本之间的迁移。

• 团队是否有意自行托管它。卡片上说明该模型未由任何推理服务商部署，仓库中也没有任何内容表明将推出托管端点。

如果你想运行它，以及路由器适合放在哪里

现实地说，这是一个自托管决策。卡片中的路径是 vLLM 0.31.0，位于兼容 OpenAI 的 API 之后，这意味着只需替换 base URL，该模型就能接入现有测试框架。这是便宜的部分。昂贵的部分是，一个 60 GB BF16 检查点，没有量化版本可以替代，在它写入哪怕一个内存之前就需要强大的硬件。

这里值得把路由器做什么、不做什么讲清楚。Hy-Memory-30B-A3B 不在 OrcaRouter 的目录中，我们也不托管它——通往它的路径是检查点和你自己的 GPU。路由器所覆盖的，是这套框架的另一半。记忆写入器会与一个回答模型一同被调用，而回答模型通常是托管的前沿模型，它读回记忆库并作出回应。OrcaRouter 让你用一把 API 密钥即可访问200+ 个托管模型，加价仅0%，因此供应商降价当天就能传导到你这里，同时具备自动故障转移能力，可在某个后端性能下降时生效。路由 DSL 正是特别契合这一架构的那一环：它把自托管端点和托管端点组合进同一次调用，而这恰恰就是记忆系统的形态——写入路径上是廉价的专用模型，读取路径上是前沿模型，两者前面只有一把密钥。

即使写入器还没跑起来，这套模式也值得先搭起来，因为无论写入路径是 Hy-Memory-30B-A3B，还是带记忆提示词的通用模型，该模式都是完全相同的。路由器不关心是哪一个，而且日后把其中一个换成另一个，应该只是改一下路由表，而不是重写。

看什么

有三件事能把它从一篇论文变成一款产品。一个量化版本：FP8 或 Q4 检查点，是数据中心模型与有人能在工作站上评估的模型之间的差别，而它的缺失是任何人核对数字时最大的单一障碍。一次独立评测框架运行：留出的 EverMemOS 迁移主张就是整篇论文的论点，它理应接受一个与此毫无利害关系之人的检验。还有一个托管端点：不是因为自托管有错，而是因为该模型自身的设计——确定性、无思考、短输出、每轮触发——天然适合 API，而它的缺失说明团队把这看作一种交付给已经在运行基础设施之人的基础设施。

在那之前，正确的姿态正是这次发布本身所邀请的那种。读一读仓库，在你手头的任何硬件上跑一遍快速上手，并把那张表当作一个假设。