开源项目
开源项目

AI 记忆框架开源第一:腾讯 3B 干翻 Opus 5

腾讯混元 2026-10-16 把 Hy Memory 2.0 三层全开源:模型层 Hy-Memory-30B-A3B(总参数 30B、每 token 激活约 3B 的 MoE,HuggingFace tencent/Hy-Memory-30B-A3B,arXiv 2610.22196)、SDK 层 hy-memory(PyPI 当前 2.0.3)与工具层 MemHub(CLI v1.0.3,npm memhub-cli 引导安装)。许可证破案:GitHub API 报 NOASSERTION(非标准文本),raw LICENSE 原文为 Apache-2.0 且带 Tencent 前言、无附加限制条目——本文以 LICENSE 原文为准。官方文档模型名混用「Hy-Memory-30A3B」与「Hy-Memory-30B-A3B」两种写法,以 HF 仓库实名为准。官方基准(厂商口径):四套记忆系统对比 55.49 分第一,超过 Opus 5(54.62)与 DeepSeek-Flash(53.64),Qwen3-30B-A3B 仅 44.37;MemoryArena 55.31% 领先第二名 EverOS 10.2 个百分点;CodeMemoryBench 64.2%/35.6%;SWE-ContextBench 28.3%;LoCoMo 72.6% 且记忆 token 从 1159 降到 703(-39.3%)。内部业务验证(厂商口径):自选股多跳召回 50% 提到 90%、iWiki 相对提升 48.6%。定位是「记忆写入工位替身」(智囊团解读,二手):模型专门负责记忆写入与更新,理论上可挂在 Mem0、MemOS 等既有记忆系统下面干活。MemHub 工具数两口径并写:README 列 5 种,官方公众号稿称 10 种,以实际 CLI 输出为准。局限五条如实写:跑分为厂商口径第三方未复现、preview 阶段 API 可能变、MemHub 仅 Linux/macOS、模型 30B 级本地部署有门槛、英文文档尚薄。仓库地址:github.com/Tencent-Hunyuan/Hy-Memory(实测可达)。与站内分工:ai-agent-long-term-memory-sop(2026-08-08)讲 mem0/Letta 自建方案,本篇讲腾讯现成开箱方案。

发布于 2026年10月20日10 分钟阅读
<!-- hy-memory-2-0-opensource-resource | open-source | AI 记忆框架开源第一:腾讯 3B 干翻 Opus 5 -->

你上周刚跟 agent 交代过项目的技术栈和命名规范,今天新开会话,它礼貌地请你再讲一遍。这不是模型变笨了,是记忆没人管:上下文窗口一关,什么都没留下。10 月 16 日,腾讯混元把这个老大难摊开来做了三层,并且一口气全部开源:底层是专门管记忆写入与更新的 30B 模型,中间是记忆框架 SDK,上面是本地优先的记忆中枢 MemHub。按官方论文口径,框架层在四项基准上排开源第一;模型在自建横评里的总分还压过了闭源的 Opus 5——虽然只高 0.87 分。真值不值得上手?这篇把架构、跑分、许可证和局限一次说清,所有数字标明出处:官方数字标厂商口径,二手解读标二手口径,没公布的数字不编。

先把「三层全开源」这件事的分量说清楚。这一年大模型开源的常规动作是放权重:模型给你,周边生态留给自己。模型、框架 SDK、应用端三层同时放开的情况少得多——因为每一层都是单独的工程量,也都各自有竞品在打。混元这次等于把记忆这件事的完整技术栈摊开了:你可以只用它的模型,可以只用它的框架,也可以只装一个桌面端把各工具的记忆攒起来。对想研究记忆系统怎么设计的人来说,三层代码同仓,对照着看本身就省了一层逆向。

一、先说时间线和许可证

先把版本线捋清。这套系统 1.0 在 2026 年 5 月发布,当时没有开源,论文以 DCPM 的名字挂在 arXiv 上,编号 2606.09483。到 10 月 16 日发布 2.0,三层全部放出。GitHub 仓库 10 月 15 日创建,截至 10 月 20 日实测 960 星、79 fork,主体是 Python。

许可也没藏着掖着。LICENSE 原文我们 10 月 20 日实抓过,确认是 Apache-2.0,Tencent 的版权前言里明确写了「不施加任何额外限制」。有个小插曲:GitHub API 因为 LICENSE 文本不是标准模板,把许可识别成了 Other/NOASSERTION——以仓库里 LICENSE 原文为准,一句话带过,不影响结论。

仓库在这里:Tencent-Hunyuan/Hy-Memory。

仓库地址:github.com/Tencent-Hunyuan/Hy-Memory

模型权重放在 Hugging Face:tencent/Hy-Memory-30B-A3B。

权重地址:huggingface.co/tencent/Hy-Memory-30B-A3B

技术报告编号 arXiv 2610.22196,官网在 memory.hunyuan.tencent.com。单看仓库动作也算标准:README 把安装、模型下载、MemHub 使用各写了一节,技术报告负责讲方法论,公众号负责讲结论,各管一段。

二、三层全开源:模型、SDK、应用各占一层

三层怎么分,先讲清边界。

**模型层:Hy-Memory-30B-A3B。**总参数 30B、每个 token 激活约 3B 的 MoE。名字先统一一下口径:官方文档里混用过「Hy-Memory-30A3B」和「Hy-Memory-30B-A3B」两种写法,以 Hugging Face 仓库实名为准,本文统一用后者。这模型不是「记性好的聊天模型」——按智囊团公众号的解读(二手口径),它是记忆框架里专门负责记忆写入与更新的工位模型,理论上可以把 Mem0、MemOS 这些框架里的通用大模型换成它。训练分两段:记忆在线策略蒸馏,加上归因强化学习按记忆块分配功劳。训练时只见过 Mem0、MemOS、Hy-Memory 三套系统,第四套 EverMemOS 是拿来验证迁移能力的。

算一笔成本账就知道这个定位的意义。记忆写入和更新是高频操作——每轮对话都可能触发抽取、合并、冲突消解,拿 70B 级的通用大模型干这活,成本和延迟都压不住。30B 总参、3B 激活的 MoE 结构,推理开销按 3B 级算,这正是「工位模型」的逻辑:不用聪明到会写诗,只要把记忆的活干得又快又稳。

**框架层:Hy Memory SDK。**pip install hy-memory,PyPI 上当前版本 2.0.3,代码在同一个 GitHub Monorepo 里。记忆分 L0 到 L7 八层,比较有意思的是 L2 的 FACT 层做了版本化、不可变,L7 的 INTENTION 层带过期时间——意图会过期,这是把「人说话会变」写进了数据结构。运行模式分 lite、pro、ultra 三档,ultra 档始终开着 System 2 的 schema 归纳。存储后端:向量库默认 ChromaDB,可换 Qdrant、FAISS;图库默认 Kuzu,可换 Neo4j;元数据走 SQLite。

**应用层:MemHub。**本地记忆中枢,版本 v1.0.3,CLI 加 macOS 桌面端。授权关联之后,它能把你散落在各个 AI 工具里的历史会话导入,沉淀成本地记忆,新会话实时同步,插件化一键接入。目前 README 标注还在 preview 阶段。

三层可以单独用,也可以组合用:只要 SDK、不上 MemHub,可以;只想给现有框架换个记忆模型,也可以。这套分层对部署方还有一个实际好处:升级互不牵连。模型出 2.1 不用动存储后端,MemHub 迭代不影响 SDK 的接口契约——至少架构设计上是这么承诺的,实际维护成本要等社区用上一段时间才能验证。

三、三类记忆:聊天、工作、代码

这套框架最值得记的一件事,是官方口径里说的「业界首个提出工作记忆与代码记忆的记忆框架」。三类分开说。

聊天记忆很多框架都做,但混元把它升级成了事件脉络:时间、地点、人物,加上后续发展。写入前先合并重复、剥离冲突,再交给模型——而不是把对话原文堆进向量库了事。用户三月说在用 A 方案,十月换成了 B,旧结论不该和新事实并排躺在检索结果里打架。

工作记忆记的是任务状态:目标是什么、已经定了哪些做法、阶段结果、可复用的经验。关键是每条经验带适用条件,复用之前先判断当前场景符不符合——「上次这么做成了」不等于「这次也能这么做」。

代码记忆按版本演化的 diff 链来存。README 里说存的是真实 diff,零 LLM 调用,还给了句挺有性格的自我定位:「decorator, not a retriever」——它是个装饰器,不是检索器,插在开发流程边上被动记账,而不是每次都主动去检索一遍。零 LLM 调用还有一层含义:代码记忆的维护成本不随模型涨价,diff 本身就是精确记录,不存在「模型总结时记错了」这种失真。

四、跑分怎么看:两层都要标厂商口径

跑分分两层,全部是官方自报口径,社区还没有独立复现,先立此存照。

模型层:官方在固定 20% 基准子样本上,对四套记忆系统做六项指标等权平均,结果如下:

系统总均分
Hy-Memory-30B-A3B55.49
Opus 5(闭源)54.62
DeepSeek V4.1 Flash53.64
Qwen3-30B-A3B(同尺寸开源)44.37

一个 3B 激活的开源模型压过闭源旗舰,这是标题里「干翻」的出处。但智囊团的提醒(二手口径)值得听:0.87 分的领先差距很小,真正拉开差距的是 3B 激活带来的成本差——同样的活,便宜一大截。同尺寸对比更扎眼:对上同为 30B 总参、3B 激活的 Qwen3-30B-A3B,领先超过 11 分,这组对比里没有闭源嫌疑,参考价值更高。顺带说一句表格怎么读:六项指标等权平均意味着没有单项定胜负,聊天、工作、代码各场景权重一样,总分领先说明没有明显短板,不代表每一项都赢——事实上分系统均分里四套系统有两档咬得非常紧。

框架层,四项基准均排开源第一:

  • 工作记忆 MemoryArena(旅行规划与组合购物等权平均):55.31%,领先次优 EverOS(45.1%)10.2 个百分点;Mem0 38.78%、MemOS 37.30%、Simple RAG 41.22%。
  • 代码记忆 CodeMemoryBench:问答准确率 64.2%、任务解决率 35.6%,均排第一;SWE-ContextBench(Lite Related)解决率 28.3%,对上 MemOS 与 Mem0 的各 25.3%、Simple RAG 的 22.2%。
  • 聊天记忆 LoCoMo:准确率 72.6%,EverOS 71.9%,只高 0.7 个百分点。但这项有个更实在的数字:每题召回 token 从 1,159 降到 703,降了 39.3%。按智囊团的解读(二手口径),聊天记忆这场真正的赢面在 token 省下的近四成——那是实打实的成本、延迟和注意力。

三类场景的存储占用,官方给了「高效果、低占用」的象限图,结论是占用都小,具体数字没在公众号里铺开,这里不编。

五、MemHub:把散落各处的会话汇成一份记忆

MemHub 值得单独一节,因为它是三层里离日常使用最近的一层。逻辑是这样:你一天里在一个工具里写代码、在另一个工具里改需求、在第三个工具里查资料,会话散落在各处,谁的记忆也不互通。MemHub 授权关联后把这些历史会话导入,沉淀成一份本地记忆,新会话再实时同步回去,插件化一键接入。

支持多少工具,两处口径不一样,并写在这里:腾讯混元官方公众号说支持 10 种 AI 工具,点名了 WorkBuddy、Cursor、Codex、Pi、Qwen Code、Hermes、DeepSeek Harness、OpenCode 等;README 则明确点名其中 5 种——Claude Code、Cursor、Codex、OpenCode、Qwen Code。哪边为准?README 是代码仓库自带的说明,相对保守;公众号口径可能含测试中的适配。用之前以你机器上的实际插件列表为准。

内部业务验证(官方口径)给了三组数。腾讯自选股接入后,多跳召回从 50% 提到 90%,整体通过率从 64% 提到 81%,综合得分从 64.3 涨到 79.6,冲突消解从 67% 提到 83%。iWiki 场景里,只用召回记忆作答的正确率 36.7%,对照提供全部原始对话的 24.7%,相对提升 48.6%——信息量少了一大截,正确率反而更高,这是记忆筛选价值的直接体现。腾讯新闻的长期偏好评测平均 91.68 分,87.8% 的案例超过 90 分。

六、上手之前,五个局限先摆清楚

以下局限均来自第三方解读,标二手口径:

一,bench 全是自建的。模型层横评和框架层四项基准都出自官方论文,公信力要等社区独立复现,目前没有。

二,Windows 用不了 MemHub。README v1.0.3 明说只支持 CLI 加 macOS,Windows 用户暂时只能用框架层 SDK 自己搭。

三,主场优势。模型训练只见过 Mem0、MemOS、Hy-Memory 三套系统,横评里对这三套的熟悉度天然更高;EverMemOS 的迁移成绩算部分补证,但不能完全消除怀疑。

四,多语言场景待验证。官方数据基本围绕英文和中文业务,其他语言没有给出数字。

五,MemHub 还在 preview 阶段,桌面端只有 macOS,接口和行为随时可能变。

这五条里,最值得掂量的是第一条和第三条的组合:自建基准加上主场优势,意味着「开源第一」这个结论目前的证据链全部来自出题人自己。不是说数字有问题,而是在社区拿这套 bench 复测 Mem0、Letta 的最新版本之前,把它当成「官方实测报告」而不是「第三方横评」来读,预期会更准。

七、现成的,和从零搭的,不冲突

最后交代分工。本站 2026 年 8 月写过一篇 AI agent 长期记忆系统搭建 SOP,讲的是怎么用 mem0、Letta 这些现成组件从零搭一套自己的记忆系统,适合想完全掌控数据与行为的团队;这篇讲的是腾讯直接给的三层现成方案,开箱即用,适合想先跑起来再说的场景。两条路不冲突:先用现成方案验证需求,再做自建,也是常见路径——先用 MemHub 攒两周真实会话,看看记忆召回在你的场景里到底有没有用,比一开始就写自建代码省得多。另外站内还有一篇讲上下文压缩的 SOP,解决的是窗口装不下的问题,和记忆系统是相邻但不同的两件事:压缩管的是单次会话里的信息密度,记忆管的是跨会话的信息存活。

常见问题

Q1:这套系统是真开源吗?许可有什么限制? A1:是。三层全部开源:模型权重在 Hugging Face,SDK 与 MemHub 在 GitHub。LICENSE 原文确认为 Apache-2.0,腾讯版权前言明确不施加额外限制。GitHub API 因非标准许可文本识别为 Other,以仓库内 LICENSE 原文为准。

Q2:一定要用它那个 30B 模型吗? A2:不用。三层可独立使用,框架层 SDK 单独装就能跑,PyPI 当前版本 2.0.3。按智囊团解读(二手口径),模型层定位是记忆工位模型,可替换 Mem0、MemOS 等框架里的通用大模型。

Q3:Windows 用户能用 MemHub 吗? A3:目前不能。README v1.0.3 明确只支持 CLI 与 macOS 桌面端,且整体处于 preview 阶段。Windows 用户可先用框架层 SDK 自行搭建。

Q4:跑分可信吗? A4:全部是官方自建基准、厂商口径,社区尚无独立复现。两点参考:模型层对 Opus 5 仅领先 0.87 分,差距很小;但 LoCoMo 每题召回 token 降 39.3% 是成本侧的硬收益。

Q5:和自己从零搭记忆系统怎么选? A5:想开箱即用、快速验证需求,直接上这套三层方案;想完全掌控数据流与行为,参考本站 2026 年 8 月的自建长期记忆 SOP。先用现成方案跑通、再决定是否自建,是稳妥路径。

延伸阅读

本文由 AI 辅助生成,经人工审核编辑。最后更新:2026-10-20

常见问题

这套系统是真开源吗?许可有什么限制?
是。三层全部开源:模型权重在 Hugging Face,SDK 与 MemHub 在 GitHub。LICENSE 原文确认为 Apache-2.0,腾讯版权前言明确不施加额外限制。GitHub API 因非标准许可文本识别为 Other,以仓库内 LICENSE 原文为准。
一定要用它那个 30B 模型吗?
不用。三层可独立使用,框架层 SDK 单独装就能跑,PyPI 当前版本 2.0.3。按智囊团解读(二手口径),模型层定位是记忆工位模型,可替换 Mem0、MemOS 等框架里的通用大模型。
Windows 用户能用 MemHub 吗?
目前不能。README v1.0.3 明确只支持 CLI 与 macOS 桌面端,且整体处于 preview 阶段。Windows 用户可先用框架层 SDK 自行搭建。
跑分可信吗?
全部是官方自建基准、厂商口径,社区尚无独立复现。两点参考:模型层对 Opus 5 仅领先 0.87 分,差距很小;但 LoCoMo 每题召回 token 降 39.3% 是成本侧的硬收益。
和自己从零搭记忆系统怎么选?
想开箱即用、快速验证需求,直接上这套三层方案;想完全掌控数据流与行为,参考本站 2026 年 8 月的自建长期记忆 SOP。先用现成方案跑通、再决定是否自建,是稳妥路径。

相关文章

开源项目

CPU 17 秒揭底 API:不交权重也能自证清白?

anthropics/FlashProve 是 Anthropic 开源的零知识可验证推理研究原型(Apache-2.0,2026-11-05 GitHub API 实抓 843 星,版本 0.16.0,官方自标研究产物、不维护、不接受贡献)。三步协议:服务商离线生成权重承诺 ID(单卡 H100 约 39 分钟)、每次回复由 GPU 出证明(每 1024 token 约 19MB)、任何人用普通 CPU 跑 cp_verify 几秒验证。已在 4000 亿参数的 Llama 4 Maverick 上实现单卡 H100 约 110 token/s 出证、CPU 约 17 秒验证,代价是约 70 至 95 倍于普通推理的 GPU 时间;协议可靠性在 Lean 4 中形式化证明。它只证来源不证正确性,目前尚无主流服务商实装。

2026年11月5日9 分钟阅读
开源项目

同声传译开源了:混元 3 秒开口还学你说话

腾讯混元 10 月 26 日开源同声传译大模型 Hy-SimulMT(30B-A3B,HF 权重口径约 30.39B、128 专家每 token 激活 8 个):中英语音实时互译,RealSI 长音频 StreamLAAL 约 3 秒(官方注明该口径不等于首译出声等待)、GEMBA 约 85-86 分为官方对比图示口径(打分模型 GPT6.1-Sol),超对比开源模型与 5 个商用 API 中 4 个;18 段录音对 6 位 CATTI 持证译员的小规模对照中延迟低于专家 4.5/4.7 秒。关键纠偏:底座只输出译文文本,语音输出与音色克隆须另接 TTS(官方方案接 Qwen3-TTS),3 秒不含合成播报耗时。许可证三层口径一句话:LICENSE 原文 Apache-2.0 附第三方组件例外(仅 Qwen3-ASR-0.6B)且无附加限制,GitHub 因自定义文件名显示 NOASSERTION。六种构建(BF16/FP8/GGUF/Interleave),官方硬件锚点 BF16 约 57 GiB 单张 H200,GGUF 最低配置未公布;工具链 SimulInfer/SimulTrain,llama.cpp 支持已提 PR #31198 未合并,单文件上限 30 秒。

2026年10月28日10 分钟阅读
开源项目

一张4090跑世界模型:腾讯混元Hy-Nomas开源深评

腾讯混元开源交互式视频世界生成模型 Hy-Nomas(代码 10-21 先行、权重 10-23 上线,约 8B,Apache 2.0 附第三方声明):文本+镜头轨迹多轮控制、persistent KV cache 跨段记忆,54 块双流 MMDiT 加 Qwen2.5-VL-7B 文本编码器;输出 704×1280@24FPS(播放帧率非生成速度),4/6/8 步蒸馏三口径并存;Hy-Nomas-Bench 280 用例系官方自报、发布时无第三方横比。单卡 RTX 4090 依托 INT8 权重+FP8 解码器+CPU offload 可跑(最小下载约 22.5GB),折损如实写明:INT8 不可挂 LoRA、滑窗牺牲长程记忆、FP8 内核仅编 SM89(3090 不行)。冷水:KV cache 不保证 3D 场景图稳定、无确定性刚体物理、官方零显存与延迟数字。

2026年10月27日9 分钟阅读