TWITTER · 人工智能
腾讯混元开源记忆框架 Hy Memory 2.0
一语总结腾讯混元发布了集记忆写入模型、SDK 与桌面工具的完整记忆基础设施，堪比现有框架，性能表现领先
腾讯混元团队开源了 "Hy Memory 2.0"，包括专用记忆写入模型 Hy‐Memory‑30B‑A3B、可编程记忆框架 hy‑memory SDK、桌面工具 MemHub，形成完整的记忆基础设施。模型采用 30B 参数、3B 激活的 MoE 架构，训练先用 On‑Policy Distillation，再用归因记忆强化学习优化召回性能。SDK 针对聊天、工作、编码三类场景设计多层级内存形态，支持向量检索、经验写入阈值与代码版本挂载等高级功能。存储后端插拔，MemHub 可同步多 AI 工具会话历史，并在官方基准上取得 55.49 排名领先。
- Hy‑Memory‑30B‑A3B 采用 MoE 架构，推理成本接近 3B 模型
模型仅用 3B 激活，相比通用大模型显著降低成本；训练采用先氯化学生模型再强化学习，提升写入协议的一致性
- SDK 设计三类记忆形态，支持聊天、工作、编码场景
聊天记忆分层结构可调档，工作记忆结合经验阈值控制规模，编码记忆仅记录代码坐标并挂载 diff，适合代码场景噪音控制
- 在四个 harness 基准上取得 55.49 排名优于 Claude Opus 5
基准显示 Hy Memory 在多框架上均优，尤其在未见框架 EverMemOS 上仍领先，证明泛化能力和训练方法有效
腾讯混元开源记忆框架 Hy Memory 2.0
腾讯混元团队开源了 "Hy Memory 2.0"，包括专用记忆写入模型 Hy‐Memory‑30B‑A3B、可编程记忆框架 hy‑memory SDK、桌面工具 MemHub，形成完整的记忆基础设施。模型采用 30B 参数、3B 激活的 MoE 架构，训练先用 On‑Policy Distillation，再用归因记忆强化学习优化召回性能。SDK 针对聊天、工作、编码三类场景设计多层级内存形态，支持向量检索、经验写入阈值与代码版本挂载等高级功能。存储后端插拔，MemHub 可同步多 AI 工具会话历史，并在官方基准上取得 55.49 排名领先。
文章金句
"用一个小的专用模型替代通用大模型做记忆写入
"在四个 harness（Mem0、Hy-Mem、MemOS、以及未参与训练的 EverMemOS）宏平均六个指标上，该模型以 55.49 排第一