腾讯 Hy Memory 2.0：给智能体一个开源的“记忆”，再配一个小模型来打理它

发布了什么

2026 年 10 月 16 日，腾讯混元团队把智能体记忆框架升级到 Hy Memory 2.0，并把整套技术栈全部开源：一个专职记忆模型、记忆框架本身，以及 MemHub——一个让多个 AI 工具共享同一份记忆的应用。三层全部采用 Apache 2.0 许可，可独立使用，也可组合成完整记忆方案。腾讯称 Hy Memory 已在其金融、新闻、知识管理、办公智能体、社交娱乐和游戏等多条业务线落地。

这次发布的意义在于，记忆是智能体 AI 安静的瓶颈。一个规划、写代码、反复修改、持续工作数小时甚至数天的智能体，必须记得发生过什么——用户偏好、此前的决策、已经变化的事实。今天这份“写记忆”的工作，通常由同一个做思考的大通用模型顺手完成。腾讯的赌注是：把这份工作交给一个小专职模型。

[1] [5] [3]

这个 30B 模型到底是做什么的

Hy-Memory-30B-A3B 是一个 300 亿参数的混合专家模型，每个 token 约 30 亿激活参数。它只有一份工作：外部记忆的写入路径。它决定从对话中保留什么信息、以多精确的形式表达、以及新证据如何更新长期记忆库。它的定位是直接替换目前在 Mem0、MemOS、Hy-Memory 等框架里负责写记忆的通用大模型——腾讯还称，它能迁移到训练时没见过的框架，比如 EverMemOS。

它的训练分两阶段。第一阶段“记忆在线策略蒸馏”让模型学会每个框架的写入协议，用的还是模型自己生成的状态；第二阶段“归因记忆强化学习”则以答对未来问题为目标，对每个记忆块打分、跨块归因奖励。技术报告已作为 arXiv 预印本发布。

实际的卖点是成本。一个 30 亿激活参数的模型做写入，运行成本远低于旗舰通用模型——而写记忆的工作量是恒定的：每段对话、每个用户、每一天。

[1] [2]

跑分，以及跑分没说的话

腾讯的模型卡报告了 55.49% 的跨框架平均分，高于 Claude Opus 5 的 54.62% 和 DeepSeek V4.1 Flash 的 53.64%。这个分数是六个基准（含 LongMemEval、LoCoMo）在四个记忆框架上的平均，每个都在固定 20% 测试子集上评估。这是腾讯自己的数字，未经独立验证。

诚实的脚注比标题更重要。固定的 20% 子集、腾讯自选的框架、腾讯自己跑的评估——这套配置天然会把模型最好的一面展示出来。这不意味着数字造假，只意味着它是起点，不是定论。

更深的主张不在数字而在架构：写记忆是一项独立技能，可以交给小专职模型。如果成立，每个智能体框架都能换上更便宜、可替换的记忆层——和“推理层要可替换”是同一个逻辑。但专职模型的好坏取决于它的训练分布，所以独立检验才重要。

[1] [3] [4]

独立实测发现了什么

同一周，一位独立开发者用 LongMemEval 测试了 Hy-Memory 框架（2.0.1 版），聚焦两类失败：过时的事实和被遗忘的归属。用便宜模型做写入时，系统在 60 道题里答对 43%——而答案只出现在“助手自己说过的话”里的题目，得分是 0%。

换成 Claude Opus 5.5 做写入，局面变了：更新事实 10 题对 9 题，追平了测试者自己那套写入时不用 LLM 的系统。但代价是每份约 50 段对话的用户历史约 5 美元——92 次 LLM 调用、69.5 万输入 token。测试者的结论是：质量是在写入时买来的。

机制就是取舍本身。Hy-Memory 把每段对话压缩成关于用户的整齐陈述——这会丢掉写作者不认为是“事实”的东西：助手自己的建议、看似次要的细节、有时甚至是事实的新版本。保留带时间戳的原始轮次能避免猜测，但存储和阅读成本更高。两种设计都没错，只是失败的方式不同。

[4]

2.0 三件套与怎么跑起来

三层分工才是真正的产品策略：模型负责写入路径，框架提供记忆机制，MemHub 让多个工具共享同一份记忆——可单独用，也可组合。全部 Apache 2.0，意味着商用没有某些开放权重发布里按营收设门槛的附加条件。

部署刻意做得很无聊：用 vLLM 装（已测 v0.31.0），调 OpenAI 兼容 API，对接到你的框架就行。代码在 github.com/Tencent-Hunyuan/Hy-Memory，技术报告在 arXiv 2610.22196。

[1] [5] [3]

意味着什么

对智能体开发者，这次发布让一种新的分工合法化：便宜的专职模型写记忆，大模型负责思考。这种分工划算的前提，是写作者在你的数据上足够好——而这正是独立测试量的东西。

对记忆框架的格局（Mem0、MemOS 等），一个可移植、开源许可、能跨框架迁移的写作者降低了切换成本。护城河从“写作者”移到了检索与对账的设计上。

面对 55.49% 的标题，正确的回应是测试者的清单：在你自己的对话上跑一遍，量出你需要什么样的写作者、每个用户多少钱，再问一句：它保不保留助手自己说过的话——因为“你上次推荐的是什么？”是真实用户会问的问题。开源让这份功课成为可能，但不会替你做完。

[1] [3] [4]