騰訊 Hy Memory 2.0 開源：30B MoE 記憶寫入模型超越 Claude Opus 5，重塑 AI 代理長期記憶架構
開源發布概覽
2026年10月16日，騰訊混元（Tencent Hunyuan）正式發布 Hy Memory 2.0，這是一個完整的三層記憶管理堆棧，專為 AI 代理設計。此次發布包含三個核心組件，全部採用 Apache 2.0 授權：
- Hy-Memory-30B-A3B：專用記憶寫入模型
- hy-memory：Python 記憶管理框架（v2.0.1）
- MemHub：本地記憶管理應用程序
核心模型：Hy-Memory-30B-A3B
架構設計
Hy-Memory-30B-A3B 是一個30億參數的混合專家（MoE）模型，每個 Token 激活約30億個參數，具有以下架構特點：
| 規格 | 數值 |
|---|---|
| 總參數量 | 30B（300億） |
| 每 Token 激活參數 | 3B（30億） |
| 層數 | 48層（47層稀疏 MoE + 1層密集） |
| 每塊專家數 | 128個 |
| 上下文視窗 | 262,144個位置 |
| 授權 | Apache 2.0 |
專用設計理念
與通用前沿模型不同，Hy-Memory-30B-A3B 專門針對「記憶寫入」任務進行優化：
- 決定保留什麼：判斷哪些信息值得長期保存
- 如何表達記憶：以最有效的方式組織和表達記憶內容
- 覆蓋過時信息：識別並更新已過時的記憶條目
這種專用設計使模型在記憶管理任務上的表現遠超通用模型。
基準測試：超越 Claude Opus 5
根據騰訊的內部基準矩陣（使用固定20%子樣本），Hy-Memory-30B-A3B 在四個記憶測試框架上取得了令人矚目的成績：
| 模型 | 宏平均分 |
|---|---|
| Hy-Memory-30B-A3B | 55.49 |
| Claude Opus 5 | 54.62 |
| DeepSeek V4.1 Flash | 53.64 |
以30B 參數的 MoE 模型超越 Claude Opus 5（一個規模大得多的通用模型），充分展示了專用設計在特定任務上的優勢。
訓練方法論
Hy-Memory-30B-A3B 採用兩階段訓練過程（詳見技術報告 arXiv:2610.22196）：
第一階段：記憶在線策略蒸餾（OPD）
使用更強的教師模型對學生模型生成的記憶狀態鏈提供密集監督，使學生模型學習如何有效地管理記憶狀態。
第二階段：歸因記憶強化學習
根據各個「記憶塊」對成功結果的貢獻分配信用，允許模型優化其長期決策制定。這種方法使模型能夠學習哪些記憶對未來任務最有價值。
hy-memory 框架
hy-memory Python 框架（v2.0.1，已在 PyPI 發布）提供三種專用記憶管道：
聊天記憶
管理對話歷史，智能壓縮和提取關鍵信息，確保長期對話的連貫性。
工作記憶
管理任務執行過程中的臨時信息，支援複雜多步驟任務的狀態追蹤。
代碼記憶
專門針對代碼相關任務優化，追蹤代碼庫的變更、函數定義和開發決策。
框架設計與現有記憶系統（如 Mem0 和 MemOS）兼容，降低遷移成本。
MemHub：統一記憶管理
MemHub 是一個本地優先的應用程序和 CLI 工具，將多個 AI 工具的記憶歷史整合到用戶本地磁盤上的單一管理存儲中：
- Cursor：代碼編輯器 AI 助手
- Claude Code：Anthropic 的代碼代理
- Codex：OpenAI 的代碼生成工具
- DeepSeek Harness：DeepSeek 的代理框架
目前提供 macOS 和 Linux 二進制資產，npm 包正在開發中。
部署建議
Hy-Memory-30B-A3B 設計用於本地或私有數據中心部署：
- 推理框架：vLLM 或 SGLang（OpenAI 兼容端點）
- 推理設置：使用
reasoning_effort: no_think確保確定性、低延遲性能 - 部署環境：本地服務器或私有雲，確保數據隱私
對亞太地區 AI 代理開發的意義
Hy Memory 2.0 的發布對亞太地區的 AI 代理開發者具有重要意義：
解決長期記憶痛點
AI 代理的長期記憶管理一直是業界難題。Hy Memory 2.0 提供了一個開源、生產就緒的解決方案，使亞太地區的開發者能夠構建具有真正長期記憶能力的 AI 代理。
本地部署優勢
Apache 2.0 授權和本地部署設計符合亞太地區對數據主權的要求，特別適合日本、新加坡、韓國等對數據隱私有嚴格要求的市場。
多語言記憶支援
騰訊的技術積累使 Hy Memory 2.0 對中文、日文、韓文等亞洲語言的記憶管理具有天然優勢，有助於構建更自然的亞洲語言 AI 代理。
企業應用場景
- 客戶服務代理：記住客戶偏好和歷史交互
- 研究助手：追蹤長期研究項目的進展和發現
- 代碼開發代理：記住代碼庫結構和開發決策
- 個人助理：維護用戶的長期偏好和習慣
與現有記憶解決方案的比較
| 特性 | Hy Memory 2.0 | Mem0 | MemOS |
|---|---|---|---|
| 專用記憶模型 | ✅ 30B MoE | ❌ | ❌ |
| 開源授權 | Apache 2.0 | 商業 | Apache 2.0 |
| 多工具整合 | ✅ MemHub | 有限 | 有限 |
| 亞洲語言優化 | ✅ | 有限 | 有限 |
| 本地部署 | ✅ | 有限 | ✅ |
結語
騰訊 Hy Memory 2.0 的發布代表了 AI 代理記憶管理領域的重要突破。通過專用的30B MoE 記憶寫入模型、完整的 Python 框架和統一的記憶管理應用，Hy Memory 2.0 為 AI 代理提供了一個完整的長期記憶解決方案。在 AI 代理從單次對話工具演進為具有持久記憶的長期助手的過程中，Hy Memory 2.0 提供了關鍵的技術基礎設施。對於亞太地區的 AI 開發者而言，這是一個值得深入研究和採用的開源工具。
