精华速览

腾讯混元于 10 月 16 日发布智能体记忆框架 Hy Memory 2.0，并开源专用模型、记忆框架与 MemHub 应用三层能力。相比前代，2.0 在聊天记忆之外新增工作记忆与代码记忆，官方称其为业界首个同时提出这两类记忆的框架。在聊天、工作、代码三类场景的 4 个 Benchmark 上，Hy Memory 对比 Mem0、MemOS、EverOS 等开源框架均列第一。专用模型 Hy-Memory-30A3B 约 3B 激活参数，在四套评测框架上宏观平均得分 55.49%，高于 Claude Opus 5 的 54.62%。SDK 与 MemHub 已在 GitHub 开源，模型权重上线 Hugging Face，并已在腾讯内部金融、资讯、办公 Agent 等业务落地。

要点透视

  • 10 月 16 日，腾讯混元发布 Hy Memory 2.0，开源专用模型、记忆框架和 MemHub 应用三层能力，三层可独立使用也可组合成完整方案。
  • 框架层覆盖聊天、工作、代码三类记忆的存储、更新与进化，开发者可通过 SDK 接入 Agent；腾讯称其为业界首个提出工作记忆与代码记忆的记忆框架。
  • 工作记忆在 MemoryArena 的旅行规划与组合购物任务上平均分 55.31%，领先次优的 EverOS 10.2 个百分点。
  • 代码记忆在 CodeMemoryBench 上代码问答准确率 64.2%、任务解决率 35.6%；在 SWE-ContextBench 上任务解决率 28.3%，高于 MemOS 和 Mem0 的 25.3%。
  • 聊天记忆在 LoCoMo 上准确率 72.6%，高于 EverOS 的 71.9%，同时每题 Token 用量从 1,159 降至 703，减少 39.3%。
  • 专用模型 Hy-Memory-30A3B 约 3B 激活参数，在 Mem0、MemOS、Hy-Memory 三套框架上训练，固定 20% 基准子样本的四套评测框架中均排名第一，宏观平均 55.49%，高于 Claude Opus 5 的 54.62% 和 DeepSeek V4.1 Flash 的 53.64%。
  • MemHub 为本地记忆管理应用，提供 CLI 与 Mac 端 APP，已覆盖 WorkBuddy、Cursor、Codex、Pi、Qwen Code、Hermes、DeepSeek Harness 和 OpenCode 等 10 种 AI 工具。
  • Hy Memory SDK 与 MemHub 已在 GitHub 开源，Hy-Memory-30B-A3B 模型权重已在 Hugging Face 发布；该框架已在腾讯内部金融、资讯、知识管理、办公 Agent、社交娱乐和游戏等业务中使用。

文章拆解

Hy Memory 2.0 的发布，切中的是智能体从“单轮工具调用”走向“长程任务执行”时最现实的瓶颈：记忆。过去多数开源记忆方案聚焦聊天场景，把用户偏好、事实片段存下来，但 Agent 在连续工作中还需要记住任务目标、已确定的做法、阶段结果，以及哪些经验可以复用。腾讯此次把工作记忆和代码记忆单独提出来，等于把记忆从“对话附属品”升级为任务执行的基础设施，这是 2.0 与前代最本质的差别。

从评测数据看，Hy Memory 的优势并非全面碾压，而是有明确侧重。工作记忆领先次优框架 10.2 个百分点，幅度最大；代码记忆在 SWE-ContextBench 上仅比 MemOS、Mem0 高 3 个百分点，说明代码场景的竞争仍很胶着。聊天记忆准确率只比 EverOS 高 0.7 个百分点，但 Token 用量减少 39.3%，这意味着它在成本与效率上的改进可能比准确率更有实际价值——对高频调用的 Agent 产品而言，Token 下降直接对应推理成本下降。

专用模型 Hy-Memory-30A3B 是另一个值得注意的信号。约 3B 激活参数、宏观平均 55.49% 超过 Claude Opus 5 的 54.62%，说明在记忆这一垂直任务上，小激活参数模型通过针对性训练可以逼近甚至反超通用大模型。不过需要指出，该对比基于固定 20% 基准子样本，且评测框架包含 Hy-Memory 自身，样本选择与框架适配是否带来偏向尚待确认。

MemHub 的定位则更偏用户侧。它把本地历史会话沉淀为统一记忆，再以插件形式接入 Cursor、Codex 等 10 种工具，试图解决“每个 AI 工具各记各的”这一割裂体验。对开发者而言，开源 SDK 降低了接入门槛；对普通用户而言，Mac 端 APP 和 CLI 提供了低代码甚至零代码的使用路径。但本地记忆涉及隐私与数据安全，用户授权范围、记忆删除机制和跨工具同步的边界，仍需看后续文档与社区反馈。

整体来看，Hy Memory 2.0 的竞争力取决于两点：一是工作记忆与代码记忆能否在真实长程任务中稳定兑现评测中的领先，二是开源生态能否吸引足够多的工具方接入 MemHub。腾讯内部金融、办公 Agent 等场景的落地提供了验证土壤，但外部开发者的采用意愿、以及 Mem0 等既有框架的迭代速度，都是影响其能否成为事实标准的关键变量。

查看原文