AI 智能体在长时间交互中会遗忘之前的对话内容和工作状态，每次重启都需要重新获取背景信息。Hy Memory 2.0 为这个问题提供了一套可编程的记忆系统，让智能体能够在聊天、工作和编程三种场景下持续积累和调用记忆。
腾讯混元团队在 2026 年 10 月开源了 Hy Memory 2.0，包含记忆写入模型 Hy-Memory-30B-A3B、可编程的 hy-memory SDK 和桌面工具 MemHub。这是继 2026 年 5 月发布 1.0 版本后的升级版本，对应论文已被 EMNLP 2026 会议接收。
性能表现
Hy-Memory-30B-A3B 模型的总参数量为 30B，采用 MoE 架构仅激活约 3B 参数。在四个 harness 宏平均六个指标的测试中，该模型得分 55.49，Claude Opus 5 得分 54.62。在未见过的 EverMemOS 框架上，该模型得分 56.89，Claude 得分 54.04。相比同架构基座 Qwen3-30B-A3B 的 44.37 分，性能提升约 11 分。
以上测试基于固定的 20% 基准子样本。由于来源未提供测试设置的完整描述，这些数字在不同框架间的可比性需要谨慎看待。
记忆场景和层级
Hy Memory 区分三种记忆场景：chat 场景处理闲聊、个人信息、偏好和常规问答；working 场景处理文档、表格、研究、财务分析、内容创作和计算机操作；coding 场景处理编程、调试、测试、构建、API 和脚本。
Chat 记忆采用 L1 到 L7 的层级结构，共 8 层。来源未说明每层的具体划分逻辑和存储内容，也未描述 working 和 coding 场景是否使用相同的层级设计。
技术架构
模型使用双系统认知架构（System 1 + System 2）。存储后端可插拔，支持 ChromaDB、Qdrant、FAISS 作为向量数据库，Kuzu、Neo4j 作为图数据库，SQLite 作为关系数据库。这种设计允许开发者根据部署环境选择合适的存储方案。
MemHub 桌面工具能够统一管理 Claude Code、Cursor、Codex、Qwen Code 等工具的会话历史，提供本地优先的 CLI 和 Mac 桌面应用。
安装和使用
开发者可以通过 pip install hy-memory 安装 SDK，PyPI 上的版本号为 2.0.2。模型托管在 Hugging Face 的 tencent/Hy-Memory-30B-A3B 仓库，SDK 和 MemHub 的代码在 GitHub 的 Tencent-Hunyuan/Hy-Memory 仓库。
来源未说明模型的推理硬件要求、SDK 的 API 接口设计和 MemHub 的配置方法。团队另有一篇名为 CMB: A Coding Memory Benchmark for Long-Horizon and Interleaved Coding Agents 的论文已提交至 ICLR 2027，可能包含编程场景记忆的更多评测细节。
原文地址：tools.wflynn.cn/aitools/tre...
关注公众号「YourTools」，每天推送 GitHub 趋势与开源工具速报：
