用 AI 最崩溃的瞬间：花半天纠正它把任务做对，换个新会话，它转头又踩进同一个坑。今天开源的 MemT 1.0 想解决这个问题------把「记住」做成模型自己的能力。
一、发生了什么
10 月 20 日，上海的「记忆张量」团队（MemOS 背后团队）发布并开源记忆原生大模型 MemT 1.0 系列：Flash 288B（激活 17B，基座为后训练版 DeepSeek-V4-Flash） 和 Nano 36B（激活 3B，基座 Qwen3.6-35B-A3B），权重已挂在 HuggingFace 与 GitHub，配套论文见 arXiv（2610.26825）。在 11 项记忆基准上，两款模型平均得分 50.6 / 47.0，位列参数化记忆方法第一、第二（来源：官方公告、36氪、量子位、新民晚报）。
二、技术拆解：记忆的三条路线
模型「记住事」目前有三条路线，区别在于经验存在哪、怎么用：
| 维度 | 外挂文本记忆（RAG/留档） | 长上下文 | 记忆原生（MemT 1.0 路线） |
|---|---|---|---|
| 记什么 | 原文全量存档 | 每轮全量进上下文 | 训练学出的内部状态 |
| 长期成本 | 存储便宜，检索链路要养 | KV Cache 随历史线性膨胀 | 状态体积固定（Nano 40 MiB/轨迹） |
| 逐字溯源 | 强 | 强（原文在场） | 弱，需额外机制 |
| 长历史细节召回 | 强（官方也承认整体仍占优） | 强但贵 | 起步阶段 |
| 经验复用 | 靠检索组织，链路自己搭 | 基本没有 | 模型内化，实测接近文本经验组 |
MemT 1.0 的做法是在选定的 Transformer 模块里加一条与注意力并行 的记忆通路，分三层：主干权重（通用能力，训练时冻结）、超记忆（读写投影与门控，可训练）、动态局部记忆（每条交互轨迹独立维护的矩阵状态）。每轮交互结束时，基于 Gated DeltaNet-2 的机制逐 token 更新记忆，靠擦除、写入、遗忘三组门控决定哪些留、哪些覆盖。消融实验里，把逐 token 更新换成整轮聚合，Nano 均分从 47.0 掉到 41.0------连续更新不是实现细节，是这套方案能成立的前提。
容量扩展靠 Mixture-of-Storage（MoS）：把记忆模块拆成多个记忆专家，用稠密路由分配读写，与基座 MoE 的稀疏路由是两套逻辑。训练用了 340 亿 token 语料，核心技巧是蒸馏：冻结的主干当教师看完整历史，学生模型只看自己的记忆状态，逼它学会「闭卷」答题。
效果上，一个官方测试很直观：用户先定展览时间，中途正式改期，还顺嘴提了个未采纳的备选方案，之后闲聊 500 多轮、约 6.6 万 token 不再提展览------闭卷状态下 Nano 仍能分清「周日定论」和「周一备选」。没提供的生日，它老实答不知道。上周《Meta 发布 Muse Wonder：跑分追平是背景板，「主动记忆」第一次成了》里写的是产品层把记忆当卖点，今天这个是架构层把记忆做进模型，一周之内两级跳。
三、我的判断
真信号不是跑分，是账本。 KV Cache 随历史线性膨胀，固定记忆状态不随历史增长：官方口径下，128K token 历史时 Nano 端到端速度约为完整上下文方案的 1.86 倍，持久化状态约为 KV Cache 的 1/66；256K 历史时约 3.99 倍。对短对话这个优势不存在，但对长周期伴随场景（客服、个性化助手、跨月项目），成本结构完全不同。
三盆冷水也要端上来。第一，官方自己写了短历史下 Nano 通常更慢 ，别拿它替换所有会话。第二，记忆噪声有真实损耗：LiveCodeBench v6 上 Flash/Nano 相对主干分别掉 0.7 和 5.8 分，「通用能力无损」不能只看平均分。第三，经验闭环目前靠外部系统 在卡壳点触发写入，「自主积累经验」还没实现。上周写PostgreSQL 19 延期时提过，AI 把「发现」变便宜了、「处置」还是人工价------把处置经验沉淀下来复用，正是往这堵墙上凿的第一批洞，但凿子现在还握在外部系统手里。
为什么值得盯：这是记忆原生路线首次近 300B 规模的工程验证，且完全开源。它不证明记忆原生会赢，但证明这条路在真实规模上跑得通------「经验复用率」有望和单次跑分一起，进入企业 AI 选型的考核表。
四、对开发者的启示
- 不是 RAG 替代论。 逐字引用、来源审计只有原文能保证；经验调用才是记忆原生的主场。现实的架构是混合：外挂管事实，原生管经验。
- 按场景对号入座，下面这个决策脚本可以直接拿走：
python
# memory_route.py -- 记忆方案选型决策器（规则版，按你的场景对号入座）
import argparse
def main():
ap = argparse.ArgumentParser()
ap.add_argument("--history-tokens", type=int, required=True,
help="单会话典型历史长度")
ap.add_argument("--need-exact-quote", action="store_true",
help="是否需要逐字引用原文/来源/版本")
ap.add_argument("--cross-session", action="store_true",
help="经验是否需要跨会话/跨周期复用")
ap.add_argument("--long-running", action="store_true",
help="是否长周期伴随（周/月级持续交互）")
args = ap.parse_args()
routes = []
if args.need_exact_quote:
routes.append("外挂文本记忆（RAG/全量留档）：逐字引用与溯源审计只有原文能保证")
if args.history_tokens < 32_000:
routes.append("长上下文：历史不长，直接塞上下文最简单，别引入额外组件")
if args.cross_session or args.long_running:
routes.append("记忆原生/参数化记忆：长周期下 KV Cache 线性膨胀，固定状态成本恒定，经验复用是主收益")
if not routes:
routes.append("维持现状：现有方案没有痛到值得迁移")
print("推荐组合（按优先级）：")
for i, r in enumerate(routes, 1):
print(f" {i}. {r}")
if __name__ == "__main__":
main()- 想上手先看资源账：Flash 288B / Nano 36B 都不是消费级显卡能玩的规模，权重开源不等于部署便宜。
FAQ
Q1：MemT 1.0 能替代 RAG 吗？
不能一概而论。官方口径是文本记忆系统在长历史细节召回上整体仍有优势；需要逐字引用和审计的场景，外挂仍是硬需求。更现实的路径是两者混合分工。
Q2：40 MiB 的记忆状态是什么概念？
Nano 每条交互轨迹的 FP32 记忆状态体积（官方技术报告口径），不含模型权重与当前轮 KV 缓存。关键在于它不随历史增长------这是与 KV Cache 的本质区别，也是长周期场景成本可控的原因。
Q3：现在能直接用到生产吗？
权重已在 HuggingFace（MemTensor/memt-1）与 GitHub 开源。但经验写入目前依赖外部系统在卡壳点触发，「模型自己越用越聪明」还差反馈与验证机制这一环，建议先在评测环境验证自己场景的经验复用收益。
延伸一下：前天 OpenAI 那份《agent 的权限是你给的，越界是它自己想的》讲的是 agent 行为的边界，今天这篇讲的是 agent 经验的积累------两件事合起来才是 agent 落地的完整拼图。开源模型怎么选，也可以参考《Meta 开源 816B》里的对照表思路。
这个专栏每天一篇 AI 解读，关注不迷路。
你们团队现在的 AI 应用，跨会话的经验是靠外挂库、靠上下文硬塞，还是干脆没管？
专注 AI 工程化实践与出海外贸技术