騰訊開源 Hy-Memory-30B-A3B：專門替 AI 代理人「記住事情」的模型
騰訊混元 10 月 15 日以 Apache 2.0 開源 Hy-Memory-30B-A3B：30B 總參數、每次推理只啟用約 3B，專門負責 AI agent 的記憶寫入路徑，並附 macOS 桌面應用 MemHub。
騰訊混元研究團隊 10 月 15 日在 Hugging Face 開源 Hy-Memory-30B-A3B，採用 Apache 2.0 授權。這是一個總參數 30B、每次推理只啟用約 3B 參數的混合專家（MoE）模型，架構為 48 層（1 層 dense、47 層稀疏 MoE），每個區塊 128 個專家採 top-8 路由，上下文長度 262,144 個位置。
第一個專攻「記憶寫入路徑」的開源模型
這個模型的工作只有一個：決定 AI agent 該記住什麼、怎麼表示、新資訊進來時如何更新長期記憶。它被設計來直接取代 Mem0、MemOS、Hy-Memory 等外部記憶框架裡的「記憶寫入器」，適用於聊天、工作與程式碼三種場景；模型卡也指出它能泛化到訓練時沒見過的框架，例如 EverMemOS。這次發布的完整度在開源首日算相當罕見：Hugging Face 權重、PyPI Python SDK、arXiv 技術報告，以及隔天發布二進位安裝檔的 macOS 桌面應用 MemHub。
基準分數：宣稱小幅領先 Claude Opus 5
騰訊在自家設計的四個記憶基準上跑出宏觀平均 55.49，對比 Claude Opus 5 的 54.62，領先 0.87 個百分點。但這些基準由騰訊設計、尚未經獨立複現——「宣稱」（claims）是正確的用詞。細看數據會更誠實：MemOS 與 Hy-Memory 兩個框架上的差距只有 0.01–0.02，報告明言那是平手（parity）；比較有說服力的是訓練時沒見過的 EverMemOS 基準上領先 2.86，以及比真正的初始化檢查點（Hy3-A3B Base）高出 7.84，證明訓練方法本身有效。
實務門檻：60GB BF16 權重
實務上要注意：目前只釋出 60.1 GB 的 BF16 權重，沒有量化版本，也沒有雲端推理商部署，這等於暗示預期你自己有機器或租資料中心的算力。推理時官方設 reasoning_effort 為 no_think、temperature 0.0——記憶寫入每輪對話都要觸發，講求快而確定，不是慢慢思考，這正是專門模型存在的理由：用旗艦聊天模型做這件事太浪費了。
資料來源
- TechTimes：Tencent Hy-Memory Claims Open-Source Benchmark Lead Over Claude Opus 5 on Own Benchmarks
- alextech.ai：Tencent opens Hy-Memory 30B: a model that decides what AI should remember