IT之家 Bericht vom 16. Oktober: Die offizielle Stelle von Tencent Hunyuan gab heute die Einführung der Version 2.0 des Agenten-Gedächtnis-Frameworks Hy Memory bekannt und hat die drei Fähigkeitsebenen – spezialisiertes Modell, Gedächtnis-Framework und MemHub-Anwendung – als Open Source veröffentlicht.
Die drei Fähigkeitsebenen von Hy Memory 2.0 können sowohl eigenständig genutzt als auch zu einer vollständigen Memory-Lösung kombiniert werden. Hy Memory wird derzeit in mehreren Geschäftsbereichen innerhalb von Tencent eingesetzt, darunter Finanzen, Nachrichten, Wissensmanagement, Office-Agenten, soziale Unterhaltung und Spiele.
Laut Tencent ist die Framework-Ebene von Hy Memory 2.0 für die Speicherung, Aktualisierung und Weiterentwicklung von drei Arten von Gedächtnissen zuständig: Chat, Arbeit und Code; Entwickler können sie über ein SDK in Agenten integrieren.
Tencent erklärt, dass dieses Framework das erste in der Branche ist, das Arbeitsgedächtnis und Code-Gedächtnis vorschlägt. Bei 4 Benchmarks in den drei Szenarien Chat, Arbeit und Code erzielte Hy Memory im Vergleich zu Open-Source-Frameworks wie Mem0, MemOS, EverOS, OpenViking, RepoMemory und Simple RAG jeweils den ersten Platz. Konkret erreichte das Arbeitsgedächtnis bei den Aufgaben Reiseplanung und Kombinatorischer Einkauf in MemoryArena im Durchschnitt 55.31 % und lag damit 10.2 Prozentpunkte vor dem zweitplatzierten EverOS; das Code-Gedächtnis erreichte in CodeMemoryBench eine Genauigkeit von 64.2 % bei Code-Frage-Antwort-Aufgaben und eine Lösungsrate von 35.6 % bei Code-Aufgaben, in SWE-ContextBench eine Lösungsrate von 28.3 %, höher als die 25.3 % von MemOS und Mem0; das Chat-Gedächtnis erreichte in LoCoMo eine Genauigkeit von 72.6 %, höher als die 71.9 % von EverOS, während der Token-Verbrauch pro Frage von 1,159 auf 703 sank, eine Reduktion von 39.3 %.
Beim Chat-Gedächtnis wurde Hy Memory 2.0 von verstreuten Fakten zu vollständigen Ereigniszusammenhängen weiterentwickelt und kann verstreute Inhalte über Zeiträume und Gespräche hinweg mit dem Ereignis als Kernstruktur nach Schlüsselelementen wie Zeit, Ort und beteiligten Personen ordnen. Bei Fragen, deren Beantwortung die Kombination mehrerer Hinweise erfordert, führt Hy Memory zunächst doppelte Informationen zusammen, entfernt Widersprüche und übergibt dann das bereinigte Gedächtnis an das Modell. Arbeitsgedächtnis und Code-Gedächtnis sind neue Fähigkeiten der Version 2.0; sie merken sich eine Aufgabe entlang mehrerer Dimensionen, ordnen alle Informationsaktualisierungen zeitlich und umfassen Aufgabenziele, bereits festgelegte Vorgehensweisen und Zwischenergebnisse sowie wiederverwendbare Erfahrungen und deren Anwendungsbedingungen. Bei der Wiederverwendung von Erfahrungen prüft Hy Memory zunächst, ob die aktuellen Umstände den Anwendungsbedingungen der Erfahrung entsprechen, und zieht die entsprechende Erfahrung nur bei Übereinstimmung gezielt als Unterstützung heran. Bei langfristigen Aufgaben stellt Hy Memory vor jeder Fortsetzung der Aufgabe zunächst fest, woran gerade gearbeitet wird, und ruft dann die relevanten Entscheidungen, weiterhin anwendbaren Erfahrungen sowie den bisherigen Arbeitsverlauf ab.
Auf Modellebene wurde Hy-Memory-30A3B speziell für Gedächtnisszenarien trainiert und hat etwa 3B aktivierte Parameter. Laut Informationen aus dem arXiv-Papier wurde das Modell auf den drei Frameworks Mem0, MemOS und Hy-Memory trainiert und belegte bei vier Evaluierungs-Frameworks mit einem festgelegten 20 %-Benchmark-Subsample jeweils den ersten Platz, mit einem makroskopischen Durchschnittswert von 55,49 %, höher als die 54,62 % von Claude Opus 5.
In Tests mit vier angeschlossenen Gedächtnissystemen – Hy Memory, Mem0, MemOS und EverMemOS – erreichte Hy-Memory-30A3B einen Wert von 55,49, höher als die 54,62 von Opus5, die 53,64 von DeepSeek V4.1 Flash und die 44,37 von Qwen3-30B-A3B.
Auf Anwendungsebene ist MemHub eine lokale Gedächtnisverwaltungsanwendung, die zwei Nutzungsarten bietet: CLI und eine Mac-App. Nachdem der Nutzer verbundenen Anwendungen die Berechtigung erteilt hat, kann MemHub die bisherigen Sitzungen der verschiedenen Tools importieren und über das integrierte Hy Memory SDK als lokales Gedächtnis speichern; danach können neue Sitzungen der einzelnen Tools in Echtzeit in dasselbe Gedächtnis eingespeist werden.
MemHub unterstützt die Anbindung von KI-Tools per Plugin mit einem Klick; wenn der Nutzer in einem der verbundenen Tools eine Aufgabe startet, kann MemHub die zugehörigen Erinnerungen verwalten und als kontextuelle Ergänzung nutzen. Derzeit werden 10 KI-Tools abgedeckt, darunter WorkBuddy, Cursor, Codex, Pi, Qwen Code, Hermes, DeepSeek Harness und OpenCode – kommerzielle Programmierwerkzeuge ebenso wie Open-Source-Agenten.
Derzeit sind das Hy Memory SDK und MemHub auf GitHub als Open Source verfügbar, und die Modellgewichte von Hy-Memory-30B-A3B wurden auf Hugging Face veröffentlicht.
Tencent Hunyuan erklärte, man werde weiterhin tief mit weiteren Geschäftsbereichen zusammenarbeiten und die Gedächtnisfähigkeiten in realen Szenarien verfeinern, damit Agenten über längere Aufgaben und mehr Tools hinweg Kontinuität bewahren.
Quellenangaben:
Hy Memory SDK&MemHub: https://github.com/Tencent-Hunyuan/Hy-Memory
Download der Hy-Memory-30B-A3B-Modellgewichte: https://huggingface.co/tencent/Hy-Memory-30B-A3B
Weiterführende Lektüre: