IT之家 El 16 de octubre, Tencent Hunyuan anunció hoy la lanzamiento de la versión 2.0 del marco de memoria Hy Memory, y abrió el código para el modelo especializado, el marco de memoria y las tres capas de capacidades de la aplicación MemHub.
Hy Memory 2.0: las capacidades de tres niveles pueden usarse de forma independiente o combinarse en una solución completa de Memory. Actualmente, Hy Memory se utiliza en varios proyectos en áreas como finanzas internas de Tencent, información, gestión del conocimiento, agentes de oficina, entretenimiento social y juegos.
Según腾讯, la capa de marco de Hy Memory 2.0 es responsable del almacenamiento, la actualización y la evolución de la memoria relacionada con el chat, el trabajo y el código. Los desarrolladores pueden integrarla en un Agent mediante el SDK.
La empresa Tencent indicó que este marco es el primero en la industria que propone un marco de memoria que integra la memoria de trabajo y la memoria de código. En 4 benchmarks para las tres situaciones de chat, trabajo y código, Hy Memory obtuvo el primer lugar frente a marcos de código abierto como Mem0, MemOS, EverOS, OpenViking, RepoMemory y Simple RAG. En particular, la memoria de trabajo obtuvo una media del 55.31% en las tareas de planificación de viajes y compra combinada en MemoryArena, superando en 10.2 puntos porcentuales a EverOS, que era inferior. La memoria de código obtuvo una precisión del 64.2% en preguntas-respuestas de código y un 35.6% en la resolución de tareas de código en CodeMemoryBench, y un 28.3% en la resolución de tareas de código en SWE-ContextBench, lo que es superior a los 25.3% de MemOS y Mem0. La memoria de chat obtuvo una precisión del 72.6% en LoCoMo, superior al 71.9% de EverOS, y al mismo tiempo, el número de tokens utilizados por pregunta disminuyó de 1,159 a 703, lo que representa una reducción del 39.3%.
En cuanto a la memoria de chat, Hy Memory 2.0 pasa de hechos dispersos a una estructura completa de eventos, capaz de organizar los contenidos dispersos a lo largo del tiempo y entre conversaciones en torno a eventos, identificando elementos clave como tiempo, lugar y personas. Cuando se presenta una pregunta que requiere responder utilizando varias pistas, Hy Memory primero combina la información repetida y elimina las contradicciones entre el anterior y el posterior, para luego entregar la memoria clara al modelo. La memoria de trabajo y la memoria de código son capacidades nuevas en la versión 2.0. Permiten recordar una tarea desde múltiples dimensiones, organizar toda la información actualizada según el tiempo, incluyendo los objetivos de la tarea, las prácticas ya definidas y los resultados de las etapas, así como las experiencias reutilizables y las condiciones de aplicación. Al reutilizar una experiencia, Hy Memory primero determina si se cumplen las condiciones de aplicación de esa experiencia; solo cuando sea cierto, aplica con precisión la experiencia correspondiente como ayuda. Para las tareas de larga distancia, antes de continuar cada vez que se inicia la tarea, Hy Memory determina primero qué está procesando en ese momento, y luego recupera las decisiones relevantes, las experiencias aún aplicables y el proceso de trabajo histórico.
En el nivel del modelo, Hy-Memory-30A3B está diseñado específicamente para entrenamiento en escenarios de memoria, con aproximadamente 3B parámetros de activación. Según la información de los artículos de arXiv, este modelo se entrenó en tres marcos: Mem0, MemOS y Hy-Memory. En cuatro marcos de evaluación con un subconjunto de referencia fijo del 20%, obtuvo el primer lugar en todos ellos, con una puntuación promedio macro de 55.49%, superior a la de Claude Opus 5, que es de 54.62%.
En las pruebas de los cuatro sistemas de memoria: Hy Memory, Mem0, MemOS y EverMemOS, Hy-Memory-30A3B obtuvo un puntaje de 55.49, superior a los 54.62 de Opus5, los 53.64 de DeepSeek V4.1 Flash y los 44.37 de Qwen3-30B-A3B.
En el nivel de aplicación, MemHub es una aplicación para gestión de memoria local, que ofrece dos formas de uso: CLI y una APP para Mac. Una vez que los usuarios autorizan la asociación con la aplicación, MemHub puede importar las sesiones históricas de cada herramienta y almacenarlas como memoria local mediante el SDK Hy Memory integrado. Posteriormente, las nuevas sesiones generadas por cada herramienta se sincronizan en tiempo real con esa misma memoria.
MemHub permite integrar de forma rápida las herramientas de IA mediante plugins. Cuando los usuarios inician tareas en cualquiera de las herramientas asociadas, MemHub puede gestionar y utilizar la memoria relacionada como complemento del contexto. Actualmente, cubre 10 herramientas de IA, como WorkBuddy, Cursor, Codex, Pi, Qwen Code, Hermes, DeepSeek Harness y OpenCode, incluyendo herramientas de programación empresarial y agentes de código abierto.
Actualmente, el Hy Memory SDK y MemHub están abiertos en GitHub, y los pesos del modelo Hy-Memory-30B-A3B han sido publicados en Hugging Face.
Tencent Hundun indica que continuará colaborando en profundidad con más negocios, perfeccionando la capacidad de memoria en escenarios reales, para que el agente mantenga la continuidad entre tareas más largas y más herramientas.
Referencia:
Hy Memory SDK&MemHub: https://github.com/Tencent-Hunyuan/Hy-Memory
Descargar pesos del modelo Hy-Memory-30B-A3B: https://huggingface.co/tencent/Hy-Memory-30B-A3B
Leer también: