IT之家 – Selon un rapport du 16 octobre, Tencent Hunyuan a annoncé aujourd’hui l’introduction de la version 2.0 du framework de mémoire Hy Memory, ainsi que l’ouverture du modèle spécifique, du framework de mémoire et des capacités applicatives MemHub.
Hy Memory 2.0 – ses capacités de trois niveaux peuvent être utilisées indépendamment ou combinées pour former une solution Memory complète. Actuellement, Hy Memory est déjà utilisé dans plusieurs activités au sein de Tencent, notamment dans les domaines financier, d’information, de gestion des connaissances, d’agents de bureau, de divertissement social et de jeux.
Selon Tencent, la couche de framework de Hy Memory 2.0 est chargée de stocker, mettre à jour et évoluer les types de mémoire liés aux conversations, au travail et au code. Les développeurs peuvent l’intégrer dans un Agent via le SDK.
La partie Tencent a indiqué que ce framework est le premier dans l’industrie à proposer un cadre de mémoire intégrant la mémoire de travail et la mémoire de code. Sur 4 benchmarks pour les trois scénarios – conversation, travail, code – Hy Memory a obtenu la première place par rapport à des frameworks open source tels que Mem0, MemOS, EverOS, OpenViking, RepoMemory et Simple RAG. En particulier, la mémoire de travail obtient en moyenne 55.31 % sur les tâches de planification de voyage et de shopping combiné dans MemoryArena, soit 10.2 points de pourcentage de meilleur que l’EverOS, qui est inférieur. La mémoire de code atteint une précision de 64.2 % sur les questions-code et une taux de résolution des tâches-code à 35.6 % sur CodeMemoryBench, et 28.3 % sur les tâches-code SWE-ContextBench, soit supérieur aux 25.3 % de MemOS et Mem0. La mémoire de conversation obtient une précision de 72.6 % sur LoCoMo, supérieure à celle de 71.9 % de l’EverOS, tandis que le nombre de tokens utilisés par question est passé de 1,159 à 703, soit une diminution de 39.3 %.
En matière de mémoire de conversation, Hy Memory 2.0 passe d’une accumulation de faits isolés à une représentation complète des événements. Il permet de structurer les contenus dispersés au cours du temps et entre les conversations en se basant sur des événements, afin de mettre en évidence les éléments clés tels que le moment, le lieu et les personnes. Lorsqu’il s’agit de questions nécessitant la combinaison de plusieurs indices, Hy Memory fusionne d’abord les informations répétées, élimine les contradictions entre les parties antérieure et postérieure, puis confie les souvenirs clairs au modèle. La mémoire de travail et la mémoire de code sont des capacités ajoutées dans la version 2.0. Elle permet de mémoriser une tâche à travers plusieurs dimensions, de regrouper toutes les informations en fonction du temps, y compris les objectifs de la tâche, les méthodes déterminées et les résultats des phases, ainsi que les expériences réutilisables et les conditions d’application. Lors du réutilisation des expériences, Hy Memory vérifie d’abord si les conditions d’application sont remplies, et ne met en œuvre précisément l’expérience correspondante que lorsque c’est le cas. Pour les tâches de longue distance, avant de continuer à lancer la tâche, Hy Memory détermine d’abord ce qui est en cours de traitement, puis retrouve les décisions pertinentes, les expériences encore applicables et le processus de travail historique.
Au niveau du modèle, Hy-Memory-30A3B est conçu pour l’entraînement dans des scénarios de mémoire, avec environ 3B de paramètres d’activation. Selon les informations présentées dans les articles arXiv, ce modèle a été entraîné sur trois frameworks : Mem0, MemOS et Hy-Memory. Il occupe la première place dans quatre frameworks d’évaluation basés sur un sous-ensemble de référence fixe de 20 %, avec une note moyenne globale de 55,49 %, supérieure à celle de Claude Opus 5, qui est de 54,62 %.
Lors des tests des quatre systèmes de mémoire Hy Memory, Mem0, MemOS et EverMemOS, Hy-Memory-30A3B a obtenu une note de 55.49, supérieure à celle de Opus5 (54.62), de DeepSeek V4.1 Flash (53.64) et de Qwen3-30B-A3B (44.37).
Au niveau de l’application, MemHub est une application de gestion de la mémoire locale, proposant deux modes d’utilisation : le CLI et l’APP pour Mac. Une fois les applications associées autorisées par l’utilisateur, MemHub peut importer les sessions historiques des différents outils, et les stocker via le SDK Hy Memory intégré comme mémoire locale. Par la suite, les nouvelles sessions générées par les outils peuvent être synchronisées en temps réel dans cette même mémoire.
MemHub permet d’intégrer facilement des outils IA sous forme de plugins. Lorsque l’utilisateur lance une tâche dans un outil associé, MemHub peut gérer et utiliser les souvenirs correspondants comme contexte complémentaire. Actuellement, il couvre 10 outils AI tels que WorkBuddy, Cursor, Codex, Pi, Qwen Code, Hermes, DeepSeek Harness et OpenCode, incluant des outils de programmation commerciale et des agents open source.
Actuellement, le Hy Memory SDK et MemHub sont open source sur GitHub, et les poids du modèle Hy-Memory-30B-A3B ont été publiés sur Hugging Face.
Tencent Hunyuan indique que continuera à collaborer en profondeur avec davantage de services, afin d’affiner les capacités de mémorisation dans des scénarios réels, permettant au Agent de maintenir la continuité entre des tâches plus longues et plus de outils.
Référence :
Hy Memory SDK & MemHub : https://github.com/Tencent-Hunyuan/Hy-Memory
Hy-Memory-30B-A3B poids modèle téléchargement : https://huggingface.co/tencent/Hy-Memory-30B-A3B
Lectures pertinentes :