Hy Memory 2.0 صدر: تينسنت تفتح المصدر لكاتب ذاكرة وإطار عمل وتطبيق Mac في دفعة واحدة

أطلقت Tencent Hunyuan ثلاثة أشياء دفعة واحدة هذا الأسبوع، ولا يمكن تثبيت سوى اثنين منها اليوم. Hy-Memory-30B-A3B هو نموذج خليط الخبراء بثلاثين مليار معامل، ومهمته بأكملها كتابة الذاكرة — أن يقرر ما الذي يحتفظ به الوكيل، وكيف يصوغه، وكيف تستبدل الأدلة الجديدة القديمة. Hy Memory 2.0 هو الإطار المحيط به: حزمة Python باسم hy-memory، تغطي ذاكرة الدردشة والعمل والبرمجة. وMemHub هو التطبيق — أداة CLI ومنتج macOS يضعان الأولوية للعمل محلياً، ويسحبان سجل المحادثات وآثار البرمجة من عشرة أدوات ذكاء اصطناعي مختلفة إلى مخزن ذاكرة واحد على قرصك. العنوان الرئيسي في منشور الإعلان هو أن Hy-Memory-30B-A3B يتفوق على Claude Opus 5 عبر أطر الذاكرة الرئيسية. هذا صحيح في حدود ما يبلغه، والجزء المثير هو إلى أي مدى يبلغ: في ثلاثة من الأطر الأربعة تكون الفجوة أقل من ستة أعشار نقطة، والمقارنة كلها تُجرى على خُمس كل معيار. كل انقطاع لمزوّد وكل تراجع تتبعناه مسجّل في Orca AI Incident Archive، الذي يحمل مجموعة السجلات الكاملة إلى جانب المدخلات المجاورة لهذه الحادثة.

كل ما يلي مقروء إما من مستودع Tencent الخاص، وسجل الحزم، والتقرير التقني، أو موسوم بأنه ادعاء خاص بـ Tencent. لم يُعِد أحدٌ آخر إنتاج أي شيء هنا، لأنه حتى وقت كتابة هذا النص لم يشغّله أحدٌ آخر.

ما الذي تم إصداره فعليًا، ومتى؟

وصلت الطبقات الثلاث خلال نحو 24 ساعة من بعضها بعضًا، وملاحظات الإصدار محددة بشكل غير معتاد بشأن أي منها قد اكتمل:

• النموذج — نُشر tencent/Hy-Memory-30B-A3B على Hugging Face في 15 أكتوبر 2026 (09:52 UTC)، بموجب Apache 2.0، مع التقرير الفني، arXiv 2610.22196، المُقدَّم في اليوم نفسه.

• إطار العمل — تم رفع hy-memory==2.0.1 إلى PyPI في 15 أكتوبر 2026 عند 17:24 UTC، وتم إتاحة المستودع الأحادي كمفتوح المصدر في اليوم نفسه. وتم إنشاء وسم إصدار GitHub v1.0.0 في 16 أكتوبر عند 08:44 UTC.

• التطبيق — أصول إصدار MemHub موجودة: صورة قرص macOS arm64 موثّقة بحجم 303 ميغابايت وفق احتساب GitHub، بالإضافة إلى حزم تشغيل Linux arm64 وx64 بحجم 245 ميغابايت و251 ميغابايت. ويندوز مُدرَج كغير مدعوم.

• الفجوة — يذكر سجل التغييرات الخاص بالمشروع أن MemHub "ليس لديه إصدار عام بعد"، وأن نسخة المصدر الخاصة به هي 1.0.0 (بناء 4)، وأن كلاً من النشر على npm ومخرجات إصدار GitHub لا تزال معلقة. حزمة npm التي يعتزم استخدامها، memhub-cli، تعيد خطأ 404 من السجل. صور القرص مرفقة بالإصدار؛ مثبت سطر الأوامر الذي من المفترض أن يجلبها لم يُنشر.

تستحق تلك النقطة الأخيرة القراءة مرتين، لأنها الفرق بين إطلاق ومرشّح إصدار. نسخة Apple موقّعة وموثّقة، وهذا عمل حقيقي، وقد جمعت صفحة الإصدار عددًا صغيرًا من التنزيلات. لكن مسار التثبيت الموثّق يبدأ بحزمة npm غير موجودة وقت كتابة هذا النص. إذا كنت تخطط لتجربة MemHub هذا الأسبوع، فاستعد لسحب الشيفرة المصدرية بدلًا من تثبيت بسطر واحد.

Hy-Memory-30B-A3B، النموذج

ملف الإعداد هو الوثيقة الأقل رومانسية والأكثر فائدة في الإصدار بأكمله. وهو يصف بنية MoE قياسية ومفهومة جيدًا بدلًا من أي شيء غريب أو غير مألوف:

• المعاملات — 30B إجمالاً، تقريباً 3B نشطة لكل رمز، وهو ما تعنيه لاحقة A3B.

• البنية — 48 طبقة، واحدة منها كثيفة و47 منها MoE متناثرة؛ 128 خبيرًا في كل كتلة مع توجيه أفضل 8 بالإضافة إلى خبير مشترك واحد؛ الحجم المخفي 2,048؛ العرض الوسيط للخبير 768؛ 32 رأس انتباه مقابل 4 رؤوس مفتاح-قيمة مع تطبيع الاستعلام-المفتاح؛ موجّه سيغموي مع حد تحيز للخبير وعامل تحجيم مقداره 2.826.

• السياق — 262,144 موضعًا، بأساس RoPE قدره 11,158,840.

• البصمة — 51 جزءًا من safetensors، بنحو 60.1 GB بصيغة BF16. هذه هي الدقة الوحيدة التي طرحتها Tencent.

• التقديم — كُتبت البطاقة حول vLLM، وجُرّبت مقابل الإصدار v0.31.0، خلف نقطة نهاية متوافقة مع OpenAI، كما تذكر SGLang وDocker Model Runner كبيئتَي تشغيل مدعومتين. ولم ينشره أي مزوّد للاستدلال، ولا يُظهر فهرس البحث في Hugging Face أي GGUF، ولا أي إصدار مبني بـFP8 أو NVFP4، ولا أي ضبط دقيق.

هذا الغياب هو العقبة العملية. فالجهة التي تشحن نقطة تحقق BF16 بحجم 60 جيجابايت ولا شيء غيرها تخبرك أين تتوقع أن يعمل النموذج، والجواب هو جهاز تملكه بالفعل أو تستأجره في مركز بيانات. ولا توجد نسخة مُكمَّمة موازية يمكن لأي شخص تقييمها على محطة عمل.

يُدار النموذج باستخدام reasoning_effort: "no_think" ودرجة الحرارة 0.0 في الدليل السريع الخاص بـ Tencent. يُستدعى كاتب الذاكرة عند كل دور من أدوار المحادثة ليقرر ما يجب الاحتفاظ به، لذا فإن التفكير المطوّل هو المقايضة الخاطئة: فهو يحتاج إلى أن يكون حتميًا، وقصير المخرجات، ومنخفض التكلفة. هذا الخيار التصميمي هو أيضًا أقوى حجة لوجود النموذج من الأساس، لأنه بالضبط عبء العمل الذي يكون فيه نموذج محادثة حدودي أكثر إهدارًا للموارد.

الـ55.49، بالطريقة التي ينبغي أن يُقرأ بها

درّبت Tencent الكاتب عبر ثلاثة أُطر للذاكرة — Mem0 وMemOS وHy-Memory الخاص بها — ثم قيّمته على إطار رابع، EverMemOS، استُبعد من التدريب بالكامل. إن إبقاء أحد الأُطر جانبًا هو السبيل الصحيح لاختبار ادعاء النقل، والنقل عبر الأُطر هو الأطروحة الكاملة للورقة.

النتائج، التي هي خاصة بـ T​encent ولم يُعَد إنتاجها:

• Hy-Memory-30B-A3B — متوسط ماكرو 55.49 عبر أدوات التقييم الأربع.

• Claude Opus 5 — 54.62.

• DeepSeek V4.1 Flash — 53.64.

• تينسنت Hy3 — 51.63.

• Qwen3.6-35B-A3B — 50.37

• Hy3-A3B Base — 47.66، النموذج نفسه قبل التدريب المخصص للذاكرة، ومن هنا يأتي مكسب التدريب البالغ 7.8 نقاط الذي تصدّر العناوين.

• Qwen3-30B-A3B — 44.37.

عند تفصيل النتائج حسب أداة التقييم، يتضاءل الفوز. وبالمقارنة مع Claude Opus 5، تبلغ الفوارق 54.02 مقابل 53.43 على Mem0، و60.55 مقابل 60.53 على Hy-Memory، و50.51 مقابل 50.50 على MemOS، و56.89 مقابل 54.04 على EverMemOS. ثلاث من هذه الأربع ليست سوى ضجيج إحصائي يرتدي إكليل الغار — فتقدم بمقدار 0.02 نقطة على أداة تقييم Hy-Memory ليس تقدمًا. الفارق الكامل بين متخصص نشط بحجم 3B ونموذج رائد ينحصر في أداة التقييم الوحيدة التي استُبعدت من التدريب، حيث تبلغ الفجوة 2.85 نقطة، وحيث يكون الادعاء أيضًا الأقل احتمالًا بأن يكون قد جرى ضبط النموذج ضده.

تفصيلان في التصميم لا يقلّان أهمية عن الأرقام. فكل رقم في المصفوفة الرئيسية مبنيّ على عيّنة فرعية ثابتة بنسبة 20% لا على المعيار الكامل، والتقييم لا يغيّر سوى الكاتب، مع تثبيت إطار التشغيل والمطالبات وإعدادات الاسترجاع ونموذج الإجابة والمُقيِّم. هذا الخيار الثاني نظافة تجريبية جيدة — فهو يعزل المتغير قيد الاختبار — لكنه إطار تشغيل تينسنت ومُقيِّم تينسنت. تعامل مع الجدول كفرضية مرفقة بمستودع، وهو أكثر مما يأتي به معظم مزاعم يوم الإطلاق وأقل من نتيجة.

أرقام الإطار هي الادعاء الأكبر

مقارنة النماذج هي الاقتباس الذي وضعه Tencent في المنشور. أما مقارنة الأطر فهي التي قد تغيّر معمارية القارئ إذا صمدت.

على موقع الشركة نفسه، يحتل Hy Memory 2.0 المرتبة الأولى بين أُطر الذاكرة مفتوحة المصدر في أربعة اختبارات معيارية — متقدّمًا على Mem0 وMemOS وEverOS وOpenViking وRepoMemory وخط أساسي بسيط لنموذج RAG بنافذة منزلقة — عبر المشاهد الثلاثة التي يغطيها:

• الدردشة — 72.6% على LoCoMo، عبر 1,527 سؤالًا غير عدائي.

• Working — بمتوسط 55.31% على MemoryArena (حزمة لتخطيط السفر والتسوق المجمّع)، بفارق 10.2 نقطة عن الإطار التالي.

• البرمجة — 64.2% في الإجابة عن الأسئلة على CodeMemoryBench و35.6% معدل حل، بالإضافة إلى 28.3% معدل حل على SWE-ContextBench.

• البصمة — تخزين الذاكرة بنسبة 6.06% من رموز الإدخال، مقابل 31.9% إلى 41.2% للأطر التي تتم المقارنة بها.

رقم البصمة هو الجدير بالسرقة. تفشل أنظمة الذاكرة في بيئة الإنتاج لسببين: أنها تنسى الأشياء التي لا ينبغي نسيانها، وأنها تنمو بلا حدود. بنك تبلغ تكلفته ستة في المئة من المحادثة التي يلخّصها هو مسألة تشغيلية مختلفة عن بنك تبلغ تكلفته أربعين، وهذا هو البُعد الذي ينبغي أن يهتم به جمهور التوجيه والتكلفة، بغض النظر عما إذا كان ترتيب الدقة يصمد أمام التدقيق. نُشر بروتوكول التقييم إلى جانب ذلك: نموذج الذاكرة DeepSeek V4.1 Flash، ونموذج الإجابة والحكم GPT-5.6-sol، وتُقاس السعة التخزينية بنسبة رموز البنك إلى رموز الإدخال، مع احتساب البنك للذاكرة المولّدة فقط.

تسرد Tencent أيضًا عمليات نشر داخلية — اختبار استرجاع لمساعد الأسهم بتحسّن قدره 40 نقطة في المهام متعددة الخطوات، وإضافة لقاعدة معرفة، وتقييم تفضيلات لتطبيق أخبار بمتوسط 91.68 من 100 — في مجالات التمويل والأخبار وإدارة المعرفة ووكلاء المكاتب والتواصل الاجتماعي والألعاب. وهذه مقاييس منتجات الشركة نفسها، وليست معايير مرجعية، وينبغي قراءتها كدليل على أن هذا الشيء يعمل في مكان حقيقي، لا كدليل على أنه يتفوق على أي شيء.

MemHub هو الجزء الذي يمكن لمعظم القراء استخدامه فعلاً

يحتاج النموذج إلى وحدات معالجة الرسومات. ويحتاج الإطار إلى فريق هندسي. ويحتاج MemHub إلى حاسوب محمول.

إنه منتج سطح مكتب وسطر أوامر محلي أولاً يجمع السجل من أدوات الذكاء الاصطناعي التي قمت بتفويضها بالفعل في بيئة تشغيل مُدارة واحدة ودليل بيانات واحد — بحيث يكون التفضيل الذي تضبطه في وكيل برمجة واحد متاحًا للوكيل التالي. تسمي T​encent عشرة تكاملات مدعومة: WorkBuddy، وCursor، وCodex، وC​laude Code، وOpenCode، وOpenClaw، وQ​wen Code، وPi، وHermes، وD​eepSeek Harness. مسار البيانات المعلن هو ~/.one-memory، مع SQLite لبيانات العمل والبرمجة الوصفية وChromaDB بالإضافة إلى Kuzu كمخازن افتراضية، وتوثيق الأمان صريح في أن المنتج لا يجمع محتويات الشاشة، أو أشجار إمكانية الوصول، أو OCR، أو الحافظة، أو الصوت في الخلفية.

المزاعم التي ينبغي التشكيك فيها هي تلك المتعلقة بالحذف. تميّز واجهة سطر الأوامر CLI بين ثلاثة مستويات: إلغاء تثبيت حزمة npm يزيل CLI فقط، وmemhub uninstall يزيل الخدمات وبيئة التشغيل المُدارة وروابط CLI لكنه يُبقي على ذاكرتك، وفقط أمر منفصل memhub delete-data يحذف المخزن — بعد إيقاف بيئة التشغيل وتأكيد المسار الدقيق. هذا تصميم أفضل من معظم الأدوات في هذه الفئة، وهو أيضًا وصف للسلوك المقصود في إصدار لم يُنشَر مُثبّته بعد. أي شخص يعتمده لعمل مهم ينبغي أن يتحقق من مسار الحذف بنفسه قبل أن يأتمنه على أي شيء لا يريد الاحتفاظ به.

ما زال غير مؤكد، بعبارة صريحة

• لا يوجد أي مقياس مرجعي مستقل من أي نوع. لم يتم تشغيل أي منصة اختبار تابعة لطرف ثالث، ولا أي إدراج في الساحة، ولم يُعَد إنتاج أي شيء خارج T​encent.

• عدم إعادة إنتاج الجدول المقارن بين بيئات الاختبار، وبوجه خاص نتيجة EverMemOS المحجوزة، التي تحمل أطروحة الانتقال بأكملها استنادًا إلى تشغيل واحد لمورّد واحد.

• بدون تكميم، فلا بصمة ذاكرة مقاسة أقل من 60 غيغابايت ولا مسار تقييم بمستوى محطات العمل.

• لا توجد نقطة نهاية مستضافة، ولا يوجد مزوّد استدلال مذكور على بطاقة النموذج.

• لا توجد حزمة npm منشورة لـ MemHub، لذا فإن مسار التثبيت الموثّق لا يعمل بعد من البداية إلى النهاية.

• لا يوجد رقم لتكلفة المحادثة الواحدة. إن كتابة الذاكرة عبء عمل عالي التكرار وقليل المخرجات؛ فلم ينشر أحد عدد الرموز لكل عملية كتابة، ولا التكلفة الفعلية لتشغيل مساعد مزوَّد بالذاكرة لكل مستخدم شهريًا.

أين يتناسب جهاز التوجيه، وأين لا يتناسب

كن دقيقًا في هذا، فمن السهل المبالغة. Hy-Memory-30B-A3B ليس ضمن كتالوج OrcaRouter ونحن لا نستضيفه. الطريق إلى الكاتب هو نقطة التحقق (checkpoint) على Hugging Face وعلى عتادك الخاص. ولا شيء في طبقة التوجيه يغيّر ذلك.

ما يغطيه الراوتر هو النصف الآخر من المنظومة. نظام الذاكرة هو مسار كتابة ومسار قراءة، ويقول تقييم تينسنت المنشور بصراحة ما يكون عليه مسار القراءة عادةً: الكاتب يقرر ما الذي يُخزَّن، ويقرأ نموذج رائد منفصل بنك الذاكرة مجددًا ويجيب. وفي إعداد تينسنت الخاص، يكون هذان DeepSeek V4.1 Flash على نموذج الذاكرة وGPT-5.6-sol بصفته نموذج الإجابة والتحكيم.يقدّم OrcaRouter كليهما عبر مفتاح واحد بسعر القائمة دون أي هامش ربح، لذا يصبح تغيير سعر المورّد ساريًا لدينا في اليوم نفسه بدلًا من أن ينتظر تجديد العقد التالي.

إن DSL التوجيه هو الجزء الذي يناسب هذه البنية تحديدًاإنه يركّب نقطة نهاية مستضافة ذاتيًا ونقطة نهاية مستضافة في استدعاء واحد، وهو بالضبط شكل نظام ذاكرة — متخصص رخيص على مسار الكتابة تديره بنفسك، ونموذج حدودي على مسار القراءة تستأجره. نفس الإعداد يجعل الجزء المحفوف بالمخاطر قابلًا للنجاة: وجّه الكاتب إلى نشرك الخاص Hy-Memory-30B-A3B، واحتفظ بنموذج عام خلف تجاوز الفشل التلقائي، ومسار كتابة سيئ يقلل من جودة الإجابة بدلًا من أن يسقط التطبيق. هذا النمط يستحق البناء قبل أن يكون الكاتب جاهزًا، لأنه متطابق سواء كان مسار الكتابة نقطة تفتيش متخصصة أو نموذجًا عامًا مع توجيه ذاكرة.

من يجب أن يتصرف، ومن يجب أن ينتظر؟

إذا كنت تشغّل وكلاء بذاكرة طويلة الأمد ولديك بالفعل وحدات معالجة رسومية (GPUs)، فإن مسار الكتابة هو المكان الذي يستحق بصدق أن تقضي فيه أسبوعًا: نقطة التحقق مرخّصة بموجب Apache 2.0، وكاتب الذاكرة هو النموذج النادر الذي يمكنك قياس قيمته على حركة مرورك الخاصة بدلًا من جدول معايير شخص آخر. وإذا كنت مستخدمًا لا مشغّلًا، فإن MemHub هو الخيار المثير للاهتمام، وهو أيضًا الخيار الذي ينبغي الانتظار عليه حتى يوجد المثبّت ويكون شخص من خارج T​encent قد جرّب مسار الحذف. وإذا كنت تختار نموذجًا بناءً على قوة الإعلان، فالموقف الصحيح هو الذي يدعو إليه الإصدار نفسه: 55.49 مقابل 54.62 يشكّل تعادلًا على ثلاث منصات اختبار وفجوة حقيقية على الرابعة، والرابعة هي التي لم يتحقق منها أحد.