Hy Memory 2.0 ya está aquí: Tencent publicó como código abierto un escritor de memoria, un framework y una app para Mac en un solo lanzamiento

Tencent Hunyuan ha lanzado tres cosas a la vez esta semana, y solo dos de ellas se pueden instalar hoy. Hy-Memory-30B-A3B es un modelo de mezcla de expertos de 30 000 millones de parámetros cuya única función es escribir memoria: decidir qué conserva un agente, cómo lo formula y cómo las nuevas evidencias sobrescriben las anteriores. Hy Memory 2.0 es el marco que lo rodea: un paquete de Python, hy-memory, que abarca la memoria de chat, de trabajo y de programación. Y MemHub es la aplicación: un producto de CLI y para macOS con enfoque local-first que extrae el historial de conversaciones y los rastros de programación de diez herramientas de IA distintas y los reúne en un único almacén de memoria en tu propio disco. El titular de la publicación del anuncio es que Hy-Memory-30B-A3B supera a Claude Opus 5 en los principales marcos de memoria. Eso es cierto hasta donde llega, y lo interesante es hasta dónde llega: en tres de los cuatro marcos el margen es inferior a seis décimas de punto, y toda la comparación se ejecuta sobre una quinta parte de cada benchmark. Cada interrupción y reversión de proveedor que hemos registrado queda anotada en el Orca AI Incident Archive, que incluye el conjunto completo de registros junto a las entradas vecinas de este incidente.

Todo lo que aparece a continuación se ha tomado o bien del propio repositorio, registro de paquetes e informe técnico de T​encent, o bien está etiquetado como una afirmación del propio T​encent. Nada de esto ha sido reproducido por nadie más, porque, al momento de escribir esto, nadie más lo ha ejecutado.

Qué se envió realmente y cuándo

Las tres capas llegaron con unas 24 horas de diferencia entre sí, y las notas de la versión son inusualmente específicas sobre cuáles de ellas están terminadas:

• El modelo — tencent/Hy-Memory-30B-A3B se publicó en Hugging Face el 15 de octubre de 2026 (09:52 UTC), bajo Apache 2.0, con el informe técnico, arXiv 2610.22196, presentado el mismo día.

• El framework — hy-memory==2.0.1 se subió a PyPI el 15 de octubre de 2026 a las 17:24 UTC, y el monorepo se publicó como código abierto ese mismo día. La etiqueta de versión v1.0.0 de GitHub se creó el 16 de octubre a las 08:44 UTC.

• La aplicación — Existen los recursos de la versión de MemHub: una imagen de disco macOS arm64 notarizada de 303 MB según el recuento de GitHub, además de paquetes de ejecución para Linux arm64 y x64 de 245 MB y 251 MB. Windows figura como no compatible.

• La brecha — el propio registro de cambios del proyecto afirma que MemHub "aún no tiene una versión pública", que su versión de código fuente es 1.0.0 (compilación 4), y que tanto la publicación en npm como los artefactos de GitHub Release siguen pendientes. El paquete npm que pretende usar, memhub-cli, devuelve un 404 del registro. Las imágenes de disco están adjuntas al lanzamiento; el instalador de línea de comandos que se supone que las descarga no está publicado.

Ese último punto merece leerse dos veces, porque es la diferencia entre un lanzamiento y un candidato de lanzamiento. La compilación de Apple está firmada y notarizada, lo cual es trabajo real, y la página de la versión ha acumulado un pequeño puñado de descargas. Pero la ruta de instalación documentada comienza con un paquete de npm que no existe en el momento de escribir esto. Si pensabas probar MemHub esta semana, cuenta con tener que obtener el código fuente en lugar de una instalación de una sola línea.

Hy-Memory-30B-A3B, el modelo

El archivo de configuración es el documento menos romántico y más útil de toda la versión. Describe una forma MoE estándar y bien comprendida en lugar de algo exótico:

• Parámetros — 30B en total, aproximadamente 3B activos por token, que es lo que significa el sufijo A3B.

• Arquitectura — 48 capas, de las cuales una es densa y 47 son MoE dispersas; 128 expertos por bloque con enrutamiento top-8 más un experto compartido; tamaño oculto de 2.048; ancho intermedio de experto de 768; 32 cabezas de atención frente a 4 cabezas de clave-valor con normalización consulta-clave; un enrutador sigmoide con un término de sesgo de experto y un factor de escala de 2,826.

• Contexto — 262.144 posiciones, con una base RoPE de 11.158.840.

• Huella — 51 fragmentos safetensors, aproximadamente 60,1 GB en BF16. Esa es la única precisión que Tencent distribuyó.

• Servicio — la ficha está escrita en torno a vLLM, probada contra v0.31.0, detrás de un endpoint compatible con OpenAI, y también nombra SGLang y Docker Model Runner como runtimes compatibles. No ha sido desplegado por ningún proveedor de inferencia, y el índice de búsqueda de Hugging Face no arroja ningún GGUF, ninguna compilación FP8 o NVFP4, ni ningún ajuste fino.

Esa ausencia es el obstáculo práctico. Un proveedor que distribuye un checkpoint BF16 de 60 GB y nada más te está diciendo dónde espera que se ejecute el modelo, y la respuesta es una máquina que ya posees o alquilas en un centro de datos. No hay una versión cuantizada que alguien pueda evaluar en una estación de trabajo.

El modelo se ejecuta con reasoning_effort: "no_think" y temperature 0.0 en el propio inicio rápido de Tencent. Un escritor de memoria se activa en cada turno de conversación para decidir qué conservar, así que deliberar es una mala decisión: necesita ser determinista, de salida breve y barato. Esa elección de diseño es también el argumento más sólido a favor de que el modelo exista, ya que es exactamente la carga de trabajo en la que un modelo de chat de frontera resulta más derrochador.

El 55.49, leído como debe leerse

Tencent entrenó al escritor en tres frameworks de memoria —Mem0, MemOS y su propio Hy-Memory— y luego lo evaluó en un cuarto, EverMemOS, que quedó completamente fuera del entrenamiento. Dejar un harness al margen es la forma correcta de poner a prueba una afirmación de transferencia, y la transferencia entre frameworks es toda la tesis del artículo.

Los resultados, que son de Tencent y no han sido reproducidos:

• Hy-Memory-30B-A3B — promedio macro de 55.49 en los cuatro harnesses.

• Claude Opus 5 — 54.62.

• DeepSeek V4.1 Flash — 53.64.

• Tencent Hy3 — 51,63.

• Qwen3.6-35B-A3B — 50.37.

• Hy3-A3B Base — 47.66, el mismo modelo antes del entrenamiento específico de memoria, que es de donde proviene la ganancia principal de entrenamiento de 7.8 puntos.

• Qwen3-30B-A3B — 44.37.

Desglosado por harness, la victoria se vuelve más exigua. Frente a Claude Opus 5, los márgenes son de 54,02 a 53,43 en Mem0, de 60,55 a 60,53 en Hy-Memory, de 50,51 a 50,50 en MemOS y de 56,89 a 54,04 en EverMemOS. Tres de esos cuatro son ruido estadístico luciendo una corona de laurel: una ventaja de dos centésimas de punto en el harness Hy-Memory no es una ventaja. Toda la separación entre un especialista de 3B activos y un modelo de frontera reside en el único harness que se dejó fuera del entrenamiento, donde la brecha es de 2,85 puntos y donde la afirmación es también la que menos probabilidades tiene de haber sido ajustada en su contra.

Dos detalles de diseño importan tanto como las cifras. Todas las cifras de la matriz principal se ejecutan sobre una submuestra fija del 20 % en lugar del benchmark completo, y la evaluación solo varía al redactor, manteniendo fijos el harness, los prompts, la configuración de recuperación, el modelo de respuesta y el juez. Esa segunda decisión es buena higiene experimental —aísla la variable bajo prueba—, pero se trata del harness de Tencent y del juez de Tencent. Trata la tabla como una hipótesis con un repositorio adjunto, lo cual es más de lo que suele acompañar a la mayoría de las afirmaciones del día del lanzamiento y menos que un resultado.

Las cifras del marco son la afirmación de mayor peso.

La comparación de modelos es la cita que Tencent puso en la publicación. La comparación de frameworks es la que cambiaría la arquitectura de un lector si se sostiene.

En el propio sitio web de la empresa, Hy Memory 2.0 ocupa el primer puesto entre los frameworks de memoria de código abierto en cuatro benchmarks —por delante de Mem0, MemOS, EverOS, OpenViking, RepoMemory y una línea base simple de RAG con ventana deslizante— en las tres escenas que cubre:

• Chat — 72,6 % en LoCoMo, en 1.527 preguntas no adversariales.

• Funcionando — 55,31 % de media en MemoryArena (una suite de planificación de viajes y compras por paquetes), 10,2 puntos por delante del siguiente framework.

• Programación — 64,2 % en respuesta a preguntas de CodeMemoryBench y 35,6 % de tasa de resolución, además de 28,3 % de tasa de resolución en SWE-ContextBench.

• Huella — almacenamiento en memoria del 6,06 % de los tokens de entrada, frente al 31,9 % al 41,2 % de los frameworks con los que se compara.

La cifra de huella es la que vale la pena robar. Los sistemas de memoria fallan en producción por dos razones: olvidan las cosas equivocadas y crecen sin límite. Un banco que cuesta seis por ciento de la conversación que resume es una proposición operativa diferente de uno que cuesta cuarenta, y esa es la dimensión que una audiencia de enrutamiento y costos debería tener en cuenta, independientemente de si el orden de precisión sobrevive al escrutinio. El protocolo de evaluación se publica junto con: modelo de memoria DeepSeek V4.1 Flash, modelo de respuesta y juez GPT-5.6-sol, almacenamiento medido como tokens de banco sobre tokens de entrada, contando el banco solo la memoria generada.

Tencent también enumera implementaciones internas —una prueba de recuperación de un asistente bursátil con una mejora de 40 puntos en tareas de múltiples saltos, un complemento de base de conocimientos y una evaluación de preferencias de una aplicación de noticias con un promedio de 91.68 sobre 100— en finanzas, noticias, gestión del conocimiento, agentes de oficina, redes sociales y videojuegos. Esas son métricas de producto de la propia compañía, no puntos de referencia, y deberían leerse como evidencia de que el sistema se ejecuta en algún lugar real, más que como evidencia de que supera a algo.

MemHub es la pieza que la mayoría de los lectores realmente podría usar

El modelo necesita GPUs. El framework necesita un equipo de ingeniería. MemHub necesita una laptop.

Es un producto local-first de escritorio y de línea de comandos que consolida el historial de las herramientas de IA que ya has autorizado en un único entorno de ejecución gestionado y un único directorio de datos, de modo que una preferencia que establezcas en un agente de programación esté disponible para el siguiente. Tencent enumera diez integraciones compatibles: WorkBuddy, Cursor, Codex, Claude Code, OpenCode, OpenClaw, Qwen Code, Pi, Hermes y DeepSeek Harness. La ruta de datos indicada es ~/.one-memory, con SQLite para metadatos de trabajo y programación, y ChromaDB más Kuzu como almacenes predeterminados; además, la documentación de seguridad deja claro que el producto no recopila contenido de pantalla, árboles de accesibilidad, OCR, portapapeles ni audio en segundo plano.

Las afirmaciones sobre las que hay que ser escéptico son las relativas a la eliminación. La CLI distingue tres niveles: desinstalar el paquete npm elimina solo la CLI, memhub uninstall elimina los servicios, el entorno de ejecución gestionado y los enlaces de la CLI, pero conserva tu memoria, y solo un comando independiente memhub delete-data elimina el almacén, tras detener el entorno de ejecución y confirmar la ruta exacta. Eso es un diseño mejor que el de la mayoría de las herramientas de esta categoría, y también es una descripción del comportamiento previsto en una versión cuyo instalador aún no se ha publicado. Cualquiera que lo adopte para un trabajo importante debería verificar la ruta de eliminación por su cuenta antes de confiarle algo que no querría que se conservara.

Lo que aún no está confirmado, dicho claramente.

• Ningún benchmark independiente de ningún tipo. Ninguna ejecución de harness de terceros, ninguna colocación en arena, y nada reproducido fuera de T​encent.

• La no reproducción de la tabla entre arneses y, en particular, del resultado reservado de EverMemOS, que sostiene toda la tesis de transferencia con una sola ejecución de un proveedor.

• Sin cuantización, por lo que no hay una huella de memoria medida por debajo de 60 GB ni una ruta de evaluación a escala de estación de trabajo.

• Ningún endpoint alojado, y ningún proveedor de inferencia nombrado en la tarjeta del modelo.

• No hay ningún paquete npm publicado para MemHub, por lo que la ruta de instalación documentada aún no funciona de principio a fin.

• Ninguna cifra de costo por conversación. La escritura de memoria es una carga de trabajo de alta frecuencia y de salida breve; nadie ha publicado los tokens por escritura ni cuánto cuesta realmente operar al mes, por usuario, un asistente con memoria.

Dónde encaja un router y dónde no

Sé preciso con esto, porque sería fácil exagerar. Hy-Memory-30B-A3B no está en el catálogo de OrcaRouter y no lo alojamos. La ruta hacia el escritor es el checkpoint en Hugging Face y tu propio hardware. Nada relacionado con una capa de enrutamiento cambia eso.

Lo que cubre un enrutador es la otra mitad del arnés. Un sistema de memoria es una ruta de escritura y una ruta de lectura, y la evaluación publicada de T​encent dice en voz alta lo que suele ser la ruta de lectura: quien escribe decide qué almacenar, y un modelo de frontera independiente lee el banco y responde. En la propia configuración de T​encent, esos son DeepSeek V4.1 Flash en el modelo de memoria y GPT-5.6-sol como respuesta y juez. O​rcaRouter sirve ambos con una sola clave a precio de lista y sin recargo, así que un cambio de precio del proveedor se refleja de nuestro lado el mismo día, en lugar de en la próxima renovación del contrato.

El DSL de enrutamiento es la pieza que encaja específicamente en esta arquitectura. Combina un endpoint autoalojado y uno alojado en una sola llamada, que es exactamente la forma de un sistema de memoria: un especialista económico en la ruta de escritura que ejecutas tú mismo, un modelo de frontera en la ruta de lectura que alquilas. La misma configuración hace que la parte arriesgada sea sobrevivible: apunta el escritor a tu propio despliegue de Hy-Memory-30B-A3B, mantén un modelo general detrás de la conmutación por error automática, y una ruta de escritura deficiente degrada la respuesta en lugar de tumbar la aplicación. Vale la pena construir ese patrón antes de tener el escritor en funcionamiento, porque es idéntico ya sea que la ruta de escritura sea un checkpoint especializado o un modelo general con un prompt de memoria.

Quién debería actuar, y quién debería esperar

Si ejecutas agentes con memoria de larga duración y ya tienes GPUs, la ruta de escritura es el lugar honesto en el que gastar una semana: el checkpoint es Apache 2.0, y un escritor de memoria es el raro modelo cuyo valor puedes medir en tu propio tráfico en lugar de en la tabla de benchmarks de alguien más. Si eres un usuario en vez de un operador, MemHub es el interesante, y también es el que conviene esperar hasta que exista el instalador y alguien fuera de Tencent haya probado la ruta de eliminación. Y si eliges un modelo por la fuerza del anuncio, la postura correcta es la que el propio lanzamiento invita: 55.49 frente a 54.62 es un empate en tres arneses y una brecha real en el cuarto, y el cuarto es el que nadie ha comprobado.