Hy Memory 2.0 już dostępne: Tencent udostępnił na zasadach open source Memory Writer, framework i aplikację na Maca za jednym zamachem

Tencent Hunyuan wypuścił w tym tygodniu trzy rzeczy naraz, a tylko dwie z nich da się dziś zainstalować. Hy-Memory-30B-A3B to model typu mixture-of-experts o 30 miliardach parametrów, którego całym zadaniem jest pisanie pamięci — decydowanie, co agent zachowuje, jak to formułuje i jak nowe dowody zastępują stare. Hy Memory 2.0 to framework wokół niego: pakiet Pythona hy-memory, obejmujący pamięć czatu, pamięć roboczą i pamięć kodowania. A MemHub to aplikacja — CLI w podejściu local-first i produkt na macOS, który wyciąga historię rozmów i ślady kodowania z dziesięciu różnych narzędzi AI do jednego magazynu pamięci na twoim własnym dysku. Nagłówek wpisu ogłaszającego mówi, że Hy-Memory-30B-A3B bije Claude Opus 5 w głównych frameworkach pamięci. To prawda o tyle, o ile, a ciekawe jest to, jak daleko to sięga: w trzech z czterech frameworków przewaga wynosi poniżej sześciu dziesiątych punktu, a całe porównanie opiera się na jednej piątej każdego benchmarku. Każda awaria dostawcy i każde wycofanie, które śledziliśmy, są odnotowane w Orca AI Incident Archive, który zawiera pełny zestaw zapisów wraz z sąsiednimi wpisami dotyczącymi tego incydentu.

Wszystko poniżej odczytano albo z własnego repozytorium, rejestru pakietów i raportu technicznego firmy T​encent, albo oznaczono jako własne twierdzenie firmy T​encent. Nic tutaj nie zostało odtworzone przez nikogo innego, ponieważ w chwili pisania nikt inny tego nie uruchomił.

Co faktycznie wydano i kiedy

Trzy warstwy pojawiły się w odstępie około 24 godzin od siebie, a informacje o wydaniu są nietypowo precyzyjne co do tego, które z nich są ukończone:

• Model — tencent/Hy-Memory-30B-A3B został opublikowany na Hugging Face 15 października 2026 r. (09:52 UTC), na licencji Apache 2.0, wraz z raportem technicznym arXiv 2610.22196, który przesłano tego samego dnia.

• Framework — hy-memory==2.0.1 został przesłany do PyPI 15 października 2026 o 17:24 UTC, a monorepo udostępniono jako open source tego samego dnia. Tag wydania GitHub v1.0.0 został utworzony 16 października o 08:44 UTC.

• Aplikacja — zasoby wydania MemHub istnieją: notaryzowany obraz dysku macOS arm64 o rozmiarze 303 MB według licznika GitHuba, a także pakiety środowiska uruchomieniowego dla Linux arm64 i x64 o rozmiarach 245 MB i 251 MB. Windows jest wymieniony jako nieobsługiwany.

• Luka — własny changelog projektu podaje, że MemHub „nie ma jeszcze publicznego wydania”, że jego wersja źródłowa to 1.0.0 (kompilacja 4) oraz że zarówno publikacja w npm, jak i artefakty GitHub Release wciąż są w toku. Pakiet npm, którego zamierza użyć, memhub-cli, zwraca 404 z rejestru. Obrazy dyskowe są dołączone do wydania; instalator wiersza poleceń, który ma je pobierać, nie został opublikowany.

Ten ostatni punkt wart jest przeczytania dwa razy, ponieważ to różnica między premierą a kandydatem do wydania. Kompilacja Apple jest podpisana i notaryzowana, co jest prawdziwą pracą, a strona wydania zgromadziła garstkę pobrań. Ale udokumentowana ścieżka instalacji zaczyna się od pakietu npm, który nie istnieje w chwili pisania. Jeśli planowałeś wypróbować MemHub w tym tygodniu, przygotuj się na pobranie źródeł zamiast instalacji jednoliniowej.

Hy-Memory-30B-A3B, model

Plik konfiguracyjny jest najmniej romantycznym i najbardziej użytecznym dokumentem w całym wydaniu. Opisuje standardowy, dobrze znany kształt MoE, a nie cokolwiek egzotycznego:

• Parametry — łącznie 30B, około 3B aktywnych na token, co właśnie oznacza przyrostek A3B.

• Architektura — 48 warstw, z których jedna jest gęsta, a 47 to rzadkie MoE; 128 ekspertów na blok z routingiem top-8 plus jeden wspólny ekspert; rozmiar ukryty 2,048; pośrednia szerokość eksperta 768; 32 głowice uwagi wobec 4 głowic klucz-wartość z normalizacją zapytanie-klucz; router sigmoidalny z wyrazem obciążenia eksperta i współczynnikiem skalowania 2,826.

• Kontekst — 262 144 pozycji, z bazą RoPE wynoszącą 11 158 840.

• Zajętość — 51 shardów safetensors, około 60,1 GB w BF16. To jedyna precyzja, jaką udostępnił T​encent.

• Serwowanie — karta jest opracowana wokół vLLM, przetestowana z v0.31.0, za endpointem zgodnym z OpenAI, a także wymienia SGLang i Docker Model Runner jako obsługiwane środowiska uruchomieniowe. Nie jest wdrażana przez żadnego dostawcę inferencji, a indeks wyszukiwania Hugging Face nie zwraca żadnego GGUF, żadnej kompilacji FP8 ani NVFP4 i żadnego fine-tune’a.

Ten brak jest praktyczną przeszkodą. Dostawca, który udostępnia punkt kontrolny BF16 o rozmiarze 60 GB i nic więcej, mówi ci, gdzie spodziewa się uruchamiać model — a odpowiedzią jest maszyna, którą już posiadasz lub wynajmujesz w centrum danych. Nie ma żadnego skwantyzowanego odpowiednika, który ktokolwiek mógłby ocenić na stacji roboczej.

Model jest uruchamiany z reasoning_effort: "no_think" i temperature 0.0 w samym quickstarcie T​encenta. Zapis pamięci uruchamia się przy każdej turze rozmowy, aby zdecydować, co zachować, więc deliberacja to zły wybór: musi być deterministyczny, generować krótkie wyjście i być tani. Ten wybór projektowy jest także najsilniejszym argumentem za tym, by model w ogóle istniał, ponieważ to dokładnie ten rodzaj obciążenia, przy którym czołowy model konwersacyjny jest najbardziej marnotrawny.

To 55,49 odczytane tak, jak powinno być odczytane

Tencent wytrenował moduł zapisujący na trzech frameworkach pamięci — Mem0, MemOS i własnym Hy-Memory — a następnie ocenił go na czwartym, EverMemOS, który został całkowicie wykluczony z treningu. Pozostawienie jednego frameworku poza treningiem to właściwy sposób testowania twierdzenia o transferze, a transfer między frameworkami stanowi całą tezę artykułu.

Wyniki, które są własnością Tencenta i nie zostały odtworzone:

• Hy-Memory-30B-A3B — średnia makro 55,49 w czterech zestawach testowych.

• Claude Opus 5 — 54.62.

• DeepSeek V4.1 Flash — 53.64.

• T​encent Hy3 — 51.63.

• Qwen3.6-35B-A3B — 50,37.

• Hy3-A3B Base — 47,66, ten sam model przed treningiem ukierunkowanym na pamięć — i właśnie stąd wynika główny 7,8-punktowy zysk z treningu.

• Qwen3-30B-A3B — 44,37.

Po rozbiciu na poszczególne harnessy przewaga topnieje. W starciu z Claude Opus 5 marginesy wynoszą 54,02 wobec 53,43 w Mem0, 60,55 wobec 60,53 w Hy-Memory, 50,51 wobec 50,50 w MemOS i 56,89 wobec 54,04 w EverMemOS. Trzy z tych czterech to szum statystyczny w wieńcu laurowym — przewaga dwóch setnych punktu w harnessie Hy-Memory nie jest przewagą. Cała różnica między specjalistą z 3B aktywnych parametrów a modelem frontierowym mieści się w tym jednym harnessie, który wyłączono z treningu, gdzie luka wynosi 2,85 punktu i gdzie najmniej prawdopodobne jest, że dostrajano pod to twierdzenie.

Dwa szczegóły projektowe znaczą tyle samo co liczby. Każda wartość w głównej macierzy opiera się na stałej 20-procentowej podpróbie, a nie na pełnym benchmarku, a ewaluacja zmienia wyłącznie writer, utrzymując stały harness, prompty, konfigurację wyszukiwania, model odpowiadający i sędziego. Ten drugi wybór to dobra higiena eksperymentalna — izoluje badaną zmienną — ale to harness T​encenta i sędzia T​encenta. Traktuj tę tabelę jako hipotezę z dołączonym repozytorium: to więcej, niż towarzyszy większości twierdzeń z dnia premiery, a zarazem mniej niż wynik.

Liczby w frameworku są większą tezą.

Porównanie modeli to cytat, który T​encent zamieścił w poście. Porównanie frameworków to to, które zmieniłoby architekturę czytelnika, gdyby się utrzymało.

Na własnej stronie internetowej firmy Hy Memory 2.0 zajmuje pierwsze miejsce wśród otwartoźródłowych frameworków pamięci w czterech benchmarkach — wyprzedzając Mem0, MemOS, EverOS, OpenViking, RepoMemory oraz zwykły bazowy RAG z przesuwanym oknem — w trzech scenariuszach, które obejmuje:

• Czat — 72,6% w LoCoMo, na podstawie 1 527 pytań nieadwersarialnych.

• Działa — średnio 55,31% w MemoryArena (zestaw do planowania podróży i zakupów w pakietach), o 10,2 punktu przed następnym frameworkiem.

• Kodowanie — 64,2% w odpowiadaniu na pytania w CodeMemoryBench i 35,6% wskaźnika rozwiązywania, a także 28,3% wskaźnika rozwiązywania w SWE-ContextBench.

• Ślad pamięciowy — przechowywanie w pamięci 6,06% tokenów wejściowych, w porównaniu z od 31,9% do 41,2% w przypadku frameworków, z którymi jest porównywany.

To właśnie liczba obrazująca ślad pamięciowy jest tym, co warto podkraść. Systemy pamięci zawodzą w środowisku produkcyjnym z dwóch powodów: zapominają nie to, co trzeba, i rosną bez ograniczeń. Bank, który kosztuje sześć procent rozmowy, którą podsumowuje, to zupełnie inna kwestia operacyjna niż taki, który kosztuje czterdzieści procent, i to jest ten wymiar, na którym odbiorcy zajmujący się routingiem i kosztami powinni się skupić, niezależnie od tego, czy uporządkowanie według dokładności przetrwa weryfikację. Protokół ewaluacji opublikowano wraz z nim: model pamięci DeepSeek V4.1 Flash, model odpowiedzi i oceniający GPT-5.6-sol, pamięć mierzona jako tokeny banku w stosunku do tokenów wejściowych, przy czym bank liczy wyłącznie wygenerowaną pamięć.

Tencent wymienia także wewnętrzne wdrożenia — test przypominania asystenta giełdowego z 40-punktową poprawą w rozumowaniu wieloetapowym, wtyczkę do bazy wiedzy oraz ocenę preferencji w aplikacji informacyjnej ze średnią 91,68 na 100 — w obszarach finansów, wiadomości, zarządzania wiedzą, agentów biurowych, social mediów i gier. To własne metryki produktowe firmy, a nie benchmarki, i należy je odczytywać jako dowód, że coś działa gdzieś naprawdę, a nie jako dowód, że jest lepsze od czegokolwiek.

MemHub to część, z której większość czytelników mogłaby faktycznie skorzystać.

Model potrzebuje GPU. Framework potrzebuje zespołu inżynierów. MemHub potrzebuje laptopa.

To produkt typu local-first dla komputerów stacjonarnych i wiersza poleceń, który konsoliduje historię z narzędzi AI, którym już udzielono autoryzacji, w jednym zarządzanym środowisku uruchomieniowym i jednym katalogu danych — dzięki czemu preferencja ustawiona w jednym agencie kodującym jest dostępna w następnym. T​encent wymienia dziesięć obsługiwanych integracji: WorkBuddy, Cursor, Codex, C​laude Code, OpenCode, OpenClaw, Q​wen Code, Pi, Hermes i D​eepSeek Harness. Podana ścieżka danych to ~/.one-memory, przy czym SQLite służy do metadanych związanych z pracą i kodowaniem, a ChromaDB i Kuzu są domyślnymi magazynami; dokumentacja bezpieczeństwa wyraźnie stwierdza, że produkt nie zbiera zawartości ekranu, drzew dostępności, danych OCR, schowka ani dźwięku z tła.

Twierdzenia, do których warto podchodzić sceptycznie, to te dotyczące usuwania. CLI rozróżnia trzy poziomy: odinstalowanie pakietu npm usuwa tylko CLI, memhub uninstall usuwa usługi, zarządzane środowisko uruchomieniowe i dowiązania CLI, ale zachowuje twoją pamięć, a dopiero osobne polecenie memhub delete-data usuwa magazyn — po zatrzymaniu środowiska uruchomieniowego i potwierdzeniu dokładnej ścieżki. To lepszy projekt niż w większości narzędzi w tej kategorii, a jednocześnie opis zamierzonego działania w wydaniu, którego instalator nie został jeszcze opublikowany. Każdy, kto przyjmuje go do pracy, która ma znaczenie, powinien samodzielnie zweryfikować ścieżkę usuwania, zanim powierzy mu cokolwiek, czego nie chciałby zachować.

Co wciąż pozostaje niepotwierdzone, mówiąc wprost

• Żadnego niezależnego benchmarku jakiegokolwiek rodzaju. Nie uruchomiono żadnego zewnętrznego harnessu, brak miejsca w arenie i nic nie zostało odtworzone poza T​encent.

• Brak reprodukcji tabeli porównań między różnymi środowiskami (cross-harness), a w szczególności odłożonego wyniku EverMemOS, który to wynik dźwiga całą tezę o transferze na podstawie pojedynczego przebiegu u jednego dostawcy.

• Brak kwantyzacji, więc brak zmierzonego zużycia pamięci poniżej 60 GB i brak ścieżki ewaluacji w skali stacji roboczej.

• Brak hostowanego endpointu i brak dostawcy inferencji wymienionego na karcie modelu.

• Brak opublikowanego pakietu npm dla MemHub, więc udokumentowana ścieżka instalacji jeszcze nie działa od początku do końca.

• Brak danych o koszcie na rozmowę. Zapisywanie pamięci to obciążenie o wysokiej częstotliwości i krótkich danych wyjściowych; nikt nie opublikował liczby tokenów na zapis ani tego, ile faktycznie kosztuje miesięczne działanie asystenta z pamięcią w przeliczeniu na użytkownika.

Gdzie router pasuje, a gdzie nie

Bądź precyzyjny w tej kwestii, ponieważ łatwo byłoby przesadzić. Hy-Memory-30B-A3B nie znajduje się w katalogu OrcaRouter i nie hostujemy go. Droga do modelu piszącego prowadzi przez checkpoint na Hugging Face i twój własny sprzęt. Warstwa routingu niczego w tym nie zmienia.

To, co obejmuje router, to druga połowa zestawu testowego. System pamięci to ścieżka zapisu i ścieżka odczytu, a opublikowana ocena T​encenta mówi wprost, czym zwykle jest ścieżka odczytu: zapisujący decyduje, co przechowywać, a osobny model czołowy odczytuje bank i odpowiada. W konfiguracji samego T​encenta są to DeepSeek V4.1 Flash jako model pamięci oraz GPT-5.6-sol jako model odpowiadający i sędzia. OrcaRouter obsługuje oba na jednym kluczu w cenie katalogowej bez marży, więc zmiana ceny dostawcy jest widoczna u nas tego samego dnia, a nie dopiero przy kolejnym odnowieniu umowy.

DSL routingu to element, który pasuje konkretnie do tej architektury. Łączy endpoint hostowany samodzielnie i endpoint hostowany zewnętrznie w jedno wywołanie, co dokładnie odpowiada kształtowi systemu pamięci — tani specjalista na ścieżce zapisu, którego uruchamiasz u siebie, model frontier na ścieżce odczytu, który wynajmujesz. Ten sam układ sprawia, że ryzykowna część jest do przetrwania: skieruj komponent zapisujący na własne wdrożenie Hy-Memory-30B-A3B, trzymaj model ogólny za automatycznym przełączeniem awaryjnym, a zła ścieżka zapisu pogorszy odpowiedź, zamiast wyłączyć aplikację. Ten wzorzec warto zbudować, zanim uruchomisz komponent zapisujący, ponieważ jest identyczny niezależnie od tego, czy ścieżka zapisu to wyspecjalizowany checkpoint, czy model ogólny z promptem pamięci.

Kto powinien działać, a kto powinien czekać?

Jeśli uruchamiasz agentów z długotrwałą pamięcią i masz już GPU, ścieżka zapisu jest uczciwym miejscem, by spędzić tydzień: checkpoint jest na licencji Apache 2.0, a model zapisujący pamięć to rzadki model, którego wartość można zmierzyć na własnym ruchu, a nie w cudzej tabeli benchmarków. Jeśli jesteś użytkownikiem, a nie operatorem, MemHub jest tym interesującym — i to na niego warto poczekać, aż powstanie instalator i ktoś spoza T​encent przećwiczy ścieżkę usuwania. A jeśli wybierasz model na podstawie samego ogłoszenia, właściwa postawa to ta, do której zachęca samo wydanie: 55,49 wobec 54,62 to remis w trzech zestawach testowych i realna różnica w czwartym, a czwarty to ten, którego nikt nie sprawdził.