腾讯混元开源 Hy Memory 2.0，含 Hy-Memory-30B-A3B 模型、SDK 与 MemHub

完整中文导读

腾讯混元团队开源 Hy Memory 2.0，由记忆写入模型 Hy-Memory-30B-A3B、可编程框架 hy-memory SDK 和桌面工具 MemHub 三部分组成。

中文整理

作者 / 来源：meng shao (@shao__meng) · 原文时间：2026年10月16日 21:12（北京时间）

原作者信息要点

腾讯混元团队开源 Hy Memory 2.0，包含三部分：专用记忆写入模型 Hy-Memory-30B-A3B、可编程记忆框架 hy-memory SDK、面向终端用户的桌面工具 MemHub。

Hy-Memory-30B-A3B 为 30B 总参数、约 3B 激活的 MoE 架构。训练分两步：先用 On-Policy Distillation 让学生模型在自己生成的记忆状态上学习各框架写入协议；再用归因记忆强化学习优化下游效果，用逐块探针定位贡献、跨上下文窗口携带自己写入的记忆库。

hy-memory SDK 按三类场景设计记忆形态：Chat 记忆采用 L1–L7 层级结构（原始对话、原子事实、会话摘要、心理模型、前瞻意图），分 lite/pro/ultra 三档，最低档零 LLM 调用、纯向量检索；Working 记忆区分会话事实与可复用经验两层，经验写入需通过价值阈值；Coding 记忆只记录代码坐标（文件/函数/分支）而不粘贴代码本体，并以装饰器方式在事实下挂载每次修订的真实 diff。

存储后端可插拔（ChromaDB/Qdrant/FAISS 加 Kuzu/Neo4j 加 SQLite），任何 OpenAI 兼容端点即可运行，pip install hy-memory 即用。

MemHub 为本地优先的 CLI 加 Mac 桌面应用，把 Claude Code、Cursor、Codex、Qwen Code 等工具的会话历史统一到一个记忆运行时。

基准方面：在 Mem0、Hy-Mem、MemOS 及未参与训练的 EverMemOS 四个 harness 宏平均六个指标上，该模型以 55.49 排第一，Claude Opus 5 为 54.62；数据来自官方技术报告，基于固定的 20% 基准子样本，属自报成绩。在 held-out 框架 EverMemOS 上为 56.89 对 54.04；相比同架构基座 Qwen3-30B-A3B 的 44.37 提升约 11 分。

官方账号 @TencentHunyuan 称其为开源模型、框架与 MemHub 组合，框架处理聊天、工作与代码记忆，称在 4 个基准上为第一开源，MemHub 可跨 10 个以上 AI 工具同步。

本站整理与观察

本站观察：该方案的核心主张是用专用小模型替代通用大模型做记忆写入，以降低高频调用成本，并强调可跨框架工作。

本站观察：官方给出的领先幅度不到 1 分，且为自报成绩，尚待独立复现；相对基座约 11 分的提升与 held-out 框架上的表现，是材料中更具说服力的两点。

本站观察：Coding 记忆只存代码坐标并挂载 diff 的设计，指向代码场景的噪音控制，但材料未给出该设计的具体评测数据。

材料为官方发布信息与官方账号帖文，基准成绩均属自报，未提供独立复现结果；未给出各分项指标、评测环境细节、模型许可与商用条款、SDK 与 MemHub 的实际可用性验证，也未提供第三方对比测试。本站观察仅为基于材料的推论，不构成对性能的独立验证。

上下文来源：1