AnswersPublished24 sources
MemT 1.0 chce, aby si AI pamatovala bez stále delšího přepisu
Řada MemT 1.0 zahrnuje modely Flash s 288 miliardami parametrů, z nichž je aktivních 17 miliard, a Nano s 36 miliardami celkem a 3 miliardami aktivních parametrů. Místo opakovaného zpracování celého přepisu rozhovoru modely ukládají informace do vnitřního stavu pevné velikosti a později z něj čerpají.
PublikovalUpraveno pomocí GPT-6 LunaObrázky vytvořeny pomocí GPT Image 2
Research answer
Key takeaways
- Řada MemT 1.0 zahrnuje modely Flash s 288 miliardami parametrů, z nichž je aktivních 17 miliard, a Nano s 36 miliardami celkem a 3 miliardami aktivních parametrů.
- Místo opakovaného zpracování celého přepisu rozhovoru modely ukládají informace do vnitřního stavu pevné velikosti a později z něj čerpají.
- Váhy modelu Flash jsou pod licencí MIT, u Nano jde o Apache 2.0. Doprovodný software má odlišné podmínky, proto je před použitím potřeba prověřit licenci konkrétní části.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Chinese AI company MemTensor announce and open-source on October 22, 2026, with its memory-native MemT 1.0 Flash and Nano models, i. Article summary: MemTensor released the memory-native MemT 1.0 family—Flash and Nano—designed to retain information internally rather than repeatedly process an ever-growing conversation history.[10][11] Two details in the question need . Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
MemTensor představilo řadu MemT 1.0, která zahrnuje modely Flash a Nano. Jejich hlavní odlišností od běžného přístupu je způsob práce s dlouhou historií: místo opakovaného předávání stále delšího přepisu má model důležité informace uchovávat ve vlastní, trvalé paměti. Zprávy zveřejněné 22. října uvádějí, že firma modely představila večer předchozího dne.8 Výkonnostní čísla níže pocházejí z testů uváděných firmou, a nelze je proto považovat za záruku stejných výsledků v každém nasazení.
8
13
Dvě velikosti, dvě konfigurace paměti
Modely se liší celkovým počtem parametrů, počtem těch, které jsou aktivní, i velikostí paměťových komponent. Jde o různé údaje: trénovatelné parametry paměti ani její dynamický stav nejsou totéž co aktivní parametry modelu.4
5
| Model | Parametry celkem | Aktivní parametry | Trénovatelné parametry paměti | Dynamický stav paměti |
|---|---|---|---|---|
| MemT-1.0-Flash | 288 mld. | 17 mld. | 3,61 mld. | 336 mil. |
| MemT-1.0-Nano | 36 mld. | 3 mld. | 451 mil. | 10 mil. |
Váhy obou modelů jsou dostupné na Hugging Face. Oficiální repozitář na GitHubu obsahuje implementační materiály a odkazy na technickou zprávu MemT-1.0: Towards Memory-Native Evolution.4
5
20
21
Místo celého přepisu ukládá model průběžné vzpomínky
Při běžném zpracování dlouhé konverzace model znovu dostává její historii jako součást kontextu. S každou další zprávou tak přibývá text, který je třeba zpracovávat. MemT místo toho přidává trénovatelný paměťový modul: ten po interakcích aktualizuje vnitřní stav pevné velikosti a model z něj může později potřebné informace znovu načíst.7
25
Podle MemTensoru modely trénovaly ve dvou fázích na 34 miliardách tokenů: nejprve pokračovalo předtrénování, následovalo dodatečné trénování. Cílem bylo naučit systém zapisovat informace do paměti a odpovídat na základě toho, co si uložil.8
31
Co ukázaly firemní testy
V testech dlouhé historie bylo Nano při celkovém zpracování přibližně 1,86krát rychlejší než srovnávaný přístup s plným kontextem při historii o délce 128 tisíc tokenů. Při 256 tisících tokenů činilo uváděné zrychlení 3,99krát.8
9 Jde o výsledky konkrétních měření, které se mohou v praxi lišit podle úlohy a podmínek nasazení.
13
Firma uvádí také dobu do vygenerování prvního tokenu a potřebné úložiště na jednu relaci. Při 256 tisících tokenech historie měla být tato doba u MemT přibližně 104–112 milisekund, zatímco u porovnávaného plného kontextu zhruba 445 milisekund. Stav paměti zabíral podle testu přibližně 40 MiB na relaci, oproti asi 5,06 GiB u cache plného kontextu — přibližně 130krát méně úložného prostoru v tomto srovnání.13
22
25
V 11 testech paměti dosáhl Flash průměrného skóre 50,6 a Nano 47,0. V hodnocení se umístily na prvním a druhém místě mezi zkoumanými metodami parametrické paměti; při dotazu přitom nedostaly původní historii.9
14 Technická zpráva popisuje jejich výsledky také jako konkurenceschopné vůči přístupům s rozšířeným vyhledáváním, to ale neznamená, že překonávají každý takový systém nebo každou úlohu.
9
Testování s rušivými informacemi podle zpráv ukázalo, že obecné schopnosti modelu Flash zůstaly v zásadě srovnatelné s výchozí verzí bez paměti; v některých testech se zlepšily.7
25
Pozor na rozdílné licence
Licence vah a doprovodného softwaru nejsou stejné. Modelové karty na Hugging Face uvádějí pro váhy Flash licenci MIT a pro Nano Apache 2.0.20
21 Uváděná licence doprovodného inferenčního softwaru je PolyForm Noncommercial 1.0.0. Před komerčním použitím proto zkontrolujte podmínky příslušného repozitáře i licencí jeho součástí.
18
20
21
30
Hlavní myšlenka MemT 1.0 je jednoduchá: místo neustálého znovuprocházení celé konverzace si model průběžně uchovává její užitečné části ve stavu omezené velikosti. Výsledky zveřejněných testů naznačují možné úspory při práci s dlouhými rozhovory, zatím ale jde o firemní měření, nikoli o příslib stejného výkonu v každém prostředí.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "MemT 1.0 chce, aby si AI pamatovala bez stále delšího přepisu"?
Řada MemT 1.0 zahrnuje modely Flash s 288 miliardami parametrů, z nichž je aktivních 17 miliard, a Nano s 36 miliardami celkem a 3 miliardami aktivních parametrů.
What are the key points to validate first?
Řada MemT 1.0 zahrnuje modely Flash s 288 miliardami parametrů, z nichž je aktivních 17 miliard, a Nano s 36 miliardami celkem a 3 miliardami aktivních parametrů. Místo opakovaného zpracování celého přepisu rozhovoru modely ukládají informace do vnitřního stavu pevné velikosti a později z něj čerpají.
What should I do next in practice?
Váhy modelu Flash jsou pod licencí MIT, u Nano jde o Apache 2.0. Doprovodný software má odlišné podmínky, proto je před použitím potřeba prověřit licenci konkrétní části.