RespuestasPublicado17 fuentes
Hy Memory 2.0: así es la nueva memoria abierta de Tencent para agentes de IA
Hy Memory 2.0 se compone de un framework y SDK de Python, el modelo Hy Memory 30B A3B y la aplicación local MemHub. El framework organiza memoria de conversaciones, trabajo y código; los desarrolladores pueden conectarlo a sus agentes mediante el SDK.
Publicado porEditado con GPT-6 LunaImágenes generadas con GPT Image 2
Respuesta de investigación
Conclusiones clave
- Hy Memory 2.0 se compone de un framework y SDK de Python, el modelo Hy Memory 30B A3B y la aplicación local MemHub.
- El framework organiza memoria de conversaciones, trabajo y código; los desarrolladores pueden conectarlo a sus agentes mediante el SDK.
- Tencent comunicó resultados en cuatro benchmarks y uso interno en varias áreas, pero son datos reportados por la empresa, no una evaluación independiente.
Prompt de IA
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Tencent Hunyuan open-source in its October 17, 2026 release of Hy Memory 2.0, and how do its independently usable or combinable fra. Article summary: Tencent Hunyuan open-sourced three layers of Hy Memory 2.0: the Hy-Memory agent-memory framework and Python SDK, the dedicated Hy-Memory-30B-A3B model, and the MemHub local memory application, usable separately or togeth. 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
Tencent Hunyuan presentó Hy Memory 2.0 como un sistema abierto de tres componentes para dotar de memoria a agentes de inteligencia artificial: un framework con SDK de Python, un modelo especializado y MemHub, una aplicación de gestión local. Cada pieza puede utilizarse por separado o combinarse con las demás. La presentación general se anunció el 16 de octubre de 2026; el registro de cambios fecha el lanzamiento del paquete hy-memory==2.0.2 para el día 17. 16
21
30
Tres componentes con funciones distintas
1. Framework Hy-Memory y SDK de Python
El framework se encarga de almacenar, actualizar y recuperar tres tipos de memoria: de chat, de trabajo y de código. El SDK permite a los desarrolladores integrarlo en agentes de IA. El registro del proyecto indica que hy-memory==2.0.2 se publicó el 17 de octubre y que el paquete incluye metadatos de licencia Apache-2.0. 16
21
30
La propuesta, por tanto, va más allá de conservar el historial de una conversación: contempla también memoria relacionada con tareas y con trabajo de programación. Las fuentes disponibles confirman esos tres tipos, pero no bastan para verificar todos los detalles sobre cómo se registran las decisiones de una tarea o cómo se recupera el contexto cuando se retoma. 14
16
2. El modelo Hy-Memory-30B-A3B
Tencent también publicó Hy-Memory-30B-A3B, un modelo de mezcla de expertos —una arquitectura que activa solo parte de sus parámetros para cada operación— descrito como un modelo con unos 3.000 millones de parámetros activos. Se presenta como especializado en extraer recuerdos y gestionar conflictos entre ellos. Sus pesos se publicaron en Hugging Face junto con un informe técnico. 1
14
Este modelo es una pieza independiente del framework. En su página de producto, Tencent informa una puntuación media de 55,49 para el modelo en su evaluación y la compara con 54,62 para Claude Opus 5. Es un resultado comunicado por la empresa y no debe confundirse con las puntuaciones de los benchmarks del framework, que miden tareas distintas. 16
3. MemHub, la aplicación local
MemHub ofrece una herramienta de línea de comandos y una aplicación de escritorio para Mac. El repositorio la describe como una solución de prioridad local que reúne historiales de conversación y rastros de programación de aplicaciones de IA autorizadas por el usuario, dentro de un entorno gestionado y un directorio de datos local. Entre los ejemplos documentados están Claude Code, Cursor, Codex, OpenCode y Qwen Code. 4
14
La idea es hacer que la memoria pueda compartirse entre herramientas compatibles sin dejar de mantener el almacén de datos en local. Las fuentes confirman ese diseño y las integraciones mencionadas, pero no verifican todas las afirmaciones sobre cuántas herramientas pueden conectarse ni sobre la sincronización continua de sesiones pasadas y nuevas. 4
Uso interno y resultados que comunica Tencent
La empresa afirma que Hy Memory ya se utiliza internamente en áreas como finanzas, noticias, gestión del conocimiento, agentes de oficina, entretenimiento social y videojuegos. Se trata de una descripción de uso proporcionada por Tencent, no de una evaluación independiente de sus resultados. 21
Tencent también sostiene que Hy Memory quedó primero entre los frameworks de código abierto que comparó en cuatro benchmarks. Los resultados publicados incluyen: 16
35
- MemoryArena: una media del 55,31 % en tareas de planificación de viajes y compras combinadas. Un reporte indica que superó por 10,2 puntos porcentuales al sistema siguiente.
35
- CodeMemoryBench: 64,2 % de precisión en preguntas y respuestas sobre código y una tasa del 35,6 % de resolución de tareas de código.
- SWE-ContextBench: 28,3 % de resolución de tareas de código.
- LoCoMo: 72,6 % de precisión en memoria de chat. El mismo reporte compara 1.159 tokens por pregunta para el sistema de referencia con 703 para Hy Memory, una reducción comunicada del 39,3 %.
Son comparaciones de benchmarks comunicadas por Tencent, no una validación independiente. Además, corresponden a tareas y métricas diferentes: no se deben interpretar como una única puntuación global ni como garantía de rendimiento en cualquier implementación. 16
35
Qué ofrece a quienes desarrollan agentes
Hy Memory 2.0 presenta la memoria de agentes como un conjunto de piezas combinables, en vez de un producto cerrado que haya que adoptar de una sola vez. Un equipo puede empezar con el framework y el SDK, incorporar el modelo como una capa especializada para escribir recuerdos o añadir MemHub para gestionar memoria local entre herramientas. El uso interno y las cifras de los benchmarks reflejan cómo Tencent posiciona la solución; quienes la evalúen tendrán que probarla con sus propias cargas de trabajo y comprobar qué integraciones y funciones se ajustan a sus necesidades. 4
14
16
21
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "Hy Memory 2.0: así es la nueva memoria abierta de Tencent para agentes de IA"?
Hy Memory 2.0 se compone de un framework y SDK de Python, el modelo Hy Memory 30B A3B y la aplicación local MemHub.
¿Cuáles son los puntos clave a validar primero?
Hy Memory 2.0 se compone de un framework y SDK de Python, el modelo Hy Memory 30B A3B y la aplicación local MemHub. El framework organiza memoria de conversaciones, trabajo y código; los desarrolladores pueden conectarlo a sus agentes mediante el SDK.
¿Qué debo hacer a continuación en la práctica?
Tencent comunicó resultados en cuatro benchmarks y uso interno en varias áreas, pero son datos reportados por la empresa, no una evaluación independiente.