RéponsesPublié17 sources
Hy Memory 2.0 : une mémoire d’agent en trois briques, utilisables séparément
Hy Memory 2.0 réunit trois composants open source : un framework avec SDK Python, le modèle Hy Memory 30B A3B et l’application locale MemHub. Le framework gère les mémoires de conversation, de travail et de code ; les trois briques peuvent être utilisées indépendamment ou ensemble.
Publié parModifié avec GPT-6 LunaImages générées avec GPT Image 2
Réponse de recherche
Points clés à retenir
- Hy Memory 2.0 réunit trois composants open source : un framework avec SDK Python, le modèle Hy Memory 30B A3B et l’application locale MemHub.
- Le framework gère les mémoires de conversation, de travail et de code ; les trois briques peuvent être utilisées indépendamment ou ensemble.
- Tencent rapporte des résultats en tête de plusieurs benchmarks, mais il s’agit de comparaisons communiquées par l’entreprise, pas d’une validation indépendante.
Prompt 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
Hy Memory 2.0 ne se présente pas comme un outil monolithique, mais comme un ensemble de trois briques pour donner une mémoire aux agents d’intelligence artificielle : un framework et son SDK Python, un modèle spécialisé et MemHub, une application de gestion locale. Chaque élément peut fonctionner seul ou s’intégrer aux autres. L’annonce générale a été rapportée le 16 octobre 2026 ; le journal du projet date la publication de hy-memory==2.0.2 au 17 octobre. 16
21
30
Trois composants, trois usages
Le framework et le SDK Python
Le framework Hy-Memory prend en charge le stockage, la mise à jour et la récupération de trois types de mémoire : les conversations, le travail et le code. Les développeurs peuvent le relier à leurs agents grâce au SDK Python. Le journal du projet indique que la version hy-memory==2.0.2, publiée le 17 octobre, comporte des métadonnées de licence Apache-2.0. 16
21
30
L’intérêt affiché est d’aller au-delà de l’historique des échanges : le framework distingue aussi les informations liées aux tâches et au développement logiciel. Les sources disponibles confirment ces catégories, mais ne permettent pas de vérifier toutes les précisions avancées ailleurs sur leur fonctionnement, par exemple la façon exacte dont les décisions sont consignées ou dont le système reprend un travail interrompu. 14
16
Le modèle Hy-Memory-30B-A3B
Tencent a également publié Hy-Memory-30B-A3B, un modèle à architecture « mixture of experts » (MoE), présenté comme ayant environ 3 milliards de paramètres actifs et entraîné pour l’extraction de souvenirs et la gestion des conflits entre informations. Ses poids ont été mis en ligne sur Hugging Face avec un rapport technique. 1
14
Ce modèle est une brique distincte du framework. Sur son site, Tencent lui attribue une moyenne de 55,49 dans son évaluation et le compare à Claude Opus 5, crédité de 54,62. Ce résultat est rapporté par l’entreprise et ne doit pas être confondu avec les scores des benchmarks du framework, qui évaluent d’autres tâches. 16
MemHub, l’application locale
MemHub existe en version ligne de commande et en application de bureau pour Mac. Le dépôt du projet la décrit comme une solution « local-first » : les historiques de conversation et traces de code provenant d’applications autorisées par l’utilisateur sont rassemblés dans un environnement géré et un répertoire de données local. Les intégrations citées comprennent Claude Code, Cursor, Codex, OpenCode et Qwen Code. 4
14
L’objectif est de rendre la mémoire accessible entre plusieurs outils pris en charge tout en conservant le stockage sur l’appareil. Les sources confirment cette conception et les intégrations mentionnées, mais ne vérifient pas toutes les affirmations sur le nombre d’outils connectés ni sur la synchronisation continue de l’ensemble des sessions passées et futures. 4
Ce que Tencent rapporte sur les usages et les benchmarks
Tencent indique que Hy Memory est déjà utilisé en interne dans des activités liées à la finance, à l’information, à la gestion des connaissances, aux agents bureautiques, au divertissement social et aux jeux. Il s’agit d’usages rapportés par l’entreprise, et non d’une évaluation indépendante de leurs effets. 21
Tencent affirme également que Hy Memory arrive en tête des frameworks open source qu’il a comparés sur quatre benchmarks. Les résultats communiqués comprennent : 16
35
- MemoryArena : 55,31 % de performance moyenne sur des tâches de planification de voyage et d’achats combinés. Un compte rendu indique une avance de 10,2 points de pourcentage sur le système suivant.
35
- CodeMemoryBench : 64,2 % de précision en questions-réponses sur du code et 35,6 % de résolution de tâches de programmation.
- SWE-ContextBench : 28,3 % de résolution de tâches de programmation.
- LoCoMo : 72,6 % de précision pour la mémoire conversationnelle. Le même compte rendu fait état de 1 159 jetons par question pour le système comparé, contre 703 pour Hy Memory, soit une baisse annoncée de 39,3 %.
Ces chiffres sont des comparaisons rapportées par Tencent, pas une validation indépendante. Ils portent sur des tâches et des mesures différentes : ils ne constituent ni un score global unique ni une garantie de résultats dans tous les contextes de déploiement. 16
35
Ce que la publication change pour les développeurs
Hy Memory 2.0 propose une approche modulaire de la mémoire des agents. Une équipe peut commencer par le framework et le SDK, utiliser séparément le modèle spécialisé pour l’écriture des souvenirs, ou ajouter MemHub pour gérer localement la mémoire entre outils compatibles. Les usages internes et les benchmarks donnent un aperçu de la manière dont Tencent positionne le projet ; pour décider de l’adopter, les développeurs devront toutefois le tester sur leurs propres tâches et vérifier que les intégrations et comportements de mémoire répondent à leurs besoins. 4
14
16
21
Studio Global AI
Continuez vos recherches
Cette page comprend une réponse basée sur la source que vous pouvez continuer dans Studio Global.
Les gens demandent aussi
Quelle est la réponse courte à « Hy Memory 2.0 : une mémoire d’agent en trois briques, utilisables séparément » ?
Hy Memory 2.0 réunit trois composants open source : un framework avec SDK Python, le modèle Hy Memory 30B A3B et l’application locale MemHub.
Quels sont les points clés à valider en premier ?
Hy Memory 2.0 réunit trois composants open source : un framework avec SDK Python, le modèle Hy Memory 30B A3B et l’application locale MemHub. Le framework gère les mémoires de conversation, de travail et de code ; les trois briques peuvent être utilisées indépendamment ou ensemble.
Que dois-je faire ensuite en pratique ?
Tencent rapporte des résultats en tête de plusieurs benchmarks, mais il s’agit de comparaisons communiquées par l’entreprise, pas d’une validation indépendante.