उत्तरप्रकाशित24 स्रोत
MemT 1.0 की कोशिश: बातचीत का पूरा इतिहास बार-बार पढ़ने की जरूरत घटाना
MemTensor ने MemT 1.0 के दो मॉडल जारी किए: Flash में कुल 288B और सक्रिय 17B पैरामीटर हैं, जबकि Nano में क्रमशः 36B और 3B हैं। मॉडल बातचीत की जानकारी को तय आकार की आंतरिक मेमोरी में लिखते और बाद में उससे जवाब देते हैं—हर बार पूरा पुराना संवाद फिर से प्रोसेस करने के बजाय। कंपनी के परीक्षणों में Nano ने 128K और 256K टो...
प्रकाशितकर्ताGPT-6 Luna से संपादितGPT Image 2 से चित्र बनाए गए
शोध उत्तर
मुख्य निष्कर्ष
- MemTensor ने MemT 1.0 के दो मॉडल जारी किए: Flash में कुल 288B और सक्रिय 17B पैरामीटर हैं, जबकि Nano में क्रमशः 36B और 3B हैं।
- मॉडल बातचीत की जानकारी को तय आकार की आंतरिक मेमोरी में लिखते और बाद में उससे जवाब देते हैं—हर बार पूरा पुराना संवाद फिर से प्रोसेस करने के बजाय।
- कंपनी के परीक्षणों में Nano ने 128K और 256K टोकन की हिस्ट्री पर क्रमशः लगभग 1.86× और 3.99× तेज एंड टू एंड इन्फरेंस दिखाया। ये नतीजे हर उपयोग या सेटअप की गारंटी नहीं हैं।
- Flash के मॉडल वेट MIT और Nano के Apache 2.0 लाइसेंस के तहत हैं। इनफरेंस सॉफ्टवेयर की शर्तें अलग हैं, इसलिए इस्तेमाल से पहले संबंधित लाइसेंस देखना जरूरी है।
AI संकेत
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 ने MemT 1.0 नाम से दो मेमोरी-नेटिव मॉडल—Flash और Nano—जारी किए हैं। इनका मकसद बातचीत की उपयोगी जानकारी को मॉडल के भीतर संभालकर रखना है, ताकि हर नए सवाल पर बढ़ती हुई पूरी चैट हिस्ट्री दोबारा प्रोसेस न करनी पड़े। 22 अक्टूबर की रिपोर्टों के मुताबिक, घोषणा 21 अक्टूबर की शाम हुई थी।8 नीचे दिए गए गति और दक्षता के आंकड़े कंपनी के अपने परीक्षणों पर आधारित हैं; इन्हें हर हार्डवेयर, काम या तैनाती में मिलने वाले नतीजों की गारंटी नहीं मानना चाहिए।
8
13
दो मॉडल, अलग आकार और मेमोरी
Flash और Nano के कुल तथा सक्रिय पैरामीटर अलग हैं। इन संख्याओं के अलावा, हर मॉडल में ट्रेन की जा सकने वाली मेमोरी के पैरामीटर और एक डायनामिक मेमोरी स्टेट भी है।4
5
| मॉडल | कुल पैरामीटर | सक्रिय पैरामीटर | ट्रेन किए जा सकने वाले मेमोरी पैरामीटर | डायनामिक मेमोरी स्टेट |
|---|---|---|---|---|
| MemT-1.0-Flash | 288B | 17B | 3.61B | 336M |
| MemT-1.0-Nano | 36B | 3B | 451M | 10M |
मॉडल वेट Hugging Face पर उपलब्ध हैं। MemTensor की आधिकारिक GitHub रिपॉजिटरी में कोड और तकनीकी रिपोर्ट MemT-1.0: Towards Memory-Native Evolution के लिंक भी दिए गए हैं।4
5
20
21
मॉडल अपनी मेमोरी कैसे इस्तेमाल करता है?
आम फुल-कॉन्टेक्स्ट तरीके में मॉडल को जवाब देते समय पुरानी बातचीत का टेक्स्ट भी संदर्भ के तौर पर दिया जाता है। जैसे-जैसे संवाद लंबा होता है, इस पूरे इतिहास को बार-बार साथ भेजना पड़ सकता है। MemT का तरीका अलग है: इसमें ट्रेन की जा सकने वाली मेमोरी मॉड्यूल बातचीत के बाद जानकारी को एक तय आकार की आंतरिक स्थिति में अपडेट करता है। आगे जरूरत पड़ने पर मॉडल उसी स्टेट से जानकारी लेने की कोशिश करता है।7
25
कंपनी के मुताबिक, मॉडल को 34 अरब टोकन के डेटा पर दो चरणों में ट्रेन किया गया—पहले continued pretraining और फिर post-training। इसका घोषित उद्देश्य था कि मॉडल मेमोरी में जानकारी लिखना और सहेजी गई जानकारी के आधार पर जवाब देना सीखे।8
31
कंपनी के परीक्षणों में क्या नतीजे आए?
लंबी हिस्ट्री वाले परीक्षणों में Nano का एंड-टू-एंड इन्फरेंस, फुल-कॉन्टेक्स्ट बेसलाइन की तुलना में 128K टोकन पर करीब 1.86× और 256K टोकन पर करीब 3.99× तेज बताया गया।8
9 ये खास परीक्षणों के नतीजे हैं; वास्तविक प्रदर्शन काम के प्रकार और तैनाती की स्थितियों के अनुसार बदल सकता है।
13
रिपोर्टों में सवाल मिलने के बाद पहला टोकन आने के समय और प्रति-सेशन स्टोरेज की तुलना भी दी गई है। 256K टोकन की हिस्ट्री पर MemT के लिए बताया गया time to first token करीब 104–112 मिलीसेकंड था, जबकि फुल-कॉन्टेक्स्ट तुलना में यह करीब 445 मिलीसेकंड था। एक सेशन की स्थायी मेमोरी करीब 40 MiB बताई गई, जबकि फुल-कॉन्टेक्स्ट KV cache करीब 5.06 GiB था—इस तुलना में स्टोरेज लगभग 130 गुना कम।13
22
25
11 मेमोरी बेंचमार्क पर Flash का औसत स्कोर 50.6 और Nano का 47.0 था। मूल्यांकन में शामिल पैरामीट्रिक-मेमोरी तरीकों में दोनों क्रमशः पहले और दूसरे स्थान पर रहे। रिपोर्ट किए गए परीक्षणों में सवाल पूछते समय मूल बातचीत का पूरा इतिहास मॉडल को नहीं दिया गया था।9
14 रिपोर्ट MemT को retrieval-augmented तरीकों के मुकाबले प्रतिस्पर्धी भी बताती है; इसका अर्थ यह नहीं कि वह हर retrieval सिस्टम या हर काम में बराबर प्रदर्शन करता है।
9
सामान्य क्षमताओं के परीक्षण में, बहुत-सी ध्यान भटकाने वाली जानकारी वाले मूल्यांकन पर Flash का प्रदर्शन मेमोरी जोड़ने से पहले के बेसलाइन के broadly comparable बताया गया; कुछ बेंचमार्क पर सुधार भी दर्ज हुआ।7
25
इस्तेमाल से पहले लाइसेंस जांचें
मॉडल वेट और सॉफ्टवेयर की लाइसेंस शर्तें अलग-अलग हैं। Hugging Face के मॉडल कार्ड के मुताबिक, Flash के वेट MIT और Nano के वेट Apache 2.0 लाइसेंस के तहत उपलब्ध हैं।20
21 साथ आने वाले इनफरेंस सॉफ्टवेयर के लिए PolyForm Noncommercial 1.0.0 का उल्लेख है। व्यावसायिक इस्तेमाल से पहले संबंधित रिपॉजिटरी का लाइसेंस और तीसरे पक्ष के घटकों की शर्तें जरूर जांचें।
18
20
21
30
MemT 1.0 का मुख्य विचार है कि मॉडल लंबे संवाद की काम की जानकारी को सीमित आकार की आंतरिक मेमोरी में रख सकता है। इससे कुछ परिस्थितियों में पुरानी हिस्ट्री को बार-बार प्रोसेस करने और प्रति-सेशन स्टोरेज की जरूरत घट सकती है। प्रकाशित परीक्षण इस दिशा के शुरुआती, उत्साहजनक आंकड़े देते हैं—लेकिन वे कंपनी के रिपोर्ट किए हुए नतीजे हैं, हर जगह मिलने वाले प्रदर्शन का वादा नहीं।
Studio Global AI
अपना शोध जारी रखें
इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।
लोग पूछते भी हैं
"MemT 1.0 की कोशिश: बातचीत का पूरा इतिहास बार-बार पढ़ने की जरूरत घटाना" का संक्षिप्त उत्तर क्या है?
MemTensor ने MemT 1.0 के दो मॉडल जारी किए: Flash में कुल 288B और सक्रिय 17B पैरामीटर हैं, जबकि Nano में क्रमशः 36B और 3B हैं।
सबसे पहले सत्यापित करने योग्य मुख्य बिंदु क्या हैं?
MemTensor ने MemT 1.0 के दो मॉडल जारी किए: Flash में कुल 288B और सक्रिय 17B पैरामीटर हैं, जबकि Nano में क्रमशः 36B और 3B हैं। मॉडल बातचीत की जानकारी को तय आकार की आंतरिक मेमोरी में लिखते और बाद में उससे जवाब देते हैं—हर बार पूरा पुराना संवाद फिर से प्रोसेस करने के बजाय।
मुझे अभ्यास में आगे क्या करना चाहिए?
कंपनी के परीक्षणों में Nano ने 128K और 256K टोकन की हिस्ट्री पर क्रमशः लगभग 1.86× और 3.99× तेज एंड टू एंड इन्फरेंस दिखाया। ये नतीजे हर उपयोग या सेटअप की गारंटी नहीं हैं।