AnswersPublished24 sources
MemT 1.0 porta la memoria dentro il modello: cosa cambia con Flash e Nano
La famiglia MemT 1.0 comprende Flash, con 288 miliardi di parametri totali e 17 miliardi attivi, e Nano, con 36 miliardi totali e 3 miliardi attivi. Invece di ripassare ogni volta l’intera conversazione, i modelli aggiornano una memoria interna di dimensioni fisse e la usano per recuperare informazioni in seguito.
Pubblicato daModificato con GPT-6 LunaImmagini generate con GPT Image 2
Research answer
Key takeaways
- La famiglia MemT 1.0 comprende Flash, con 288 miliardi di parametri totali e 17 miliardi attivi, e Nano, con 36 miliardi totali e 3 miliardi attivi.
- Invece di ripassare ogni volta l’intera conversazione, i modelli aggiornano una memoria interna di dimensioni fisse e la usano per recuperare informazioni in seguito.
- I pesi di Flash hanno licenza MIT e quelli di Nano Apache 2.0; il software di inferenza ha condizioni separate, da controllare prima di un uso commerciale.
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 ha presentato MemT 1.0, una famiglia di modelli progettata per conservare informazioni in una memoria interna persistente, senza dover rielaborare ogni volta una cronologia di conversazione sempre più lunga. Le notizie pubblicate il 22 ottobre collocano il lancio alla sera del 21 ottobre.8 I dati sulle prestazioni sono test dichiarati dall’azienda: non garantiscono gli stessi risultati in ogni scenario o infrastruttura.
8
13
Due modelli, con dimensioni diverse
MemT 1.0 arriva in due varianti. I parametri totali e quelli attivi sono distinti dai parametri dedicati alla memoria e dallo stato dinamico che il modello aggiorna durante l’uso.4
5
| Modello | Parametri totali | Parametri attivi | Parametri addestrabili della memoria | Stato dinamico della memoria |
|---|---|---|---|---|
| MemT-1.0-Flash | 288B | 17B | 3,61B | 336M |
| MemT-1.0-Nano | 36B | 3B | 451M | 10M |
I pesi sono disponibili su Hugging Face. Il repository ufficiale su GitHub raccoglie materiali per l’implementazione e rimanda al rapporto tecnico MemT-1.0: Towards Memory-Native Evolution.4
5
20
21
Come funziona la memoria interna
Nei sistemi che usano il contesto completo, il modello riceve la cronologia della conversazione come parte dell’input. MemT adotta un approccio diverso: integra un modulo di memoria addestrabile che aggiorna uno stato interno di dimensioni fisse dopo le interazioni, per poi richiamare le informazioni quando servono. L’obiettivo è non dover reinserire e processare ogni volta tutta la trascrizione.7
25
Secondo MemTensor, l’addestramento si è svolto in due fasi su 34 miliardi di token: prima il pre-addestramento continuo, poi il post-addestramento. L’intento dichiarato è insegnare al modello sia a salvare informazioni nella memoria, sia a rispondere basandosi su ciò che vi ha conservato.8
31
I risultati dichiarati nei test
Nei test dell’azienda sulle conversazioni lunghe, Nano ha completato l’inferenza end-to-end circa 1,86 volte più velocemente rispetto a un sistema basato sul contesto completo con una cronologia di 128K token, e 3,99 volte più velocemente con 256K token.8
9 Sono risultati riferiti a specifiche valutazioni: le prestazioni effettive possono cambiare in base al carico di lavoro e alle condizioni di distribuzione.
13
I dati pubblicati confrontano anche il tempo necessario per generare il primo token e lo spazio richiesto per sessione. Con una cronologia di 256K token, il tempo dichiarato per il primo token è di circa 104–112 millisecondi per MemT, contro circa 445 millisecondi nel confronto con il contesto completo. La memoria persistente occuperebbe circa 40 MiB per sessione, contro circa 5,06 GiB per la cache KV del contesto completo: una riduzione di circa 130 volte in quel confronto.13
22
25
Sugli 11 benchmark di memoria citati nei rapporti, Flash ha ottenuto una media di 50,6 e Nano di 47,0, classificandosi al primo e al secondo posto tra i metodi di memoria parametrica valutati. Nei test, al momento della domanda non veniva fornita la cronologia originale.9
14 Il rapporto descrive inoltre i risultati come competitivi con gli approcci basati sul recupero di informazioni, ma questo non dimostra che MemT eguagli ogni sistema o attività di retrieval.
9
Per le capacità generali, i resoconti della valutazione riferiscono che Flash ha mantenuto risultati nel complesso simili alla versione di riferimento anche in test ricchi di informazioni fuorvianti, migliorando su alcuni benchmark.7
25
Attenzione alle licenze
Pesi dei modelli e software non condividono necessariamente le stesse condizioni. Le schede su Hugging Face indicano la licenza MIT per i pesi di Flash e Apache 2.0 per quelli di Nano.20
21 Per il software di inferenza viene invece indicata la licenza PolyForm Noncommercial 1.0.0: prima di un impiego commerciale è quindi importante verificare la licenza del repository e le condizioni dei componenti di terze parti.
18
20
21
30
La scommessa di MemT 1.0 è semplice da descrivere: conservare il filo di una conversazione in uno stato interno circoscritto, anziché rileggere ogni volta tutta la cronologia. I test pubblicati indicano possibili vantaggi in velocità e spazio nelle sessioni molto lunghe, ma restano risultati dichiarati dall’azienda, non una garanzia valida per qualsiasi utilizzo.
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 porta la memoria dentro il modello: cosa cambia con Flash e Nano"?
La famiglia MemT 1.0 comprende Flash, con 288 miliardi di parametri totali e 17 miliardi attivi, e Nano, con 36 miliardi totali e 3 miliardi attivi.
What are the key points to validate first?
La famiglia MemT 1.0 comprende Flash, con 288 miliardi di parametri totali e 17 miliardi attivi, e Nano, con 36 miliardi totali e 3 miliardi attivi. Invece di ripassare ogni volta l’intera conversazione, i modelli aggiornano una memoria interna di dimensioni fisse e la usano per recuperare informazioni in seguito.
What should I do next in practice?
I pesi di Flash hanno licenza MIT e quelli di Nano Apache 2.0; il software di inferenza ha condizioni separate, da controllare prima di un uso commerciale.