答え公開済み17 ソース
AIエージェントの記憶を支えるTencentの「Hy Memory 2.0」 モデル・SDK・アプリを公開
Hy Memory 2.0は、フレームワークとPython SDK、記憶専用モデル、ローカルアプリ「MemHub」の3層で構成され、各層を個別にも組み合わせても利用できます。 フレームワークはチャット・作業・コードの記憶を管理し、SDKを通じてAIエージェントに接続できます。Tencentは社内の複数分野での利用も明らかにしています。
公開者GPT-6 Luna で編集GPT Image 2 で画像を生成
研究の答え
重要なポイント
- Hy Memory 2.0は、フレームワークとPython SDK、記憶専用モデル、ローカルアプリ「MemHub」の3層で構成され、各層を個別にも組み合わせても利用できます。
- フレームワークはチャット・作業・コードの記憶を管理し、SDKを通じてAIエージェントに接続できます。Tencentは社内の複数分野での利用も明らかにしています。
- ベンチマークの数値はTencent側が公表した比較結果です。評価対象や指標が異なるため、用途に応じた検証が必要です。
AI プロンプト
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
AIエージェントが会話の内容だけでなく、作業の進み具合やコード変更の背景も扱えるようにする――Tencent Hunyuanの「Hy Memory 2.0」は、そうした記憶機能を3つの層に分けて公開したオープンソースプロジェクトです。フレームワークとPython SDK、記憶専用モデル、ローカル優先のアプリ「MemHub」は、それぞれ単独でも、組み合わせても利用できます。発表は2026年10月16日に報じられ、変更履歴では hy-memory==2.0.2 の公開日が10月17日とされています。16
21
30
3つの層で構成
1. フレームワークとPython SDK
フレームワークは、チャット・作業・コードという3種類の記憶の保存、更新、呼び出しを担います。開発者はSDKを使って、自身のAIエージェントに組み込めます。変更履歴によると、hy-memory==2.0.2 は10月17日に公開され、パッケージのライセンス情報にはApache-2.0が記載されています。16
21
30
会話履歴だけでなく、作業や開発に関わる記憶も扱うのが特徴です。ただし、提供された資料から確認できるのは、これらの記憶タイプをサポートすることまでです。タスクの判断をどのように記録するか、作業再開前に記憶をどう扱うかといった細部までは、資料から確認できません。14
16
2. Hy-Memory-30B-A3B
専用モデルの「Hy-Memory-30B-A3B」は、約30億のパラメーターを稼働させるMoE（混合エキスパート）モデルです。記憶の抽出や、情報の食い違いへの対応を目的に訓練されたと説明されています。モデルの重みと技術レポートはHugging Faceで公開されました。1
14
このモデルはフレームワークそのものではなく、記憶処理を担う別の構成要素です。Tencentの製品ページでは、4つの記憶システムを使った評価で平均55.49を記録し、Claude Opus 5の54.62を上回ったとしています。これはTencentが公表したモデル評価であり、フレームワークを対象とするベンチマーク結果とは別の比較です。16
3. ローカルアプリ「MemHub」
MemHubは、コマンドライン版とMac向けデスクトップアプリを提供します。公式リポジトリでは、利用者が許可したAIアプリの会話履歴やコーディングの記録を、管理された実行環境とローカルのデータディレクトリにまとめる「ローカル優先」の製品と説明されています。連携例として、Claude Code、Cursor、Codex、OpenCode、Qwen Codeが挙げられています。4
14
対応ツールをまたいで記憶を利用できるようにしつつ、記憶データをローカルに置く設計です。一方、連携ツールの総数や、過去と新規のすべてのセッションが継続的に同期されるかについては、提供された資料だけでは確認できません。4
Tencentが公表した社内利用と評価結果
Tencentによると、Hy Memoryは社内の金融、ニュース、ナレッジマネジメント、オフィス向けエージェント、ソーシャルエンターテインメント、ゲーム関連の業務で利用されています。これは同社が明らかにした導入状況であり、効果を独立機関が評価したものではありません。21
またTencentは、4つのベンチマークで比較したオープンソースの記憶フレームワークの中で、Hy Memoryが首位だったと発表しています。公表された主な数値は次のとおりです。16
35
- MemoryArena： 旅行計画と複数商品の買い物タスクで平均55.31%。次点より10.2ポイント高かったと報告されています。
35
- CodeMemoryBench： コードに関する質問応答の正答率は64.2%、コードタスクの解決率は35.6%。
- SWE-ContextBench： コードタスクの解決率は28.3%。
- LoCoMo： チャット記憶の正答率は72.6%。比較対象の1問あたり1,159トークンに対し、Hy Memoryは703トークンで、39.3%減ったとされています。
これらはTencent側が公表したベンチマーク比較で、独立した検証結果ではありません。また、評価対象や測定方法はそれぞれ異なるため、数値を単一の総合スコアとして扱ったり、あらゆる環境で同様の性能が出るとみなしたりすることはできません。16
35
開発者にとってのポイント
Hy Memory 2.0は、AIエージェントの記憶機能をひとつの一体型製品に閉じ込めず、組み合わせ可能な部品として公開した点が特徴です。開発者はフレームワークとSDKから導入したり、専用モデルを別の記憶処理に使ったり、MemHubで複数ツールの記憶をローカル管理したりできます。
Tencentが公表した社内利用やベンチマークは、同社が想定する活用例や性能を知る手がかりになります。実際に導入する場合は、自社のタスクで評価し、必要なMemHub連携や記憶の挙動を個別に確かめることが重要です。4
14
16
21
Studio Global AI
研究を続けてください
このページにはソースに裏付けされた回答が含まれており、Studio Global 内で続行できます。
人々も尋ねます
「AIエージェントの記憶を支えるTencentの「Hy Memory 2.0」 モデル・SDK・アプリを公開」の短い答えは何ですか?
Hy Memory 2.0は、フレームワークとPython SDK、記憶専用モデル、ローカルアプリ「MemHub」の3層で構成され、各層を個別にも組み合わせても利用できます。
最初に検証する重要なポイントは何ですか?
Hy Memory 2.0は、フレームワークとPython SDK、記憶専用モデル、ローカルアプリ「MemHub」の3層で構成され、各層を個別にも組み合わせても利用できます。 フレームワークはチャット・作業・コードの記憶を管理し、SDKを通じてAIエージェントに接続できます。Tencentは社内の複数分野での利用も明らかにしています。
次の実践では何をすればいいでしょうか？
ベンチマークの数値はTencent側が公表した比較結果です。評価対象や指標が異なるため、用途に応じた検証が必要です。