RespostasPublicado24 fontes
MemT 1.0 quer fazer a IA lembrar sem reler toda a conversa
O MemT 1.0 tem duas versões: Flash, com 288 bilhões de parâmetros totais e 17 bilhões ativos, e Nano, com 36 bilhões totais e 3 bilhões ativos. Em vez de processar repetidamente o histórico completo, os modelos atualizam uma memória interna de tamanho fixo após as interações.
Publicado porEditado com GPT-6 LunaImagens geradas com GPT Image 2
Resposta de pesquisa
Principais conclusões
- O MemT 1.0 tem duas versões: Flash, com 288 bilhões de parâmetros totais e 17 bilhões ativos, e Nano, com 36 bilhões totais e 3 bilhões ativos.
- Em vez de processar repetidamente o histórico completo, os modelos atualizam uma memória interna de tamanho fixo após as interações.
- A MemTensor relata até 3,99 vezes mais velocidade em um teste com histórico de 256 mil tokens.
- Os pesos do Flash têm licença MIT; os do Nano, Apache 2.0. O software de inferência tem termos próprios, que devem ser verificados antes de uso comercial.
Prompt de IA
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
A cada nova mensagem, uma conversa longa pode ficar mais cara de processar: em uma abordagem convencional, o modelo recebe novamente um histórico cada vez maior. A MemTensor propõe outra saída com o MemT 1.0: guardar informações úteis em uma memória interna de tamanho fixo e consultá-la depois, sem reler a transcrição inteira a cada interação.
A empresa anunciou a família, que inclui os modelos Flash e Nano, na noite de 21 de outubro, segundo notícias publicadas no dia seguinte.8
13 Os números de desempenho divulgados são resultados de testes da própria companhia — não uma garantia de ganhos iguais em qualquer aplicação.
8
13
Dois modelos, tamanhos diferentes
Os modelos variam tanto no total de parâmetros quanto na quantidade ativada. Esses números são distintos dos parâmetros treináveis de memória e do estado dinâmico usado para armazenar informações.4
5
| Modelo | Parâmetros totais | Parâmetros ativos | Parâmetros treináveis de memória | Estado dinâmico de memória |
|---|---|---|---|---|
| MemT-1.0-Flash | 288 bilhões | 17 bilhões | 3,61 bilhões | 336 milhões |
| MemT-1.0-Nano | 36 bilhões | 3 bilhões | 451 milhões | 10 milhões |
Os pesos estão disponíveis no Hugging Face. O repositório oficial da MemTensor no GitHub reúne materiais de implementação e links para o relatório técnico MemT-1.0: Towards Memory-Native Evolution.4
5
20
21
Como funciona a memória interna
Em modelos que usam o contexto completo, o histórico da conversa é incluído no conteúdo processado pelo modelo. O MemT acrescenta um módulo de memória treinável: depois das interações, ele atualiza um estado interno de tamanho fixo e usa o que guardou para recuperar informações mais tarde. A proposta é evitar que o sistema tenha de receber repetidamente uma transcrição cada vez mais extensa.7
25
Segundo a MemTensor, o treinamento usou 34 bilhões de tokens em duas etapas: pré-treinamento contínuo e pós-treinamento. A meta era ensinar os modelos a registrar informações na memória e a responder com base no que armazenaram.8
31
O que os testes divulgados indicam
Nos testes da empresa com históricos longos, o Nano foi cerca de 1,86 vez mais rápido que a referência de contexto completo com 128 mil tokens de histórico e 3,99 vezes mais rápido com 256 mil tokens.8
9 São resultados de avaliações específicas; o desempenho pode mudar de acordo com a tarefa e as condições de implantação.
13
A empresa também comparou o tempo até o primeiro token da resposta e o armazenamento por sessão. Com 256 mil tokens de histórico, o tempo informado para o primeiro token foi de aproximadamente 104 a 112 milissegundos no MemT, ante cerca de 445 milissegundos na comparação com contexto completo. Para o estado persistente de memória, os números foram de aproximadamente 40 MiB por sessão, contra cerca de 5,06 GiB para o cache KV de contexto completo — uma diferença de cerca de 130 vezes nesse teste.13
22
25
Em 11 benchmarks de memória, o Flash obteve média de 50,6 e o Nano, 47,0, ficando em primeiro e segundo lugar entre os métodos de memória paramétrica avaliados. Segundo os relatos, os modelos responderam sem receber o histórico original no momento da consulta.9
14 O relatório também os descreve como competitivos com abordagens que usam recuperação de informações, mas isso não significa que superem ou igualem todos esses sistemas em qualquer tarefa.
9
Em avaliações com muitos elementos de distração, o Flash teria mantido capacidades gerais amplamente comparáveis às de sua versão sem memória, com melhora em alguns benchmarks, segundo a cobertura dos testes.7
25
Pesos e software têm licenças diferentes
As condições de uso dos pesos não são as mesmas do software de inferência. Os cartões dos modelos no Hugging Face indicam licença MIT para os pesos do Flash e Apache 2.0 para os do Nano.20
21 Já os materiais sobre o software associado à inferência indicam a licença PolyForm Noncommercial 1.0.0. Antes de usar o código comercialmente, é importante conferir a licença do repositório e os termos de componentes de terceiros.
18
20
21
30
A ideia central do MemT 1.0 é manter informações úteis de conversas em um estado interno limitado, o que pode reduzir o processamento repetido e o armazenamento por sessão em históricos extensos. Os resultados publicados são promissores para essa abordagem, mas continuam sendo medições divulgadas pela empresa, não uma promessa de desempenho para todas as implantações.
Studio Global AI
Continue sua pesquisa
Esta página inclui uma resposta baseada na fonte que você pode continuar em Studio Global.
As pessoas também perguntam
Qual é a resposta curta para "MemT 1.0 quer fazer a IA lembrar sem reler toda a conversa"?
O MemT 1.0 tem duas versões: Flash, com 288 bilhões de parâmetros totais e 17 bilhões ativos, e Nano, com 36 bilhões totais e 3 bilhões ativos.
Quais são os pontos-chave para validar primeiro?
O MemT 1.0 tem duas versões: Flash, com 288 bilhões de parâmetros totais e 17 bilhões ativos, e Nano, com 36 bilhões totais e 3 bilhões ativos. Em vez de processar repetidamente o histórico completo, os modelos atualizam uma memória interna de tamanho fixo após as interações.
O que devo fazer a seguir na prática?
A MemTensor relata até 3,99 vezes mais velocidade em um teste com histórico de 256 mil tokens.