AnswersPublished24 sources
MemT 1.0 ska slippa läsa om hela chatten
MemTensor har släppt de minnesinriktade modellerna Flash (288 miljarder parametrar totalt, varav 17 miljarder aktiva) och Nano (36 miljarder totalt, varav 3 miljarder aktiva). Modellerna är konstruerade för att spara information i ett internt minne med fast storlek, i stället för att bearbeta hela samtalshistoriken...
Publicerad avRedigerad med GPT-6 LunaBilder genererade med GPT Image 2
Research answer
Key takeaways
- MemTensor har släppt de minnesinriktade modellerna Flash (288 miljarder parametrar totalt, varav 17 miljarder aktiva) och Nano (36 miljarder totalt, varav 3 miljarder aktiva).
- Modellerna är konstruerade för att spara information i ett internt minne med fast storlek, i stället för att bearbeta hela samtalshistoriken på nytt varje gång.
- Flash modellens vikter har MIT licens och Nanos Apache 2.0 licens. Inferensprogramvaran har separata villkor, så kontrollera licenserna innan kommersiell användning.
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 har lanserat MemT 1.0, en modellfamilj med Flash och Nano. Tanken är att modellerna ska kunna föra vidare användbar information i ett beständigt, internt minne – och därmed slippa bearbeta en allt längre samtalshistorik på nytt. Lanseringen skedde kvällen den 21 oktober, enligt rapportering publicerad den 22 oktober.8 Effektivitetsresultaten kommer från tester som företaget själv redovisat och ska inte ses som en garanti för samma förbättringar i alla miljöer.
8
13
Två modeller med olika storlek
Flash och Nano skiljer sig åt både i antal parametrar och i storleken på sina minneskomponenter. Parametrarna som modellen använder aktivt är inte samma sak som dess särskilda, träningsbara minnesparametrar eller det dynamiska minnestillståndet.4
5
| Modell | Parametrar totalt | Aktiva parametrar | Träningsbara minnesparametrar | Dynamiskt minnestillstånd |
|---|---|---|---|---|
| MemT-1.0-Flash | 288 miljarder | 17 miljarder | 3,61 miljarder | 336 miljoner |
| MemT-1.0-Nano | 36 miljarder | 3 miljarder | 451 miljoner | 10 miljoner |
Modellvikterna finns på Hugging Face. MemTensors officiella GitHub-arkiv innehåller implementeringsmaterial och länkar till den tekniska rapporten MemT-1.0: Towards Memory-Native Evolution.4
5
20
21
Ett internt minne i stället för en allt längre historik
I en vanlig lösning med fullt kontextfönster skickas tidigare delar av samtalet med som kontext till modellen. MemT lägger i stället till en träningsbar minnesmodul. Efter interaktioner uppdateras ett internt tillstånd med fast storlek, som modellen sedan kan använda för att hämta information. Målet är att slippa mata in en allt längre utskrift av samtalet varje gång.7
25
Enligt MemTensor tränades modellerna på 34 miljarder token i två steg: fortsatt förträning följd av efterträning. Syftet var att lära modellen både att skriva information till minnet och att besvara frågor med hjälp av det den lagrat.8
31
Vad företagets tester visar
I MemTensors tester av långa historiker var Nanos inferens från start till svar omkring 1,86 gånger snabbare än en jämförelsemodell med fullt kontextfönster vid 128 000 token historik, och 3,99 gånger snabbare vid 256 000 token.8
9 Det gäller de specifika testerna; resultaten kan variera med arbetsbelastning och driftsmiljö.
13
Rapporterna jämför också tiden till den första tokenen och lagringsbehovet per session. Vid 256 000 token historik var den rapporterade tiden till första token ungefär 104–112 millisekunder för MemT, jämfört med cirka 445 millisekunder för lösningen med fullt kontextfönster. Det beständiga minnestillståndet uppgavs vara omkring 40 MiB per session, mot cirka 5,06 GiB för jämförelsens KV-cache – ungefär 130 gånger mindre lagring i just den jämförelsen.13
22
25
På 11 minnesriktmärken fick Flash i genomsnitt 50,6 och Nano 47,0. De hamnade etta respektive tvåa bland de parametiska minnesmetoder som utvärderades. Enligt rapporteringen fick modellerna inte den ursprungliga historiken vid frågetillfället.9
14 Rapporten beskriver också resultaten som konkurrenskraftiga med metoder som hämtar information ur externa källor, men det betyder inte att MemT matchar varje sådan lösning eller varje uppgift.
9
I tester med många distraherande uppgifter var Flashs allmänna förmågor enligt utvärderingsrapporteringen i stort sett jämförbara med basmodellen före minnespåslaget. På vissa riktmärken förbättrades resultaten.7
25
Olika licenser för vikter och programvara
Modellvikterna och den tillhörande programvaran har skilda licensvillkor. På Hugging Face anges MIT för Flash-vikterna och Apache 2.0 för Nano-vikterna.20
21 Inferensprogramvaran beskrivs däremot med licensen PolyForm Noncommercial 1.0.0. Den som vill använda koden kommersiellt bör därför granska licensen i det aktuella arkivet och villkoren för tredjepartskomponenter.
18
20
21
30
MemT 1.0 bygger på idén att en modell kan bära med sig användbar samtalshistorik i ett avgränsat internt tillstånd. Det kan minska behovet av att bearbeta samma långa historik igen och sänka lagringen per session. De publicerade testerna ger lovande mätvärden för metoden, men de är företagets egna resultat och säger inte i sig hur den presterar i varje annan driftmiljö.
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 ska slippa läsa om hela chatten"?
MemTensor har släppt de minnesinriktade modellerna Flash (288 miljarder parametrar totalt, varav 17 miljarder aktiva) och Nano (36 miljarder totalt, varav 3 miljarder aktiva).
What are the key points to validate first?
MemTensor har släppt de minnesinriktade modellerna Flash (288 miljarder parametrar totalt, varav 17 miljarder aktiva) och Nano (36 miljarder totalt, varav 3 miljarder aktiva). Modellerna är konstruerade för att spara information i ett internt minne med fast storlek, i stället för att bearbeta hela samtalshistoriken på nytt varje gång.
What should I do next in practice?
Flash modellens vikter har MIT licens och Nanos Apache 2.0 licens. Inferensprogramvaran har separata villkor, så kontrollera licenserna innan kommersiell användning.