Câu trả lờiĐã xuất bản24 nguồn
MemT 1.0: Khi AI không cần đọc lại toàn bộ cuộc trò chuyện
MemTensor ra mắt hai mô hình có bộ nhớ tích hợp: Flash với 288 tỷ tham số tổng, 17 tỷ tham số hoạt động; Nano với 36 tỷ tham số tổng, 3 tỷ tham số hoạt động. Thay vì liên tục xử lý toàn bộ bản ghi hội thoại, MemT cập nhật một trạng thái bộ nhớ nội bộ có kích thước cố định sau các lượt tương tác.
Đăng bởiBiên tập bằng GPT-6 LunaHình ảnh được tạo bằng GPT Image 2
Câu trả lời nghiên cứu
Bài học chính
- MemTensor ra mắt hai mô hình có bộ nhớ tích hợp: Flash với 288 tỷ tham số tổng, 17 tỷ tham số hoạt động; Nano với 36 tỷ tham số tổng, 3 tỷ tham số hoạt động.
- Thay vì liên tục xử lý toàn bộ bản ghi hội thoại, MemT cập nhật một trạng thái bộ nhớ nội bộ có kích thước cố định sau các lượt tương tác.
- Theo thử nghiệm do công ty công bố, Nano nhanh hơn khoảng 1,86 lần ở lịch sử 128K token và 3,99 lần ở 256K; kết quả thực tế có thể khác tùy cách triển khai.
- Giấy phép của trọng số và phần mềm đi kèm không giống nhau: trọng số Flash dùng MIT, Nano dùng Apache 2.0; phần mềm suy luận được mô tả là dùng PolyForm Noncommercial.
Prompt AI
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 đã công bố dòng mô hình MemT 1.0 gồm Flash và Nano, được thiết kế để lưu giữ thông tin hữu ích trong trạng thái bộ nhớ nội bộ thay vì liên tục xử lý một lịch sử trò chuyện ngày càng dài. Các bài đưa tin đăng ngày 22/10 cho biết sản phẩm được ra mắt vào tối 21/10.8 Những con số nổi bật về tốc độ và bộ nhớ dưới đây là kết quả thử nghiệm do công ty công bố, không phải mức cải thiện được đảm bảo trong mọi môi trường sử dụng.
8
13
Hai mô hình, hai cấu hình
Flash và Nano khác nhau về quy mô. Tổng số tham số và số tham số hoạt động cũng cần được phân biệt với số tham số bộ nhớ có thể huấn luyện và trạng thái bộ nhớ động riêng của mỗi mô hình.4
5
| Mô hình | Tổng số tham số | Tham số hoạt động | Tham số bộ nhớ có thể huấn luyện | Trạng thái bộ nhớ động |
|---|---|---|---|---|
| MemT-1.0-Flash | 288 tỷ | 17 tỷ | 3,61 tỷ | 336 triệu |
| MemT-1.0-Nano | 36 tỷ | 3 tỷ | 451 triệu | 10 triệu |
Trọng số mô hình được đăng trên Hugging Face. Kho GitHub chính thức cung cấp tài liệu triển khai và liên kết tới báo cáo kỹ thuật MemT-1.0: Towards Memory-Native Evolution.4
5
20
21
Thay vì đọc lại, mô hình “ghi nhớ”
Với cách xử lý toàn bộ ngữ cảnh truyền thống, mô hình nhận lại lịch sử hội thoại trong ngữ cảnh mỗi khi cần trả lời. MemT bổ sung một mô-đun bộ nhớ có thể huấn luyện: sau các lượt tương tác, mô-đun cập nhật trạng thái nội bộ có kích thước cố định, rồi dùng trạng thái đó để gợi lại thông tin khi cần. Mục tiêu là không phải liên tục đưa toàn bộ bản ghi ngày một dài trở lại mô hình.7
25
MemTensor cho biết các mô hình được huấn luyện trên 34 tỷ token qua hai giai đoạn: tiếp tục tiền huấn luyện, sau đó hậu huấn luyện. Theo mô tả của công ty, quá trình này nhằm dạy mô hình ghi thông tin vào bộ nhớ và trả lời dựa trên những gì đã lưu.8
31
Các thử nghiệm do công ty công bố
Trong các bài kiểm tra với lịch sử dài, MemTensor cho biết Nano xử lý suy luận đầu-cuối nhanh hơn khoảng 1,86 lần so với phương án dùng toàn bộ ngữ cảnh ở mức lịch sử 128K token, và 3,99 lần ở mức 256K token.8
9 Đây là kết quả của những bài đánh giá cụ thể; hiệu năng thực tế có thể thay đổi theo tác vụ và điều kiện triển khai.
13
Ở mức lịch sử 256K token, thời gian từ lúc gửi truy vấn đến khi mô hình tạo ra token đầu tiên được báo cáo vào khoảng 104–112 mili giây với MemT, so với khoảng 445 mili giây ở phương án toàn bộ ngữ cảnh. Cùng bài so sánh ghi nhận trạng thái bộ nhớ lưu cho mỗi phiên khoảng 40 MiB, trong khi bộ nhớ đệm KV của phương án toàn bộ ngữ cảnh vào khoảng 5,06 GiB — chênh lệch xấp xỉ 130 lần.13
22
25
Trên 11 bài benchmark về bộ nhớ, Flash đạt điểm trung bình 50,6, còn Nano đạt 47,0; hai mô hình lần lượt đứng đầu và thứ hai trong nhóm phương pháp bộ nhớ tham số được đánh giá. Các bài kiểm tra được báo cáo không cung cấp lại nguyên văn lịch sử hội thoại cho mô hình tại thời điểm truy vấn.9
14 Báo cáo cũng mô tả kết quả của MemT là cạnh tranh với các phương pháp tăng cường bằng truy xuất thông tin, nhưng điều đó không đồng nghĩa mô hình ngang bằng với mọi hệ thống truy xuất trong mọi tác vụ.
9
Về năng lực tổng quát, các bài tường thuật kết quả đánh giá cho biết Flash nhìn chung giữ mức tương đương với phiên bản nền chưa gắn bộ nhớ trong những thử nghiệm có nhiều thông tin gây nhiễu; một số benchmark ghi nhận cải thiện.7
25
Lưu ý về giấy phép
Trọng số mô hình và phần mềm đi kèm có điều khoản riêng. Trang model card trên Hugging Face ghi trọng số Flash dùng giấy phép MIT, còn Nano dùng Apache 2.0.20
21 Phần mềm suy luận đi kèm được mô tả là sử dụng PolyForm Noncommercial 1.0.0. Trước khi dùng cho mục đích thương mại, hãy xem giấy phép của kho phần mềm liên quan và điều khoản dành cho các thành phần bên thứ ba.
18
20
21
30
Điểm đáng chú ý của MemT 1.0 là cách đưa lịch sử tương tác vào một trạng thái nội bộ có giới hạn, với kỳ vọng giảm việc xử lý lặp lại và dung lượng lưu cho mỗi phiên khi hội thoại kéo dài. Các thử nghiệm được công bố đưa ra kết quả khả quan cho hướng tiếp cận này, nhưng vẫn là số liệu do công ty báo cáo, không phải cam kết hiệu năng cho mọi cách triển khai.
Studio Global AI
Tiếp tục nghiên cứu của bạn
Trang này bao gồm câu trả lời dựa trên nguồn mà bạn có thể tiếp tục bên trong Studio Global.
Người ta cũng hỏi
Câu trả lời ngắn gọn cho "MemT 1.0: Khi AI không cần đọc lại toàn bộ cuộc trò chuyện" là gì?
MemTensor ra mắt hai mô hình có bộ nhớ tích hợp: Flash với 288 tỷ tham số tổng, 17 tỷ tham số hoạt động; Nano với 36 tỷ tham số tổng, 3 tỷ tham số hoạt động.
Những điểm chính cần xác nhận đầu tiên là gì?
MemTensor ra mắt hai mô hình có bộ nhớ tích hợp: Flash với 288 tỷ tham số tổng, 17 tỷ tham số hoạt động; Nano với 36 tỷ tham số tổng, 3 tỷ tham số hoạt động. Thay vì liên tục xử lý toàn bộ bản ghi hội thoại, MemT cập nhật một trạng thái bộ nhớ nội bộ có kích thước cố định sau các lượt tương tác.
Tôi nên làm gì tiếp theo trong thực tế?
Theo thử nghiệm do công ty công bố, Nano nhanh hơn khoảng 1,86 lần ở lịch sử 128K token và 3,99 lần ở 256K; kết quả thực tế có thể khác tùy cách triển khai.