腾讯混元开源的 Hy Memory 2.0，不只是一个记忆框架，而是一套由三部分组成的 AI 智能体记忆方案：负责管理记忆的框架与 Python SDK、专用记忆模型，以及本地优先应用 MemHub。开发者可以按需单独使用各层，也可以组合起来。相关发布消息于 2026 年 10 月 16 日公布；项目更新日志则显示，hy-memory==2.0.2 于 10 月 17 日发布。 162130

三层组件，各自负责什么

1. Hy-Memory 框架与 Python SDK

框架负责存储、更新和召回三类记忆：聊天、工作和代码。开发者可以通过 SDK 将其接入 AI 智能体。项目更新日志记载，hy-memory==2.0.2 于 10 月 17 日发布，包的元数据标注 Apache-2.0 许可。 162130

这三类记忆不只涵盖对话记录：工作记忆面向任务，代码记忆面向开发工作。现有资料确认框架支持这些记忆类型，但不足以核实更具体的机制，例如它如何逐步记录任务决策，或在任务恢复前如何检索记忆。 1416

2. Hy-Memory-30B-A3B 模型

腾讯还发布了 Hy-Memory-30B-A3B。这是一款混合专家模型，据介绍约有 30 亿激活参数，经过记忆提取与冲突处理相关训练；模型权重和技术报告已发布在 Hugging Face。 114

它是记忆方案中的独立组件，并不等同于框架本身。腾讯官网公布，该模型在其评测中的平均得分为 55.49，高于 Claude Opus 5 的 54.62。这是腾讯报告的评测结果，与框架在记忆任务基准上的成绩属于不同比较，不能混为一谈。 16

3. MemHub 本地应用

MemHub 提供命令行工具和 Mac 桌面端。项目仓库将其描述为一款本地优先应用：它可以把用户授权的 AI 应用中的对话记录和编程轨迹，汇集到统一管理的运行环境与本地数据目录。文档列出的应用示例包括 Claude Code、Cursor、Codex、OpenCode 和 Qwen Code。 414

这种设计旨在让受支持工具能够共享记忆，同时将记忆数据保存在本地。现有资料能确认其本地优先设计和上述集成示例，但无法核实有关已接入工具总数、或所有新旧会话持续同步的更广泛说法。 4

腾讯公布的内部应用与基准成绩

腾讯表示，Hy Memory 已用于内部金融、资讯、知识管理、办公智能体、社交娱乐和游戏等业务场景。这反映的是公司披露的内部采用情况，并非对实际效果的独立评估。 21

腾讯还称，在其比较的四项基准测试中，Hy Memory 在开源框架里排名第一。已公布的数据包括： 1635

• **MemoryArena：**旅行规划和组合购物任务的平均表现为 55.31%；一份报道说，这比排名第二的系统高 10.2 个百分点。 35
• **CodeMemoryBench：**代码问答准确率为 64.2%，代码任务解决率为 35.6%。 35
• **SWE-ContextBench：**代码任务解决率为 28.3%。 35
• **LoCoMo：**聊天记忆准确率为 72.6%。同一份报道给出的对照系统每题使用 1,159 个 token，Hy Memory 为 703 个，报告称减少了 39.3%。 35

这些属于已报告的基准对比，不是独立验证。各项数据衡量的任务和指标并不相同，因此不应将它们视为一个总分，也不能据此推断系统在所有实际部署中都能达到相同表现。 1635

对智能体开发者意味着什么

Hy Memory 2.0 将智能体记忆拆成可组合的组件，而非只能整体采用的单一产品。开发者可以从框架和 SDK 入手，把专用模型作为独立的记忆写入组件使用，或通过 MemHub 管理本地的跨工具记忆。腾讯披露的内部应用和基准成绩说明了公司如何定位这套系统；团队在选型时仍应结合自身任务测试，并确认 MemHub 的具体集成与记忆能力是否符合需求。 4141621

腾讯混元开源的 Hy Memory 2.0，不只是一个记忆框架，而是一套由三部分组成的 AI 智能体记忆方案：负责管理记忆的框架与 Python SDK、专用记忆模型，以及本地优先应用 MemHub。开发者可以按需单独使用各层，也可以组合起来。相关发布消息于 2026 年 10 月 16 日公布；项目更新日志则显示，hy-memory==2.0.2 于 10 月 17 日发布。 162130

三层组件，各自负责什么

1. Hy-Memory 框架与 Python SDK

框架负责存储、更新和召回三类记忆：聊天、工作和代码。开发者可以通过 SDK 将其接入 AI 智能体。项目更新日志记载，hy-memory==2.0.2 于 10 月 17 日发布，包的元数据标注 Apache-2.0 许可。 162130

这三类记忆不只涵盖对话记录：工作记忆面向任务，代码记忆面向开发工作。现有资料确认框架支持这些记忆类型，但不足以核实更具体的机制，例如它如何逐步记录任务决策，或在任务恢复前如何检索记忆。 1416

2. Hy-Memory-30B-A3B 模型

腾讯还发布了 Hy-Memory-30B-A3B。这是一款混合专家模型，据介绍约有 30 亿激活参数，经过记忆提取与冲突处理相关训练；模型权重和技术报告已发布在 Hugging Face。 114

它是记忆方案中的独立组件，并不等同于框架本身。腾讯官网公布，该模型在其评测中的平均得分为 55.49，高于 Claude Opus 5 的 54.62。这是腾讯报告的评测结果，与框架在记忆任务基准上的成绩属于不同比较，不能混为一谈。 16

3. MemHub 本地应用

MemHub 提供命令行工具和 Mac 桌面端。项目仓库将其描述为一款本地优先应用：它可以把用户授权的 AI 应用中的对话记录和编程轨迹，汇集到统一管理的运行环境与本地数据目录。文档列出的应用示例包括 Claude Code、Cursor、Codex、OpenCode 和 Qwen Code。 414

这种设计旨在让受支持工具能够共享记忆，同时将记忆数据保存在本地。现有资料能确认其本地优先设计和上述集成示例，但无法核实有关已接入工具总数、或所有新旧会话持续同步的更广泛说法。 4

腾讯公布的内部应用与基准成绩

腾讯表示，Hy Memory 已用于内部金融、资讯、知识管理、办公智能体、社交娱乐和游戏等业务场景。这反映的是公司披露的内部采用情况，并非对实际效果的独立评估。 21

腾讯还称，在其比较的四项基准测试中，Hy Memory 在开源框架里排名第一。已公布的数据包括： 1635

• **MemoryArena：**旅行规划和组合购物任务的平均表现为 55.31%；一份报道说，这比排名第二的系统高 10.2 个百分点。 35
• **CodeMemoryBench：**代码问答准确率为 64.2%，代码任务解决率为 35.6%。 35
• **SWE-ContextBench：**代码任务解决率为 28.3%。 35
• **LoCoMo：**聊天记忆准确率为 72.6%。同一份报道给出的对照系统每题使用 1,159 个 token，Hy Memory 为 703 个，报告称减少了 39.3%。 35

这些属于已报告的基准对比，不是独立验证。各项数据衡量的任务和指标并不相同，因此不应将它们视为一个总分，也不能据此推断系统在所有实际部署中都能达到相同表现。 1635

对智能体开发者意味着什么

Hy Memory 2.0 将智能体记忆拆成可组合的组件，而非只能整体采用的单一产品。开发者可以从框架和 SDK 入手，把专用模型作为独立的记忆写入组件使用，或通过 MemHub 管理本地的跨工具记忆。腾讯披露的内部应用和基准成绩说明了公司如何定位这套系统；团队在选型时仍应结合自身任务测试，并确认 MemHub 的具体集成与记忆能力是否符合需求。 4141621