腾讯混元开源 Hy Memory 2.0：约 3B 激活的专用「记忆写入」模型 Hy-Memory-30B-A3B 自测小幅超过 Claude Opus 5，并附 SDK 和跨工具记忆应用 MemHub

这件事意味着什么

【要点】

腾讯混元 10 月 16 日把智能体记忆框架 Hy Memory 升级到 2.0，并把三层东西一起开源（Apache 2.0）：专门负责「写记忆」的模型 Hy-Memory-30B-A3B（总参数 300 亿、每个 token 只激活约 30 亿）、Python SDK hy-memory 2.0，以及本地优先的桌面/命令行工具 MemHub。权重 10 月 15–16 日上传到 Hugging Face（另有 FP8 版），技术报告同步放到 arXiv。

这个模型不负责回答问题，只负责记忆系统里的「写入」一步：从对话里挑出值得保留的信息、决定写得多细、新证据出现时怎么改旧记忆。它可以直接替换 Mem0、MemOS 和 Hy Memory 自己框架里的通用大模型。训练分两步：先做记忆场景的在线蒸馏，再用按记忆片段打分的强化学习。

腾讯自测：在 Mem0、Hy Memory、MemOS 和训练时没见过的 EverMemOS 四套框架、六项记忆指标上，宏平均 55.49，Claude Opus 5 是 54.62，DeepSeek V4.1 Flash 53.64，Qwen3.6-35B-A3B 50.37。MemHub 能把 Claude Code、Cursor、Codex、OpenCode、Qwen Code 等工具的对话和编码记录汇总成一份本地记忆，跨工具调用。GitHub 仓库三天约 800 星，社区已做出 GGUF、MLX、AWQ 等量化版。

【可核验】

模型卡：https://huggingface.co/tencent/Hy-Memory-30B-A3B

代码与 MemHub：https://github.com/Tencent-Hunyuan/Hy-Memory

技术报告：https://arxiv.org/abs/2610.22196

【我们的判断】

一、成绩是腾讯自己的评测，而且只在 20% 子样本上跑，领先 Opus 5 不到 1 分，属于「打平」级别，等第三方复现再下结论。

二、更值得注意的是思路：把智能体记忆里最费钱、最容易出错的「写入」交给一个约 3B 激活的小专用模型，而不是每次都调旗舰大模型，这对要长期运行的 Agent 很省成本。

三、MemHub 跨 Claude Code、Cursor 等工具共享记忆，方向和各家「记忆」功能直接竞争，但它把数据放在本地，隐私和授权边界需要用户自己把关。