Hy-Memory تنسنت: یه مدل کوچیک فقط برای حافظهٔ ایجنت‌ها
هوش مصنوعیClaude Opus 5.5خلاصهٔ کامل‌تر
تیم Tencent Hunyuan یه مدل اوپن‌سورس به اسم Hy-Memory-30B-A3B و یه SDK همراهش منتشر کرده که فقط یه کار انجام می‌دن: تصمیم می‌گیرن یه ایجنت هوش مصنوعی چی رو یادش نگه داره، چی رو آپدیت کنه و چی رو دور بریزه. فریم‌ورک‌های حافظه‌ای مثل Mem0 و MemOS معمولاً این کار رو به یه LLM همه‌کاره می‌سپرن، ولی تنسنت یه مدل اختصاصی براش آموزش داده.
این مدل معماری mixture-of-experts داره (یعنی برای هر ورودی فقط بخشی از پارامترها فعال می‌شن). کل پارامترهاش ۳۰ میلیارده ولی فقط حدود ۳ میلیاردش فعاله، پس اجراش ارزون درمیاد. تو بنچمارکی که تنسنت منتشر کرده، کل پایپ‌لاین حافظه ثابت مونده و فقط مدلی که حافظه رو می‌نویسه عوض شده. Hy-Memory امتیاز 55.49 گرفته و از Claude Opus 5، DeepSeek V4.1 و یه مدل Qwen هم‌اندازه با امتیاز 50.37 جلو افتاده.
به گفتهٔ مقاله، نوشتن حافظه یه کار باریک و ساختاریافته‌ست: اطلاعات جدید رو با چیزای ذخیره‌شده مقایسه کنی و بفهمی تکراریه، جدیده یا با قبلی تناقض داره. آموزش مدل دو مرحله داشته. اول یه مرحلهٔ supervised که یه مدل معلم ثابت به اسم Hy-3 هر قدم رو چک می‌کرده. بعد یه مرحلهٔ reinforcement learning که کیفیت کل بانک حافظه رو با یه مدل جواب‌دهنده و یه داور می‌سنجیده.
یه مثال خوب تو مقاله اومده: یه نفر تو سیاتل زندگی می‌کنه و بعد می‌گه رفته سیدنی. مدل اطلاعات جدید رو کنار قبلی اضافه نمی‌کنه، بلکه یه اکشن supersede می‌زنه؛ یعنی حافظهٔ سیاتل رو منقضی علامت می‌زنه، دلیلش رو می‌نویسه و حافظه‌های مرتبط مثل شغل اون آدم رو هم هماهنگ می‌کنه. نویسنده می‌گه همین هماهنگ‌کردن اصل ارزش این ابزاره، چون ذخیره‌کردن اطلاعات کار سختی نیست.
SDK هم دو عملیات اصلی داره: add برای ذخیره و راه‌انداختن پایپ‌لاین استخراج، و search برای پیداکردن حافظه‌ها. پشتش یه دیتابیس SQLite سبک هست و میشه مدل رو با vLLM روی سرور خودت بالا بیاری یا از API استفاده کنی. نویسنده معتقده مزیت اصلیش هزینه و ثباته، نه هوش بیشتر. البته این یه ابزار تک‌کاره‌ست و جای LLM اصلی ایجنت رو نمی‌گیره؛ فقط جایگزین مدلیه که Mem0 یا MemOS برای نوشتن حافظه استفاده می‌کنن.
نکات کلیدی:
- مدل Hy-Memory-30B-A3B حدود ۳ میلیارد پارامتر فعال داره
- امتیاز 55.49 در برابر 50.37 مدل Qwen هم‌اندازه، و بالاتر از Claude Opus 5 و DeepSeek V4.1
- اکشن supersede اطلاعات قدیمی رو منقضی می‌کنه و حافظه‌های مرتبط رو هم آپدیت می‌کنه
- مدل و SDK هر دو با لایسنس Apache 2.0 منتشر شدن و استفادهٔ تجاری آزاده
- قابل اجرا به‌صورت لوکال با vLLM روی یه GPU با حافظهٔ زیاد
