腾讯混元于 10 月 16 日宣布推出智能体记忆框架 Hy Memory 2.0，并开源专用模型、记忆框架与 MemHub 应用三层能力。该框架面向 Agent（智能体）场景，目标是让 AI 在更长的任务周期、更多的工具之间保持连续的记忆。
三层能力可独立也可组合
Hy Memory 2.0 的三层能力既能独立使用，也能组合成一套完整的 Memory（记忆）解决方案。据腾讯介绍，该框架已在腾讯内部金融、资讯、知识管理、办公 Agent、社交娱乐与游戏等多个业务中使用。
框架层负责聊天、工作、代码三类记忆的存储、更新与进化，开发者可通过 SDK 将其接入 Agent。腾讯方面表示，这是业界首个提出工作记忆与代码记忆的记忆框架。
多项基准测试取得第一
在聊天、工作、代码三类场景的 4 个基准测试上，Hy Memory 对比 Mem0、MemOS、EverOS、OpenViking、RepoMemory 和 Simple RAG 等开源框架均取得第一。
工作记忆在 MemoryArena 的旅行规划与组合购物任务上平均分达 55.31%，领先次优的 EverOS 10.2 个百分点；代码记忆在 CodeMemoryBench 上代码问答准确率 64.2%、代码任务解决率 35.6%，在 SWE-ContextBench 上代码任务解决率 28.3%，高于 MemOS 和 Mem0 的 25.3%；聊天记忆在 LoCoMo 上准确率 72.6%，高于 EverOS 的 71.9%，同时每题使用的 Token 从 1159 降至 703，减少 39.3%。
记忆从零散事实升级为事件脉络
聊天记忆方面，Hy Memory 2.0 从零散事实升级为完整事件脉络，能够将跨时间、跨对话的分散内容以事件为主体，梳理出时间、地点、人物等关键要素。遇到需要结合多条线索回答的问题时，框架会先合并重复信息、剥离前后冲突，再将清晰记忆交给模型。
工作记忆与代码记忆为 2.0 版本新增能力，使用多个维度记忆一项任务，按时间规整所有信息更新，包含任务目标、已确定的做法和阶段结果，以及可复用的经验与适用条件。复用经验时，框架会先判断当前是否符合该经验的适用条件，仅在符合时精准采取对应经验作为辅助。
专用模型力压 Opus 5
模型层面，专用模型 Hy-Memory-30A3B 专为记忆场景训练，采用约 3B 激活参数。据 arXiv 论文信息，该模型在 Mem0、MemOS 和 Hy-Memory 三套框架上训练，在固定 20% 基准子样本的四套评测框架上均排名第一，宏观平均得分 55.49%，高于 Claude Opus 5 的 54.62%。
在接入 Hy Memory、Mem0、MemOS、EverMemOS 四套记忆系统的测试中，Hy-Memory-30A3B 得分 55.49，高于 Opus 5 的 54.62、DeepSeek V4.1 Flash 的 53.64 以及 Qwen3-30B-A3B 的 44.37。
MemHub 打通本地多工具记忆
应用层面，MemHub 是本地记忆管理应用，提供命令行（CLI）与 Mac 端 APP 两种使用方式。用户授权关联应用后，MemHub 可导入各工具的历史会话，并通过内置的 Hy Memory SDK 沉淀为本地记忆，此后各工具产生的新会话可实时同步汇入同一份记忆。
MemHub 支持以插件形式一键接入 AI 工具，目前覆盖 WorkBuddy、Cursor、Codex、Pi、Qwen Code、Hermes、DeepSeek Harness 和 OpenCode 等 10 种 AI 工具，涵盖商业编程工具与开源 Agent。
目前，Hy Memory SDK 与 MemHub 已在 GitHub 开源，专用模型权重也已发布。腾讯混元表示，将继续在真实场景中打磨记忆能力，让 Agent 在更长任务、更多工具之间保持连续。
