Tencent открыла Hy-Memory-30B-A3B: модель, которая решает, что агент должен помнить

Tencent Hunyuan опубликовала на Hugging Face модель Hy-Memory-30B-A3B: 30 млрд параметров всего и около 3 млрд активных на токен. Это узкоспециализированная модель для записи долговременной памяти ИИ-агентов: она решает, что из диалога и действий стоит сохранить, в каком виде и как обновить записи при поступлении новых данных. Обычно эту работу в агентных системах выполняет большая универсальная модель, а здесь её забирает компактная MoE-модель, обученная именно под эту задачу. Лицензия Apache 2.0, развёртывание через vLLM с OpenAI-совместимым API.

Учили модель так: сначала дистилляцией Memory On-Policy Distillation, затем обучением с подкреплением на задачах памяти. Технический отчёт вышел препринтом arXiv от 15 октября. По данным модельной карточки, модель напрямую заменяет роль писаря памяти в фреймворках Mem0, MemOS и Hy-Memory. Средний результат по Mem0, Hy-Memory, MemOS и EverMemOS: 55.49% против 54.62% у Claude Opus 5 и 53.64% у DeepSeek V4.1 Flash. Это собственные замеры Tencent, независимой проверки пока нет.

Релиз входит в состав Hy Memory 2.0: сам фреймворк (hy-memory 2.0.4 уже на PyPI) и приложение MemHub, которое собирает историю диалогов и кодовых трасс из разных ИИ-приложений в одно управляемое хранилище. Репозиторий на GitHub создан 15 октября 2026 года. Для практиков это дешёвая замена тяжёлым API-моделям там, где агенту нужна память, а не рассуждения.