腾讯混元的智能体记忆方案在 2026 年 10 月 16 日升级到 Hy Memory 2.0，并把专用模型、记忆框架和 MemHub 应用三层一起开源。对长期用 AI 智能体干活的人来说，这次更新回答的是一个具体问题：智能体在一次对话里记住的东西，怎样才能沉淀下来、被下一个工具接着用，而不是每次打开新窗口都从零开始。三层可以独立使用，也可以组合成一套完整的记忆解决方案。
三层开源，分别解决存、算、用
底层是专用模型 Hy-Memory-30A3B，专门为记忆的写入、整理和召回训练。中间层是记忆框架，负责聊天、工作、代码三类记忆的存储、更新和进化：聊天记忆不再只存零散事实，而是把一次交流整理成完整的事件脉络；新增的工作记忆会记录一条经验在什么条件下适用，避免智能体把上次的成功做法生搬到不相关的任务上；代码记忆则面向长程编程任务保存项目上下文。顶层 MemHub 是本地记忆管理应用，提供命令行和 Mac 端，能连接 WorkBuddy、Cursor、Codex 等 10 种 AI 工具，把各工具里积累的历史记忆导入同一处，并支持跨工具实时同步。腾讯混元称，专用模型在多套记忆系统参与的评测中得分 55.49，高于 Claude Opus 5 的 54.62，框架在 4 个记忆基准上位列开源框架第一；这两项都是发布方公布的自测口径，还有待第三方复现。
记忆层和长上下文不是一回事
Hy Memory 2.0 值得看的判断，是它没有把宝押在更长的上下文窗口上。发布方给出的落地数据里，腾讯新闻的长期偏好评测平均 91.68 分；iWiki 场景中，只用整理后的记忆作答，正确率比把全部原始对话直接塞给模型相对提升 48.6%。这类对比说明，记忆的价值不在记得多，而在写进去之前先做取舍和结构化：原始对话越长，无关信息对召回的干扰越大。对开发者的实际意义是，记忆层可以独立于具体模型演进——换模型、换工具时，用户积累的偏好、经验和项目上下文不必推倒重来。需要保留的提醒是，上述数字全部来自发布方在自家业务上的测试，外部团队接入后的召回质量、同步延迟和隐私处理方式，要以开源仓库的实际实现和自测结果为准。
已经在腾讯内部三个业务里跑过
按发布方披露，这套能力已经在腾讯自选股、iWiki 和腾讯新闻落地。自选股场景里，多跳问题——需要串联多条历史信息才能回答的问题——的召回率从 50% 升到 90%，综合得分提升 23.8%。这类金融问答恰好是记忆质量最容易露馅的场景：用户关注的标的、风险偏好和历史操作分散在不同时间点，漏召回一条就会答偏。对正在自建智能体记忆的团队，Hy Memory 2.0 提供了一个可对照的开源参照：专用小模型加框架加同步应用的分层方式，比把记忆逻辑写死在单个应用里更容易迁移。
