A Tencent Hunyuan apresentou a segunda versão de seu framework de memória para agentes de IA, Hy Memory 2.0, e tornou todos os três níveis da pilha abertos. Esses níveis incluem um modelo de memória especializado, o próprio framework e um aplicativo local de memória chamado MemHub. Os usuários podem aplicar esses componentes individualmente ou em combinação.
A Tencent informa que o Hy Memory já está sendo usado por equipes internas em áreas como finanças, agências de notícias, gerenciamento de conhecimento, agentes de escritório, entretenimento social e jogos.
O framework é responsável por armazenar, atualizar e desenvolver três tipos de memória: de chat, de trabalho e de código. Desenvolvedores o integram em seus agentes através de um SDK disponível no PyPI sob o nome hy-memory 2.0.2. Os novos recursos da versão 2.0 são a memória de trabalho e a memória de código. Eles registram o objetivo da tarefa, as decisões tomadas, os resultados intermediários e as lições aprendidas, bem como as condições aplicáveis a essas lições. Antes de retomar uma tarefa longa, o sistema primeiro determina a tarefa atual e, em seguida, recupera as decisões relevantes, a experiência ativa e o histórico de trabalho anterior.
A memória de chat agora agrupa fatos dispersos em eventos, indicando tempo, local e participantes, consolida duplicatas e resolve contradições antes de passar o contexto para o modelo.
Resultados de testes do framework
A Tencent declarou ter conquistado o primeiro lugar entre frameworks de código aberto, incluindo Mem0, MemOS e EverOS, em quatro testes diferentes. De acordo com a empresa, a memória de trabalho obteve uma média de 55,31% em tarefas de planejamento de viagens e compras na plataforma MemoryArena. A memória de código alcançou 64,2% de precisão nas respostas a perguntas e 35,6% na resolução de tarefas no CodeMemoryBench, além de 28,3% na resolução de tarefas no SWE-ContextBench. A memória de chat demonstrou 72,6% de precisão no LoCoMo, ao mesmo tempo que reduziu o número de tokens por pergunta de 1159 para 703, o que representa uma redução de 39,3%.
O modelo de camada, denominado Hy-Memory-30B-A3B, é um modelo do tipo 'mistura de especialistas' com aproximadamente 3 bilhões de parâmetros ativos, treinado para recuperação de memória e processamento de conflitos. Este modelo é avaliado em um relatório técnico em uma amostra fixa de 20% dos benchmarks em todos os quatro sistemas de memória. Nesta amostra, ele obteve uma média macro de 55,49, superando ligeiramente os resultados do Claude Opus 5 (54,62) e DeepSeek V4.1 Flash (53,64). Os pesos do modelo estão disponíveis no Hugging Face.
O aplicativo MemHub é uma ferramenta orientada localmente que inclui uma linha de comando e um cliente para Mac. Após a autorização das ferramentas conectadas, o usuário importa sessões anteriores para um único armazenamento de memória local e suporta a sincronização de novos dados. A Tencent observa que o MemHub está atualmente integrado com 10 ferramentas de IA, incluindo WorkBuddy, Cursor, Codex, Qwen Code, OpenCode e DeepSeek Harness.
O arquivo de licença do repositório no GitHub indica que o Hy-Memory foi lançado sob a licença Apache 2.0.