Vertiefende Analyse · Etwa 4 Min. Lesezeit
Tencent Hy-Memory 2.0: drei Speicherebenen mit unterschiedlichen Belegen
Die Veröffentlichung vom 16. Oktober verbindet Spezialmodell, Framework und MemHub; ihre Bewertungen haben verschiedene Geltungsbereiche.
- Datum der Quelle
- Hier veröffentlicht
- Quelle geprüft
Tencents offizielle Seite vom 16. Oktober stellt drei getrennt oder gemeinsam nutzbare Ebenen vor. Entscheidend ist nicht nur, ob ein Agent erinnert: Welche Inhalte bleiben, wie werden relevante Erinnerungen gewählt und welcher Test belegt welchen Vorteil? Wir haben die gesamte Veröffentlichung gelesen, ohne Software auszuführen.
Nachrichten anhören
Diesen Artikel vorlesen oder mit den Nachrichten fortfahren.
Vorlesen wird vorbereitet…
Gerätestimme
Browser oder Gerät verarbeiten die Sprache. AISubHub sendet den Text nicht an eine Audio-API. Stimmen und Wiedergabe bei gesperrtem Bildschirm hängen vom Gerät ab.
Beim Fortsetzen kann sich ein kurzer Satzteil wiederholen.
Auf einen Blick
- Die Ebenen sind Hy-Memory-30B-A3B, Hy-Memory-Framework und MemHub. Gesprächs-, Arbeits- und Codegedächtnis sind unterschiedliche Anwendungsfälle.
- Der Modellmittelwert 55,49 gegenüber 54,62 für Opus5 kombiniert sechs Metriken über vier Systeme. Drei dienten dem Reinforcement Learning; EverMemOS war im Training ungesehen.
Modell, Framework und Anwendung sind eigene Ebenen
Die Seite nennt Hy-Memory-30B-A3B ein Modell zum Lesen und Schreiben von Erinnerungen mit ungefähr 3B aktiven Parametern. Das Framework verwaltet Speichern, Aktualisieren und Abrufen per SDK; MemHub verbindet Gedächtnis mit bestehenden Werkzeugen. Laut Tencent sind alle drei Ebenen offen veröffentlicht und einzeln oder kombiniert nutzbar. Ein Modellwechsel ist jedoch ein anderer Eingriff als ein Framework oder eine Anwendung. Links werden angeboten, ihre Lizenzen und Einsatzvoraussetzungen haben wir nicht geprüft. Aus der offenen Beschreibung allein folgt hier deshalb keine pauschale kommerzielle Nutzungserlaubnis.
Was Gesprächs-, Arbeits- und Codegedächtnis unterscheidet
Gesprächsgedächtnis ordnet Ereignisse über Zeit und Sitzungen, verbindet Entwicklungen, entfernt Wiederholungen und behandelt Widersprüche vor dem Abruf. Arbeitsgedächtnis hält Ziele, Entscheidungen, Zwischenergebnisse und Erfahrungen fest und prüft deren Gültigkeitsbedingungen. Codegedächtnis erkennt zunächst die aktuelle Aufgabe und holt passende Entscheidungen und weiterhin anwendbare Lehren. Wir verstehen das als Kontinuität und Relevanz, nicht unbegrenzte Aufbewahrung. Ein sinnvoller Test enthält geänderte Vorlieben und überholte Entscheidungen: Alte Fakten zu behalten reicht nicht, wenn sie trotz veränderter Bedingungen weiter angewendet werden. Mehr Erinnerung bedeutet nicht automatisch bessere Antworten.
Frameworkwerte hängen vom Abrufaufbau ab
Tencent nennt 72,6% LoCoMo, 55,31% MemoryArena, 64,2% Fragebeantwortung und 35,6% Lösung bei CodeMemoryBench sowie 28,3% bei SWE-ContextBench. Der Frameworkvergleich nutzt DeepSeek V4.1 Flash für Erinnerung und GPT-5.6-sol für Antwort und Bewertung. LoCoMo umfasst 1.527 nicht-adversarielle Fragen. Speicherbelegung setzt erzeugte Gedächtnistokens ins Verhältnis zur Eingabe, ohne Rohgespräche; nicht extrahierte Simple-RAG-Fenster sind nicht direkt vergleichbar. Weder Rang noch Speicherquote garantieren daher universelle Qualität, gesamten Plattenbedarf oder Betriebskosten.
Der Spezialmodellmittelwert ist ein anderer Versuch
Das Modell erreicht 55,49 gegenüber Opus5 mit 54,62, gleich gewichtet über sechs Metriken und Hy-Memory, Mem0, MemOS sowie EverMemOS. Die ersten drei Systeme wurden im Reinforcement Learning verwendet; EverMemOS prüft Übertragung auf ein ungesehenes System. Das belegt diese Gedächtnisbewertung, keine allgemeine Intelligenzrangliste und keinen Sieg in jeder Metrik. Die Werte dürfen auch nicht mit Frameworkzahlen vermischt werden: Dort werden Frameworks bei festem Antwortaufbau verglichen, während der andere Versuch das Erinnerungsmodell über mehrere Systeme wechselt.
MemHub teilt über verbundene Werkzeuge
Tencent beschreibt autorisierten Gesprächsimport in lokalen Speicher, fortlaufende Synchronisierung und Plugin-Abruf für zehn Werkzeuge. Genannt werden Cursor, Codex, Claude Code, OpenCode und Qwen Code, mit CLI und Mac App. Das ist eine Integrationsaussage, keine Bestätigung unserer Tests jeder Version oder jedes Betriebssystems. Vor sensibler Arbeit sollten Importumfang, Verarbeitungsort und Entzug des Zugangs geprüft werden. Lokaler Speicher allein beweist nicht, dass sämtliche Modellaufrufe und Synchronisation offline bleiben. Plattformübergreifendes Erinnern ersetzt weder Datenfreigabe noch sorgfältig festgelegte Zugriffsgrenzen.
Interne Geschäftsfälle bleiben begrenzte Beispiele
Tencent berichtet einen Gedächtniswert für Aktienanalyse von 64,3 auf 79,6, relativ 23,8% mehr, nicht eine Anlagerendite. iWiki vergleicht 251 Fragen: 24,7 mit gesamtem Ausgangsdialog gegenüber 36,7 nur mit Erinnerung. Tencent News nennt im Mittel 91,68 und 87,8% der Fälle über 90, aber nur zehn Nutzer und 41 komplexe Gespräche. Das sind getrennte interne Auswertungen ohne nachgewiesenen Bevölkerungseffekt. Wir empfehlen aktuelle Belege und klare Abnahme bei der eigenen Aufgabe, bevor Ergebnisse auf Produktion, Datenschutz oder Geschäftswert übertragen werden.
Warum es wichtig ist
Ein Pilot kann prüfen, ob gespeicherte Entscheidungen und Fortschritte wiederholte Vorbereitung reduzieren. Abruf, Aufgabenerfolg und Aktualität sollten getrennt bewertet und Gesprächsimporte vorher autorisiert werden.
Grenzen und Verfügbarkeit
Das sind Tencent-Auswertungen, keine Reproduktionen von AISubHub. Paper, Repositories und Lizenz wurden nicht gelesen. Offene Veröffentlichung belegt keine kommerziellen Rechte, Sicherheit, Offline-Betrieb, API-Preise oder Abovorteile.
Quellen und Belege
Datum der Quelle: 16.10.2026 · Quelle geprüft: 20.10.2026
KI-gestützte redaktionelle Beiträge, anhand der genannten Primärquellen geprüft. Anbieterangaben werden zugeordnet; eine Aufnahme ist keine Empfehlung.