Análisis en profundidad · Unos 4 min de lectura
Hy-Memory 2.0 de Tencent: tres capas de memoria con pruebas distintas
El lanzamiento del 16 de octubre combina modelo especializado, framework y MemHub; las evaluaciones tienen alcances diferentes.
- Fecha de la fuente
- Publicado aquí
- Fuente revisada
La página oficial de Tencent, fechada el 16 de octubre, presenta tres capas utilizables por separado o juntas. La pregunta no es solo si un agente recuerda, sino qué conserva, cómo selecciona recuerdos pertinentes y qué prueba respalda cada mejora. Leímos la publicación completa sin ejecutar software.
Escucha las noticias
Escucha este artículo o continúa con las noticias.
Preparando la lectura…
Voz del dispositivo
El navegador o dispositivo procesa la voz. AISubHub no envía el texto a una API de audio. Las voces y la reproducción con pantalla bloqueada dependen del dispositivo.
Al continuar puede repetirse una frase breve.
Resumen
- Las capas son Hy-Memory-30B-A3B, el framework Hy-Memory y MemHub. Memoria de conversación, trabajo y código son usos diferentes.
- La media 55,49 frente a 54,62 de Opus5 combina seis métricas en cuatro sistemas. Tres se usaron en aprendizaje por refuerzo; EverMemOS no apareció durante el entrenamiento.
Modelo, framework y aplicación cumplen funciones distintas
La página describe Hy-Memory-30B-A3B como modelo de lectura y escritura de memoria con unos 3B parámetros activos. El framework gestiona almacenamiento, actualización y recuperación mediante SDK; MemHub conecta recuerdos con herramientas existentes. Tencent dice que las tres capas se publican abiertamente y pueden adoptarse separadas o juntas. Sustituir el modelo no es la misma intervención que añadir un framework o instalar una aplicación. La página enlaza recursos, pero no inspeccionamos sus licencias ni probamos requisitos de despliegue, por lo que no deducimos permisos generales de uso comercial.
Qué cambia entre conversación, trabajo y código
La memoria de chat organiza acontecimientos entre conversaciones y momentos, une desarrollos, elimina repeticiones y resuelve conflictos antes de recuperar. La de trabajo conserva objetivos, decisiones, resultados intermedios y experiencia, comprobando cuándo sigue siendo aplicable. La de código identifica primero la tarea y recupera decisiones y lecciones relevantes. Nuestra lectura es continuidad y pertinencia, no retención ilimitada de todo. Un ensayo útil incluye preferencias modificadas y decisiones obsoletas: recordar un dato antiguo no basta si el sistema sigue aplicándolo después de que cambien sus condiciones.
Las cifras del framework dependen de la configuración
Tencent comunica 72,6% en LoCoMo, 55,31% en MemoryArena, 64,2% en preguntas y 35,6% en resolución de CodeMemoryBench, y 28,3% en SWE-ContextBench. La comparación usa DeepSeek V4.1 Flash para memoria y GPT-5.6-sol para responder y juzgar. LoCoMo incluye 1.527 preguntas no adversarias. La ocupación cuenta tokens de memoria generada frente a entrada, sin conversaciones originales; Simple RAG sin extracción no es directamente comparable. Por tanto, ni el puesto ni una proporción de almacenamiento garantizan calidad universal, disco total o coste operativo.
La media del modelo pertenece a otro experimento
La comparación da 55,49 a Hy-Memory-30B-A3B y 54,62 a Opus5, promediando igualmente seis métricas en Hy-Memory, Mem0, MemOS y EverMemOS. Los tres primeros sistemas participaron en aprendizaje por refuerzo; EverMemOS comprueba generalización a un sistema no visto. Es evidencia sobre memoria, no un ranking de inteligencia general ni prueba de ganar cada métrica. Tampoco debe mezclarse con las cifras del framework: estas comparan frameworks bajo una configuración de respuesta, mientras el otro experimento cambia el modelo de memoria en varios sistemas.
MemHub comparte mediante herramientas conectadas
Tencent describe importación autorizada de conversaciones a memoria local, sincronización continua y recuperación mediante plugins en diez herramientas. Incluye Cursor, Codex, Claude Code, OpenCode y Qwen Code, con entradas CLI y Mac App. Es una afirmación de integración, no confirmación de que hayamos probado toda versión o sistema operativo. Antes de conectar trabajo sensible recomendamos comprobar qué se importa, dónde se procesa y cómo retirar acceso. La expresión memoria local no establece por sí sola que todas las llamadas a modelos y sincronizaciones funcionen sin conexión.
Los casos internos tienen límites concretos
Tencent informa de una puntuación de memoria para investigación bursátil de 64,3 a 79,6, mejora relativa del 23,8%, no rentabilidad financiera. iWiki compara 251 preguntas: 24,7 usando conversaciones completas frente a 36,7 solo con memoria. Tencent News anuncia media 91,68 y 87,8% de casos superiores a 90, pero con diez usuarios y 41 conversaciones complejas. Son evaluaciones internas distintas, no efectos poblacionales. Recomendamos repetir la tarea pertinente con pruebas actuales y aceptación clara antes de extrapolar a producción, privacidad o valor comercial.
Por qué importa
Un piloto puede comprobar si recordar decisiones y progreso reduce preparativos repetidos. Debe separar recuperación, éxito de tareas y actualidad de pruebas, y confirmar autorización antes de importar conversaciones.
Límites y disponibilidad
Son evaluaciones de Tencent, no reproducciones nuestras. No leímos artículo científico, repositorios o licencia. Publicación abierta no acredita permisos comerciales, seguridad, funcionamiento desconectado, precios API ni ventajas de suscripción.
Fuentes y pruebas
Fecha de la fuente: 16 oct 2026 · Fuente revisada: 20 oct 2026
Contenido editorial asistido por IA y contrastado con fuentes primarias. Las afirmaciones del proveedor se atribuyen; la inclusión no implica recomendación.