Hy-Memory-30B-A3B

Hy-Memory-30B-A3B

为助手写长期记忆，在 Mem0、MemOS 或 Hy-Memory 里决定保留什么、怎样更新，约有 3B 激活参数。适合构建带记忆的 AI 智能体的开发者。

由 tencent 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Hy-Memory-30B-A3B 是腾讯混元为智能体记忆的写入环节做的模型，30.1B 参数里约有 3B 处于激活状态。在 Mem0、MemOS 和 Hy-Memory 里，它取代通用语言模型的位置。它挑选要保留哪些事实、怎样准确地记录它们，以及新的证据应当怎样改动已经存下来的内容。

适合谁：它适合在记忆框架上构建助手或编程智能体、并且想用一个专门的模型来决定哪些内容进入记忆库的开发者。

行业 | 谁在用 | 怎么用 | 例子
智能体开发 | AI 工程师 | 在记忆框架里把它换成记忆写入模型 | 替换 Mem0 里的通用模型
聊天产品 | 产品开发者 | 在多次对话之间保留关于用户的持久事实 | 收到新消息后更新已存的偏好
编程工具 | 工具构建者 | 在会话之间保留关于代码库的工作笔记 | 使用 Hy-Memory 的编程场景
研究 | 记忆研究人员 | 在相同条件下对比不同的记忆写入模型 | 阅读模型卡里的跨框架表格

如果你只需要一个对话模型，或者不使用记忆框架，可以跳过它。

用在哪里：

• Mem0、MemOS 和 Hy-Memory，涵盖聊天、工作和编程场景
• EverMemOS，模型卡说它无需额外训练就能迁移过去
• 装有 transformers 的 Python，可在 Windows、macOS 或 Linux 上使用

用例 | 谁用 | 得到什么
聊天记忆 | 助手构建者 | 在多次对话之间保留的已存事实
工作记忆 | 智能体构建者 | 关于进行中任务的笔记
编程记忆 | 工具构建者 | 关于一个代码仓库的已存知识

如何设置：

• Python 和 Hugging Face 的 hub 包
• transformers 库，模型页面列出的就是它
• 一个记忆框架，比如 Mem0、MemOS 或 Hy-Memory
• BF16 权重约需 60.1 GB，按模型卡的估计 4 比特约需 15 GB

1. 安装 Hugging Face 的 hub 包。
2. 用下面的命令下载模型文件。
3. 用 transformers 加载模型。
4. 在你的记忆框架里，凡是需要写记忆的语言模型的地方，都用这个模型。

pip install -U huggingface_hub
hf download tencent/Hy-Memory-30B-A3B

如何使用：你不直接和它聊天。你的记忆框架把对话或工作内容发给它，由模型决定往记忆库里写什么，以及怎样修订旧的条目。

工具 | 作用
Mem0 | 一个记忆框架，这个模型可以作为其中的写入模型
MemOS | 另一个记忆框架，同样可以这样替换
Hy-Memory | 腾讯的记忆框架，涵盖聊天、工作和编程场景
EverMemOS | 训练时没有见过的框架，模型卡说模型仍然能处理

示例：你在 Mem0 上运行一个助手，并把这个模型换成记忆写入模型。对话之后它会存下重要的事实，用户之后改了某个细节时，它会修订已存的条目。

新手与专家：助手在两次聊天之间会忘掉一切，除非有东西往记忆库里写笔记。这个模型就是那个写笔记的。它自己不回答用户。第一次可以把它换进你已经在用的某个记忆框架里，再对比它存下的记忆。

从底层看，它是分两个阶段训练的。先是 Memory On-Policy Distillation，然后是 Attributed Memory Reinforcement Learning。模型卡的测试只改变记忆写入模型，而回答模型、评判模型和检索设置保持不变。每个框架的分数是六项指标的平均，其中有 LoCoMo 和 LongMemEval。

对话或工作记录进来
写入模型决定保留什么
记忆库得到更新
之后的问题从记忆库里读取

注意事项：

Title: 四个框架上的平均分，越高越好
Hy-Memory-30B-A3B: 55.49 points
Claude Opus 5: 54.62 points
DeepSeek V4.1 Flash: 53.64 points
Hy3: 51.63 points
Qwen3.6-35B-A3B: 50.37 points
Hy3-A3B Base: 47.66 points
Qwen3-30B-A3B: 44.37 points

Title: 各记忆框架上的分数，越高越好
记忆写入模型 | Mem0 | Hy-Memory | MemOS | EverMemOS
Hy-Memory-30B-A3B | 54.02 | 60.55 | 50.51 | 56.89
Claude Opus 5 | 53.43 | 60.53 | 50.50 | 54.04
DeepSeek V4.1 Flash | 49.73 | 60.20 | 49.17 | 55.47
Hy3 | 45.99 | 58.06 | 50.19 | 52.30
Qwen3.6-35B-A3B | 47.51 | 55.87 | 47.36 | 50.75
Hy3-A3B Base | 40.20 | 50.39 | 49.05 | 50.98
Qwen3-30B-A3B | 39.81 | 45.67 | 45.44 | 46.57

• 这些分数来自基准测试的固定 20% 子样本，所以只是抽样，不是完整数据集。
• 在模型卡的 Mem0 明细里，Claude Opus 5 在部分项目上得分更高，比如 LoCoMo 是 69.47，而这个模型是 59.54。
• EverMemOS 在训练时被留出，模型卡仍然给出了它的结果。
• 其他人发布了它的 24 个量化版本和 2 个微调版本。
• License: Apache 2.0
• Cost to run: 未提到，不过 BF16 权重约占 60.1 GB
• Data it reaches: 你的框架发给它的对话内容，以及它更新的记忆库
• Not for: 未提到，不过它是作为记忆写入模型而不是通用对话模型来构建的

Hugging Face 上的数据（2026年11月13日）

• 任务：text generation
• 框架：transformers
• 参数量：30.1B
• Weights: about 60.1 GB in BF16; about 15 GB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：7,755
• 点赞：325
• 许可证：apache-2.0
• 语言：en, zh
• Quantized versions: 24
• Fine-tunes: 2
• 标签：transformers, safetensors, hy_v3, text-generation, conversational

链接

• 模型：https://huggingface.co/tencent/Hy-Memory-30B-A3B
• 文件：https://huggingface.co/tencent/Hy-Memory-30B-A3B/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download tencent/Hy-Memory-30B-A3B

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。