Tencent oddaje otwarcie pamięć agentów i twierdzi, że pisze ją lepiej niż model Claude Opus 5
Tencent, przez swój zespół Hunyuan, udostępnił na licencji Apache dwa zero Hy Memory 2.0, czyli kompletny stos do zarządzania pamięcią agentów, i to temat, który w tym wątku pojawia się pierwszy raz w tej skali. Problem, który rozwiązuje, zna każdy, kto buduje agenta: trzeba zdecydować, które szczegóły warto zapisać, jak je przedstawić i kiedy nowszy dowód ma zastąpić starszy wpis. Wiele zespołów robi to dziś za pomocą ogólnego modelu językowego, więc jakość pamięci zależy od podpowiedzi i zachowania tego modelu. Tencent trenuje osobny model wyłącznie do tej roli: Hy-Memory-30B-A3B to mieszanka ekspertów o trzydziestu miliardach parametrów ogółem i około trzech miliardach aktywnych, wyspecjalizowana w zapisywaniu i uzgadnianiu pamięci długoterminowej. Producent podaje, że w jego pomiarze model osiąga średnią pięćdziesiąt pięć i czterdzieści dziewięć setnych punktu wobec pięćdziesięciu czterech i sześćdziesięciu dwóch setnych dla modelu Claude Opus 5, przy stałych pozostałych elementach, to znaczy tych samych zestawach testowych, podpowiedziach, modelach odpowiadających i sędziach. W skład stosu wchodzi też aplikacja MemHub, która za zgodą użytkownika zbiera ślady pracy z takich narzędzi, jak Claude Code, Cursor, Codex, OpenCode i Qwen Code, i udostępnia wspólną pamięć między nimi.
Tu również trzeba rozdzielić fakt od interpretacji. Wyniki pochodzą od producenta i mierzą wyłącznie efekt pisania pamięci w ustalonych systemach, a nie porównują całych, różnych stosów agentowych z odmiennym wyszukiwaniem czy narzędziami, co sam opis zastrzega. Mocniejszym sygnałem jest to, że model przewidziano jako zamiennik modułu piszącego w istniejących systemach Mem0 i MemOS, bez przebudowy reszty, a wynik na utrzymywanym poza treningiem zestawie EverMemOS wyniósł pięćdziesiąt sześć i osiemdziesiąt dziewięć setnych punktu, co jest skromnym, ale realnym dowodem, że wyuczona polityka przenosi się poza własne środowisko testowe. Dla wielu wdrożeń agentowych pamięć jest miejscem, w którym zbierają się koszty i błędy, czyli powtarzane ustalenia, sprzeczne fakty i utracony kontekst projektu. Oddanie wyspecjalizowanego, otwartego modelu na to jedno zadanie obniża próg wejścia i zamienia jedno z najmniej widocznych ogniw łańcucha agentowego w element, który da się mierzyć.