聚焦外部记忆写入路径
2026年10月15日，腾讯在Hugging Face平台正式发布了名为tencent/Hy-Memory-30B-A3B的新模型。该模型由腾讯混元团队研发，被定义为紧凑型的“长期记忆写入模型”，其基于Hy3-30B-A3B指令微调检查点构建，激活参数约为30亿。
在大型语言模型的外部记忆系统中，该模型专门负责执行“写入路径”，即决定系统应当保留哪些信息、如何精确表示这些信息，以及新证据应如何更新持久化状态。
状态分离训练与官方测试表现
该模型采用两阶段训练方法：第一阶段为记忆同策略蒸馏（OPD），使用Hy3旗舰模型作为教师模型；第二阶段为记忆强化学习（Memory RL），通过密集的块级探针与归因跨块奖励等优化下游回答能力。在训练时，模型采用状态分离设计，仅针对“写入器”进行优化，在奖励计算期间保持“读取器/回答模型”固定，以确保回答质量的提升来源于记忆机制的改善。
官方论文数据显示，在Mem0、Hy-Memory、MemOS以及未参与训练的保留环境EverMemOS四个测试环境中，该模型均排名第一，宏观平均得分为55.49%。在官方对比数据中，相较于Claude Opus 5，该模型宏观平均提升0.87分；相较于DeepSeek V4.1 Flash提升1.85分；相较于其自身的基础检查点提升7.84分。需要指出的是，官方论文中披露的所有性能数据均基于固定的20%基准测试子样本得出。
承接插件生态与跨框架通用性
此前在2026年5月28日，腾讯混元曾正式发布「Hy-Memory」记忆插件，定位为面向Openclaw等长期协作型Agent的“第二大脑”。该插件采用6层记忆框架、System1/System2双系统以及演化链三层核心架构，官方测试称其使记忆数量降低70%以上、单条信息密度提升45%以上，并支持通过OpenClaw插件市场安装及提供CLI工具进行数据迁移。
此次发布的30B-A3B模型是对腾讯混元记忆生态在底层模型能力上的专项强化。官方主张该模型为一个“统一模型”，能够跨越Mem0、MemOS以及腾讯自家的Hy-Memory等多个已建立的记忆框架运行，旨在解决现有框架在特定提示词后调用通用大模型导致服务成本增加、以及单一协议特化写入器无法跨协议迁移的问题。