发布时间:2026-10-22 08:44 更新时间:2026-10-22 08:44 阅读量:2
10月20日,记忆张量发布记忆原生大模型MemT 1.0系列并宣布开源。与常见的“把历史对话塞进上下文”不同,这一系列把“可持续存在、可更新的内部记忆”直接纳入模型计算,历史信息与任务经验可以在后续任务中被直接调用,不必每次重复提供原始历史文本。据公开报道,模型权重已在Hugging Face等平台开放获取。
MemT 1.0目前包含MemT-1.0-Flash(288B)与MemT-1.0-Nano(36B)两个型号。架构上,它在Transformer模块中引入原生记忆模块,注意力与记忆注意力并行运行;更新机制采用基于Gated DeltaNet-2的逐token稳定更新,配合Mixture-of-Storage混合存储扩容,训练则分“持续预训练+后训练”两个阶段推进。对站长和运维读者来说,可以把它理解为:模型多了一块可读写的“长期档案”,而不是每轮对话都从零开始。
官方公开的评测数据显示,11项记忆基准平均分为50.6与47.0,在参数化记忆方法中分列第一、第二。编程智能体实测中,Nano在SWE-bench Verified的500项任务上成功率从66.07%提升至69.73%;长历史场景下推理速度提升约1.86倍(128K)与3.99倍(256K),持久化记忆状态约为完整上下文的1/66。以上数据来自发布方披露,实际表现受硬件、框架版本与提示方式影响,具体以官方文档和实际环境为准。
记忆原生模型的直接价值在于“省上下文”。客服问答、工单跟进、后台助手这类需要跨轮次记住用户偏好的场景,过去常用拼接历史记录的方式实现,Token开销随对话增长。若模型侧能维护可更新的记忆状态,应用层的拼接逻辑就有机会简化。不过要提醒的是,记忆内容同样属于需要治理的数据,涉及用户信息时应做好脱敏与留存策略,不要把会话原文长期堆积在记忆库里。
部署侧可以先按常规开源模型的思路评估。以Hugging Face权重为例,下载与校验可用如下命令,仓库名与文件列表请以官方页面为准:
# 安装工具并下载模型权重(仓库名以官方发布为准)
pip install -U huggingface_hub
huggingface-cli download <官方仓库名> --local-dir ./memt-1.0-nano
下载后校验文件完整性
du -sh ./memt-1.0-nano
sha256sum ./memt-1.0-nano/*.safetensors | head推理框架方面,官方是否提供vLLM、SGLang等适配、显存占用与量化方案,需查阅发布说明;36B与288B的硬件门槛差异明显,建议先在测试机验证再决定是否上线。若用于生产环境,还应关注记忆状态的存储位置、清理周期与并发写入的一致性。
从10月的国产模型动态看,长上下文、MoE稀疏化已经是常见配置,而“记忆”是相对新的切入口。它试图回答的问题是:模型能否像人一样积累经验,而不是每次任务都重新读一遍材料。对中小站点来说,短期内更现实的用法仍是将此类模型接入内部工具与客服辅助,先解决重复问答和长会话成本问题。至于记忆机制在真实业务中的稳定性,还需要更多公开的工程实践来验证,相关能力与许可条款请以官方公告为准。
| 📑 | 📅 |
|---|---|
| DeepSeek V4.1 Flash-1017更新:编程与智能体能力提升 | 2026-10-22 |
| 蚂蚁百灵开源Ling-3.1-flash:560B参数、1M上下文、4卡可部署 | 2026-10-22 |
| 10月国内大模型融资升温 算力与具身智能受关注 | 2026-10-22 |
| 10月国产开源大模型密集更新:端侧与百万上下文成焦点 | 2026-10-22 |
| 国产模型开源潮:从百万上下文到原生记忆 | 2026-10-22 |
| 百度搭子从办公桌走向生产线 企业客户环比增83% | 2026-10-22 |
| 10月国产AI芯片与算力政策观察:国产加速卡份额破四成 | 2026-10-22 |
| MiniMax M3.1 Flash发布:推理提速近3倍、成本降七成 | 2026-10-22 |
| 讯飞星火X2.6发布:全国产算力再进一步 | 2026-10-22 |
| WPS 365政务版落地成都:政务办公从买授权转向买服务 | 2026-10-22 |