
transcript
show notes
騰訊混元開源的 MemHub 把 Claude Code、Cursor 等 AI 工具的對話紀錄收進本機同一個資料夾,記憶可以跨工具調用。同批開源的 Hy-Memory-30B-A3B 專職寫入記憶,每次只動用約 30 億參數,總平均 55.49 對 Claude Opus 5 的 54.62。模型卡另列 Hy3-A3B Base 的總平均是 47.66。
⭐ 文章深度讀:騰訊開源 MemHub!換 AI 工具也帶得走的本機共用記憶庫
→ https://heymaibao.com/tencent-memhub-open-source-ai-memory-486d72/
⚡ 章節重點
換工具就失憶的麻煩 00:00
MemHub 的跨工具記憶 00:33
專職寫記憶的小模型 01:43
分數背後的真正進步 02:37
開源小模型就夠用 04:19
📝 懶人包
∙ MemHub 把各家 AI 工具的對話紀錄收進自己電腦的同一個資料夾。
∙ Hy-Memory-30B-A3B 專寫記憶,每次只動用約 30 億參數。
∙ 總平均小模型 55.49,Claude Opus 5 是 54.62。
∙ 我的觀點:記憶該跟著人走,不跟著工具走,存在自己的電腦上。
📚 參考資料
🚀 Hy Memory 2.0 is out — open-source model, framework, and MemHub.
→ https://x.com/TencentHunyuan/status/2111027329816465435
GitHub - Tencent-Hunyuan/Hy-Memory
→ https://github.com/Tencent-Hunyuan/Hy-Memory
tencent/Hy-Memory-30B-A3B · Hugging Face
→ https://huggingface.co/tencent/Hy-Memory-30B-A3B
tencent/Hy3 · Hugging Face
→ https://huggingface.co/tencent/Hy3
Hy-Memory-30B-A3B vs Qwen3.8-27B: Metered vs Capital
→ https://www.orcarouter.ai/blog/hy-memory-30b-a3b-vs-qwen-3-8-27b
Total Recall at What Cost? Benchmarking the Serving Cost of Agentic Memory Systems
→ https://arxiv.org/html/2608.11879v1