你有没有这种经历。跟 AI 聊到一半，它忘了前面说过什么，你只好把背景再交代一遍；换个工具接着聊，又得从头讲起。一天下来，光是「重复我自己」就花掉不少时间。
今天腾讯混元开源了一套东西，叫 Hy Memory 2.0。官方把它定性为「智能体记忆框架」。
说白了，就是想让 AI 记住你，别再每次装陌生。先说清楚：这篇的信息都来自腾讯混元官方和 IT 之家的报道，arXiv 论文全文、benchmark 原始数据我都没拿到，【暂无相关资料】。凡是写着「据官方」「据论文」的地方，都是转述口径，不是我实测。
一、AI 的记性差，到底差在哪
得先分清，这不是「上下文窗口太小」那个问题。窗口再大，一轮对话结束，该忘还是忘，下次打开它不认识你。所以真正缺的，是一套能跨对话、跨工具把信息存下来、还能不断更新的机制。
Hy Memory 2.0 把记忆分成三类。聊天记忆，工作记忆，代码记忆。
第一类好理解，记住你是什么人、聊过什么。后两类是 2.0 新增的，官方说这是业界第一个同时提出工作记忆与代码记忆的框架。工作记忆记的是「一件事做到哪了」：任务目标、已经定下的做法、阶段结果，还有能复用的经验。代码记忆，顾名思义，服务写代码的场景。它到底行不行，得看分数。
二、官方给的那些分
腾讯给了一堆 benchmark 结果，我挑几个关键的抄在下面。工作记忆，在 MemoryArena 的旅行规划和组合购物两个任务上平均分 55.31%，比第二名 EverOS 高出 10.2 个百分点；代码记忆，CodeMemoryBench 上代码问答准确率 64.2%，任务解决率 35.6%，SWE-ContextBench 上解决率 28.3%，比 MemOS 和 Mem0 的 25.3% 高；聊天记忆，LoCoMo 上准确率 72.6%，略高于 EverOS 的 71.9%。
还有一个数我多看了两眼。
Token。聊天记忆每题从 1,159 降到 703，少了 39.3%。准确率没拉开多少，但同样一个答案更省了。这个方向，做 Agent 的人应该会在意。
【个人看法】这些数字有个前提，全是官方自己给的。对比的框架版本、测试环境、有没有调参，报道里都没说。benchmark 第一和真实好用之间，还隔着一段路。当参考可以，当结论就过了。
三、模型和 App
除了框架，还开源了一个专门练记忆的模型，叫 Hy-Memory-30A3B，激活参数约 3B。按报道里的说法，它是在 Mem0、MemOS、Hy-Memory 三套框架上训练的，在固定 20% 基准子样本的四套评测里都排第一，宏观平均 55.49%。同一批测试里，Claude 的 Opus 5 是 54.62%，DeepSeek V4.1 Flash 53.64%，Qwen3-30B-A3B 44.37%。
多出来的那不到一个百分点，说实话不算多。
【个人看法】分数咬得这么紧，反而说明现在的瓶颈可能不完全在模型，而在「怎么记、记什么」这套框架上。这大概正是它把框架单独开源的原因。
应用层还有一个叫 MemHub 的本地工具，有命令行和 Mac 版。授权之后，它能把各个工具的历史会话导进来，在本地沉淀成一份记忆；之后这些工具产生的新对话，可以实时汇进同一份。它走插件形式接入别的 AI 工具，报道里点名的有 WorkBuddy、Cursor、Codex、Pi、Qwen Code、Hermes、DeepSeek Harness、OpenCode 等 10 种，商业编程工具和开源 Agent 都有。
四、普通人现在能用上吗
坦白说，不是给你的。
框架、模型、SDK 都是给开发者的。你要会写代码、能接 SDK，才谈得上用。MemHub 虽然是个 App，可它的定位是本地记忆管理，面向的也是天天在好几种 AI 工具之间来回倒的人。
【个人看法】对普通用户，这件事的意义是间接的：你常用的那些 AI 工具，接下来可能会陆续记性好一点。什么时候轮到，得看它们接不接。报道里没说哪些产品会采用，我也没法猜。
五、几句得说清楚的
一，这篇是二手整理，arXiv 论文、官方技术博客全文我都没拿到，【暂无相关资料】。二，所有性能数字都出自官方口径，没有第三方复现，benchmark 榜单是某个时间点的快照，不是永久排名。三，开源是真的，SDK 和 MemHub 在 GitHub，模型权重在 Hugging Face，报道里给了链接；但代码质量、维护情况、许可证细节，我没看，【暂无相关资料】。腾讯说后面会继续和更多业务协同，让 Agent 在更长的任务、更多的工具之间保持连续。这目标听着挺好。能不能做到，得等开发者上手用一段时间才知道。
你用 AI 的时候，最烦它忘掉哪件事？
（素材来自腾讯混元官方与 IT 之家 2026 年 10 月 16 日报道。）