MemTensor 开源 MemT-1.0：把记忆写进模型，128K 存储省 66 倍
MemTensor 团队 10 月 20 日在 Hugging Face 开源了 MemT-1.0 系列。思路是把“记忆”做进模型的计算里，而不是外挂一个知识库：模型在每轮对话后更新内部记忆状态，下次不用把原始历史重新喂进去。
| 型号 | 基座 | 总参 / 激活 | 许可证 |
|---|---|---|---|
| MemT-1.0-Nano | Qwen3.6-35B-A3B | 36B / 3B | Apache 2.0 |
| MemT-1.0-Flash | DeepSeek-V4-Flash | 288B / 17B | MIT |
按技术报告，在 128K 历史长度下，Nano 的端到端推理快约 1.86 倍，持久存储比保留完整 KV 缓存小约 66 倍。在 11 个记忆基准上，Flash 和 Nano 在“参数化记忆”类方法里排第一、第二。
注意：模型卡自己也承认，强的文本记忆系统（也就是检索增强 RAG 那一类）整体仍然领先，尤其是需要从长历史里找具体细节的任务。所以它暂时还替代不了 RAG。基座模型的许可证仍然有效。以上都是团队自报，我们没有实测。