腾讯混元把智能体记忆框架 Hy Memory 升级到了 2.0，专用模型、记忆框架和 MemHub 应用三层同一天开源，三层能力既能独立使用，也能组合成一套完整的 Memory 解决方案。 对个人开发者，这次开源最容易被误读的一点是：三层各算各的资源账——装框架不需要显卡，跑专用写手才进入显存话题，而应用层卡在操作系统和制品状态上。10 月 16 日发布、次日清晨热度仍在发酵，跑分转述已经很多，先把“我的环境到底需要什么”拆清楚更省钱。微博
框架层：pip 起步，不碰显卡
框架 hy-memory 是整套能力的入口，以 Python SDK 形式发布，负责组织聊天、工作、代码三类记忆的存储、写入与检索，给不同任务安排不同的记忆流程。想试框架，可以安装 `pip install hy-memory==2.0.1`，MemHub 有 CLI 和 Mac 客户端，Cursor、Codex、Claude Code 等 10 余款工具共用一份记忆。 起步只需要配一个大模型 API 和一个向量服务（任何 OpenAI 兼容接口都行），三行代码建客户端、写入、检索，记忆数据落在本地目录。不部署专用写手时，通用大模型配合框架提示词照样能完成记忆写入——评估框架本身，一张独立显卡都不占。知乎
上手时有两个范围限制值得先记住：工作记忆与代码记忆的写入要求提供工具调用轨迹，也就是工具调用及返回结果的记录，并且只在 pro / ultra 模式生效。 lite 写入和“无工具输入的自动分类”确实不调用 LLM，但 pro / ultra 模式的聊天记忆仍包含模型提取与信息更新，教程里“零 LLM”的说法不能套用到整条管线。知乎
模型层：3B 激活不等于 3B 显存
专用模型 Hy-Memory-30B-A3B 是这次开源里最容易被标题化的一层：它用专门的强化学习训练，30B 总参数、约 3B 激活参数，专门学习怎么选择、更新和保留有用记忆，避免无意义的信息堆积。 但“只激活 3B”说的是计算形态，不是内存账单：权重仍需按约 30B 规格完整装载，按每参数 2 字节的 BF16 通用换算就是 60GB 量级，框架能安装和模型能运行是两道资源要求。 官方模型页给了 vLLM 部署路径；训练用了 128 张 H20，那是腾讯的成本，与个人部署无关。没有高显存或多卡条件的开发者，更现实的路径是把写手放在云端推理服务里调用，本地只跑框架。知乎知乎
要不要为它单独部署，取决于跑分的真实口径。“干翻 Opus 5”来自固定评测框架：只替换记忆写手、其余组件锁死，各写手从空库积累，总平均 55.49% 对 Opus 5 的 54.62%，差 0.87 个百分点。 官方口径里它在跨 4 套主流记忆系统测试均分 55.49，超越 Opus 5、DeepSeek V4.1 Flash 和 Qwen3-30B-A3B。 但分项差距从 0.01 到 2.86 个百分点不等，其中两项基本持平——这是“记忆写入”的专科优势，不是通用能力碾压。这套框架已在腾讯内部金融、资讯、知识管理、办公 Agent、社交娱乐和游戏等多条业务使用。 业务级收益仍需拿自己的样本验证：保留检索与答题设置、只替换写手，看反复遗漏的偏好和过期信息能否被正确更新，有改善才有单独部署写手的依据。知乎微博微博
MemHub 层：先核对系统、制品和授权
MemHub 是本地优先的桌面与 CLI 应用（旧名 One Memory），支持导入历史会话，打通 Cursor、Codex、WorkBuddy 等 10 种 AI 工具实时共享本地记忆。 但它的适用环境比演示视频苛刻一层：发行目标包括 Linux x64 / arm64 和 macOS arm64 / x64，暂不支持 Windows；正式支持还要求制品出现在 GitHub Release 与发行清单中，并通过公开验证。 源码状态为 v1.0.0，npm 入口 memhub-cli 在素材取证时仍是规划项、公共 registry 未收录——搜到同名包先核对官方发行状态，别装到非官方制品。微博知乎
隐私上要分开看三道门：来源读取、模型处理、应用读取记忆分别授权，官方列出的采集边界不包含屏幕、Accessibility / AXTree、OCR、键鼠、剪贴板或后台录音采集。 需要自行确认的是“模型处理”这一环：系统支持与第三方模型发送范围都有条件，本地优先不等于全链路本地。 许可也要按组件核对：仓库总说明写 Apache-2.0，PyPI 则明确区分 SDK 的 MIT 与 MemHub 的 Apache-2.0，商用前逐项读取实际版本的许可证，不能只看项目首页一行标签。知乎哔哩哔哩
版本坑：别拿 1.0 的教程装 2.0
Hy Memory 2.0 与 5 月开始发布的 1.0 是两套叙事：旧版 OpenClaw 插件、六层框架等描述不能直接套用。 1.0 到 2.0 最大的变化，是聊天记忆从零散事实升级为完整事件脉络，同时新增工作记忆与代码记忆。 检索旧教程时先按发布时间过滤；训练侧的 DCPM 双过程记忆论文已被 EMNLP 2026 接收，想读实现细节，看论文和技术报告比读二手跑分帖可靠。知乎小红书
把三层拧成一条评估路径：先用框架加 API 的零显卡路线，验证三类记忆是否匹配自己的业务；写入质量成为瓶颈，再单独为约 30B 的写手配云端算力；需要跨工具共享记忆时，才在 Linux 或 macOS 上核对制品、授权与许可后安装 MemHub。开源把整套能力摆上了货架，但“能装上”和“你的机器跑得动”，仍然是分开标价的。
