Hy Memory 2.0 運営中

Hy Memory 2.0は、Tencent Hunyuanがオープンソースで公開するエージェント向けメモリーフレームワークです。モデル + フレームワーク + アプリケーションの3層アーキテクチャを採用しています。メモリートレーニング専用のHy-Memory-30A3Bモデル、チャット・業務・コードの3種類のメモリーに対応するSDK、そして10種類のAIツールに接続できるローカルメモリー管理アプリMemHubで構成されます。Hy Memory 2.0は、対話やツールをまたいで個人の記憶を蓄積・同期し、Agentに継続的で完全な長期記憶を提供します。すでにTencent自選株、Tencentニュースなどのサービスで導入されています。

3層の完全オープンソースアーキテクチャ：専用モデル、メモリーフレームワーク、MemHubアプリを個別に利用でき、組み合わせて完全なMemoryソリューションを構築できます。
3種類のメモリー管理：チャット・業務・コードのメモリーの保存、更新、進化を担い、開発者はSDKを通じてAgentに接続できます。
チャットメモリー：断片的な事実を完全な出来事の流れへと整理し、時間や対話をまたぐ内容を自動的に関連付け、矛盾を解消します。
業務メモリー：タスクの目標、方法、再利用可能な経験を多角的に記録し、再利用前に適用条件を判断して、長期タスクの実行を支援します。
コードメモリー：コードの文脈に合わせてプロジェクトのコンテキストを蓄積し、コードに関するQ&Aやタスク解決の精度を向上させます。
MemHubメモリー同期：ローカルアプリがCursor、Codexなど10種類のAIツールに接続し、過去の会話を取り込んでツール間のリアルタイムなメモリー同期を実現します。

WeChatでフォローして「オープンソース」と返信すると、AIオープンソースプロジェクトの交流グループに参加できます。
イベントベースのメモリー整理：イベントを主体として、時間、場所、人物などの要素を整理し、その後の展開と関連付けます。複数の手がかりを含む質問に答える際は、重複情報を統合し、矛盾する内容を分離してから、整理済みのメモリーをモデルに渡します。
条件付きの経験再利用：業務・コードメモリーを、タスクの目標、確定した方法、段階的な結果、経験の適用条件という複数の観点で保存し、時間とともに整理・更新します。経験を再利用する際は、現在の状況が適用条件を満たしているかを先に検証し、条件が一致した場合に正確に呼び出すことで、誤った転用を防ぎます。
タスクの中断地点からの再開：長期タスクを再起動するたびに、フレームワークが現在処理中の項目を判断し、関連する意思決定、引き続き適用できる経験、過去の作業プロセスを正確に呼び出します。最小限のTokenで最も関連性の高いメモリーを取得できます。
専用小型モデル：Hy-Memory-30A3Bはメモリーの更新・管理に特化してトレーニングされており、Hy Memory、Mem0、MemOSなどのフレームワークでOpus5を上回る性能を発揮します。
グローバルメモリーの集約：MemHubにはHy Memory SDKが組み込まれており、各AIツールの会話をローカルで統一された個人メモリーとして蓄積します。さらに、プラグイン形式でツールにコンテキストを補完し、メモリー資産とツールを分離します。

オープンソースリソースを取得：GitHub（Tencent-Hunyuan/Hy-Memory、Tencent-Hunyuan/MemHub）とHuggingFace（Hy-Memory-30B-A3B）から、フレームワーク、アプリケーション、モデルの重みをダウンロードします。
開発者がSDKを導入：Hy Memory SDKを独自のAgentに統合し、メモリーの保存、更新、呼び出し機能を利用します。
一般ユーザーがMemHubをインストール：MemHubのCLIまたはMac版アプリをダウンロードし、ローカルメモリー管理センターとして使用します。
AIツールを認証・連携：MemHubでWorkBuddy、Cursor、Codexなど、対応する10種類のAIツールを認証します。
過去の会話を取り込む：認証後、各ツールの過去の対話をワンクリックで取り込み、内蔵のHy Memory SDKによってローカルの個人メモリーとして蓄積します。
リアルタイム同期を有効化：各ツールで新たに生成された会話が同じグローバルメモリーに自動的に統合され、手動操作は不要です。
プラグイン形式で呼び出す：連携済みのツールでタスクを開始すると、MemHubが関連するメモリーを現在のツールにコンテキストとして自動補完します。

3層すべてがオープンソース：モデル、フレームワーク、アプリケーションがすべてオープンソースで、個別にも組み合わせても利用でき、高い柔軟性を備えています。
ベンチマークで総合1位：チャット、業務、コードの3種類のシナリオにおける4つのBenchmarkで、いずれもオープンソースのメモリーフレームワークとして1位を獲得しています。
業界初の取り組み：業務メモリーとコードメモリーを初めて提案したメモリーフレームワークで、より幅広いメモリーシナリオをカバーします。
小型モデルが大規模モデルを上回る：約3Bのアクティブパラメータを持つ専用モデルで、メモリー性能はOpus5を上回り、低コストで高い導入性を実現します。
ストレージ使用量が極めて少ない：3種類のシナリオでトップクラスの性能を保ちながら、メモリーの保存容量を小さく抑え、長期利用に適しています。
Token効率に優れる：LoCoMoでToken消費量を39.3%削減し、より少ないコンテキストで高い精度を実現します。
メモリーの資産化：MemHubが10種類のAIツールをつなぎ、個人のメモリーをツール間で継続利用できるようにし、単一製品への依存をなくします。

GitHubリポジトリ： https://github.com/Tencent-Hunyuan/MemHub
https://github.com/Tencent-Hunyuan/Hy-Memory
HuggingFaceモデル：https://huggingface.co/tencent/Hy-Memory-30B-A3B

金融リサーチアシスタント：日をまたぐ対話で、ユーザーが注目するセクターや分析習慣を記憶し、自選株におけるマルチホップ再現率を50%から90%に向上させます。
ニュースコンテンツの推薦：ユーザーが関心を持つ話題や好みの呼称を記憶し、Tencentニュースの「智声」「新聞妹」で長期的な嗜好評価の平均91.68を実現しています。
ナレッジ管理Q&A：iWikiは呼び出したメモリーだけで回答し、すべての元対話を提供した場合と比べて正答率が48.6%向上します。
プログラミング開発支援：プロジェクトの規約や個人のコーディング嗜好をツール間で記憶し、Cursor、Codexなどのツール間でコードメモリーをシームレスに再利用します。
オフィス業務と長期タスク：タスクの目標、段階的な結果、再利用可能な経験を記録し、オフィス向けAgentが複数回の対話をまたいで中断地点から再開できるようにします。