Today for AI
返回热点榜
llm热度 0.0°

AI 聚合热点事件 · 2026/10/20

MemT 1.0 开源发布，原生记忆架构突破 300B 参数

3 篇收录报道0 家独立信源交叉印证持续跟踪至 2026/10/20 20:50:34
全景综述与最新动态

记忆张量团队正式开源业内首个“记忆原生”基座模型 MemT 1.0，包含 Flash (288B) 和 Nano (36B) 两个版本。该模型首次在近 300B 参数规模上验证了将历史信息编码为可持续更新的内部参数化记忆状态的可行性，标志着 AI 从依赖外部检索向内生记忆能力的重大范式转移。

技术层面，MemT 1.0 在 Transformer 架构中嵌入了与注意力机制并行的记忆计算通路，使模型能够直接学习写入、更新和读取经验，而非传统外接向量数据库方案。Flash 版基于 DeepSeek-V4 基座，Nano 版基于 Qwen3.6 基座。多信源交叉确认，这种原生架构具备更高的扩展上限和更紧密的推理耦合，有效解决了长上下文耗尽后的经验传承难题。

此次发布不仅提供了完整的技术报告与代码，更提出了递归自我改进 (RSI) 方向，旨在让有效方法成为下一轮模型迭代的基础。这为构建具备长期知识沉淀能力的自主智能体奠定了关键基础设施，有望重塑开发者生态与大模型演进路径。

最新动向/MemT 1.0 已全面开源技术报告与代码，重点展示了其在近 300B 参数规模下实现内生记忆的工程验证。当前社区正聚焦于其并行记忆通路对 RSI（递归自我改进）的实际赋能效果，以及相比传统 RAG 方案在长程任务中的性能优势。

报道时间线

共 3 篇 · 最新优先
  1. 量子位官网T2·78 分

    MemT 1.0 开源发布，实现近 300B 参数记忆原生模型

    原标题：RSI三块关键拼图，MemT 1.0从模型层补上「记忆」

    • 首次在近 300B 参数规模（MemT-1.0-Flash）上实现记忆原生模型的工程验证。
    • 采用并行记忆计算通路，将经验编码为可学习的内部动态状态，而非依赖外部检索增强。
    • 提供 Nano (36B) 和 Flash (288B) 两个版本，分别基于 Qwen3.6 和 DeepSeek-V4 基座。
  2. 机器之心 (微信公众号)T2·85 分

    MemT 1.0 发布：首个记忆原生开源大模型

    原标题：MemT 1.0发布：迈向递归自我改进，让记忆成为模型内生能力

    • 发布 MemT-1.0-Flash (288B/17B激活) 和 MemT-1.0-Nano (36B/3B激活)，均为开源参数化记忆模型
    • 核心突破在于将历史交互编码为动态更新的内部记忆状态，解决上下文窗口耗尽后的经验传承问题
    • 提出递归自我改进 (RSI) 方向，旨在让有效方法成为下一轮模型迭代的基础
  3. 量子位 (微信公众号)T2·78 分

    MemT 1.0 开源发布 原生记忆架构突破 300B 参数规模

    原标题：RSI三块关键拼图，MemT 1.0从模型层补上「记忆」

    • MemT 1.0 包含 Nano (36B) 和 Flash (288B) 两个版本，分别基于 Qwen3.6 和 DeepSeek-V4 基座。
    • 核心创新在于引入与注意力机制并行的记忆计算通路，使模型能直接学习写入、更新和读取经验。
    • 相比传统外接向量数据库的外部记忆方案，原生记忆架构具备更高的扩展上限和更紧密的推理耦合。