先了解这件事
2026年10月20日,记忆张量发布并开源 MemT 1.0 系列记忆原生大模型。据量子位报道,该系列包含 36B 参数、激活 3B 的 MemT-1.0-Nano(基座 Qwen3.6-35B-A3B)和 288B 参数、激活 17B 的 MemT-1.0-Flash(基座 DeepSeek-V4-Flash),在选定的 Transformer 模块中加入与注意力并行的记忆计算通路;团队构建 340 亿 Token 记忆训练语料,其中继续预训练 200 亿、后训练 140 亿。在 11 项记忆基准综合评估中,Flash 和 Nano 平均得分分别为 50.6 和 47.0,位列参与评估的参数化记忆方法前两名;在 500 项 SWE-bench Verified 任务中,Nano 三次全部成功的任务比例从无经验基线的 54.00% 提升到 62.80%。后续报道称,MemT-1.0 在 Transformer 中并联原生记忆模块,把记忆变成前向计算流中的状态,最高放出 288B 权重和 66 页技术报告;作者称 256K 超长历史下显存开销从 5.06G 降到恒定 40M,KV 缓存减
AI 根据公开报道生成
最新动态 · 相关讨论
Berry Xia 参与了这场讨论事件进展
1 个已确认进展
- 来源：阿易 AI Notes
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月23日
10月22日
阿易 AI Notes
MemT-1.0 开源原生记忆大模型，256K 显存降至恒定 40M
MemT-1.0 开源，在 Transformer 中并联原生记忆模块，把记忆变成前向计算流中的状态，最高放出 288B 权重和 66 页技术报告。作者称 256K 超长历史下显存开销从 5.06G 降到恒定 40M，KV 缓存减少一百二十倍以上，首字延迟稳定在一百毫秒出头。团队还把一千多条代码纠错经验写入内部记忆状态，不占提示词 Token，标准代码测试集连续三次通过率提升百分之八。
10月20日
量子位
记忆张量开源 MemT 1.0 系列记忆原生模型
记忆张量开源发布 MemT 1.0 系列记忆原生模型，包含 36B 参数、激活 3B 的 MemT-1.0-Nano（基座 Qwen3.6-35B-A3B）和 288B 参数、激活 17B 的 MemT-1.0-Flash（基座 DeepSeek-V4-Flash），在选定的 Transformer 模块中加入与注意力并行的记忆计算通路。团队构建了 340 亿 Token 记忆训练语料，其中继续预训练 200 亿、后训练 140 亿。在 11 项记忆基准综合评估中，Flash 和 Nano 平均得分分别为 50.6 和 47.0，位列参与评估的参数化记忆方法前两名；在 500 项 SWE-bench Verified 任务中，Nano 三次全部成功的任务比例从无经验基线的 54.00% 提升到 62.80%。
36氪 · AI
记忆张量发布并开源 MemT 1.0 记忆原生大模型
记忆张量发布并开源 MemT 1.0 记忆原生大模型，将记忆内化进底层架构，让模型通过训练自主读写、更新和调用记忆。在 11 项系统记忆基准测试中，MemT-1.0-Flash 和 MemT-1.0-Nano 均分分别为 50.6 和 47.0，领先同组最强参数化记忆基线 12.5 分和 8.9 分。在 SWE-bench Verified 上，Nano 按实时反馈更新记忆状态后平均成功率从 66.07% 升至 69.73%。
本事件热度走势
- 当前
- 12
- 区间峰值
- 26 10月22日 23:00
- 近 24 小时变化
- —
移动指针或点击图表可查看每小时热度；键盘可用左右方向键切换。