10 月 20 日，记忆张量正式发布并开源记忆原生模型 MemT 1.0 系列，包含 MemT-1.0-Flash与MemT-1.0-Nano 两款模型，参数规模分别为 288B与36B，激活参数分别为 17B与3B。
该系列将可持续存在、能够更新的内部记忆纳入模型计算，让历史信息与任务经验在后续相关任务中被自动调用，无需再次提供原始历史文本。
在 11 项记忆基准评估中，两款模型平均得分分别为 50.6与47.0，位列参数化记忆方法第一、第二，较同类方法最高平均分分别高出 12.5分与8.9 分。目前，模型权重官方渠道已发布，通过Hugging Face开放获取。
后续，记忆张量将进一步探索自主获取经验，以及跨任务持续整合记忆，逐步迈向能够通过记忆原生演进、从交互中学习的智能体，让记忆原生为持续学习及递归自我改进（RSI）提供基础。
图：MemT 1.0 在基准测试中的记忆性能表现
