记忆张量开源记忆原生模型 MemT 1.0，最大288B参数
先了解这件事
记忆张量（MemTensor）于10月20日开源发布 MemT 1.0 系列记忆原生基座模型，含 MemT-1.0-Flash（288B参数、17B激活、336M动态记忆，基座为后训练的 DeepSeek-V4-Flash）和 MemT-1.0-Nano（36B参数、3B激活、10M动态记忆，基座为 Qwen3.6-35B-A3B）两个版本，并公布技术报告。报道称这是业内首个记忆原生基座模型，也是记忆原生模型首次实现近300B规模的工程验证。 该系列采用记忆原生 MoE 架构，在 Transformer 模块中加入与注意力并行的记忆分支，将历史信息编码为可持续更新的内部记忆状态，通过训练学习写入、更新和读取，让这些状态参与后续计算，而非依赖外部检索。其 GitHub 仓库演示了保存记忆、清空对话上下文后再恢复记忆回答之前的问题。
AI 根据报道生成 · 5 小时前更新
事件进展
3 个进展
- 10月22日 13:08 · 1 篇报道视频讲解记忆原生模型 MemT 1.0Berry Xia (@berryxia)：MemOS 团队视频讲解记忆原生大模型 MemT 1.0 的原理
- 10月21日 17:30 · 3 篇报道MemOS 团队发布记忆原生大模型 MemT 1.0lxfater (@lxfater)：MemOS 团队发布记忆原生大模型 MemT 1.0，含 Flash 288B 与 Nano 36B 两个版本
- 10月20日 12:06 · 2 篇报道MemT 1.0 系列模型开源发布量子位：记忆张量开源 MemT 1.0 系列记忆原生模型，最大288B参数
报道时间线
沿着报道，了解事件的不同侧面。
- Berry Xia (@berryxia)MemOS 团队视频讲解记忆原生大模型 MemT 1.0 的原理
MemOS 团队 @MemOS_dev 用视频讲解其昨日发布的全球首个记忆原生大模型 MemT 1.0 的原理。该团队此前从 2024 年的记忆分层大模型 Memory 做到 2025 年开源的 MemOS 记忆操作系统，这次把记忆直接做进了模型本体。
- Berry Xia (@berryxia)MemOS 团队发布全球首个记忆原生大模型 MemT 1.0
开源记忆操作系统 MemOS 的团队 MemOS_dev 昨日发布记忆原生大模型 MemT 1.0，将记忆直接做进模型本体，从底层解决记忆丢失问题。该团队此前于 2024 年推出记忆分层大模型 Memory，并在 2025 年开源了 MemOS。
- Berry Xia (@berryxia)MemOS 团队发布记忆原生大模型 MemT 1.0
开源记忆操作系统 MemOS 团队发布记忆原生大模型 MemT 1.0，采用记忆原生 MoE 架构，把记忆的写入、保持、更新和读取放进模型计算过程，而非外部检索。
- lxfater (@lxfater)MemOS 团队发布记忆原生大模型 MemT 1.0，含 Flash 288B 与 Nano 36B 两个版本
MemOS 团队发布记忆原生大模型 MemT 1.0，分 Flash 版 288B 和 Nano 版 36B，把记忆做进模型层，通过内部记忆读写模块将历史信息写入数值状态，生成时直接读取，无需反复携带整段聊天记录。
- 机器之心记忆张量发布记忆原生基座模型 MemT 1.0，开源 Flash 与 Nano 两个版本
记忆张量 10 月 20 日发布业内首个记忆原生基座模型 MemT 1.0，把历史信息编码为可持续更新的内部记忆状态，发布 MemT-1.0-Flash（288B 参数、17B 激活、336M 动态记忆）和 MemT-1.0-Nano（36B 参数、3B 激活、10M 动态记忆）并开源。
- 量子位记忆张量开源 MemT 1.0 系列记忆原生模型，最大288B参数
记忆张量开源发布 MemT 1.0 系列，在 Transformer 模块中加入与注意力并行的记忆分支，将经验编码为内部状态，包括36B参数的 MemT-1.0-Nano（基座 Qwen3.6-35B-A3B）和288B参数的 MemT-1.0-Flash（基座 DeepSeek-V4-Flash），这也是记忆原生模型首次实现近300B规模的工程验证。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。