记忆张量MemT 1.0 发布并开源
来源：36氪 AI收录：2026/10/20
✦ AI 解读
10月20日，记忆张量发布并开源记忆原生模型 MemT 1.0 系列，含 MemT-1.0-Flash（288B总参/17B激活）与 MemT-1.0-Nano（36B总参/3B激活）。该系列将可持续更新内部记忆纳入计算，历史信息与任务经验可在后续任务自动调用，无需重提供原始文本。后续将探索自主获取经验与跨任务记忆整合，迈向记忆原生演进、从交互中学习的智能体，为持续学习与递归自我改进提供基础。
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。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。
相关推荐
Kimi K3.1 Pro and K3.1 Pro Highspeed
✦ AI 摘要月之暗面（Moonshot AI）在 Kimi Code 文档中上线 Kimi K3.1 Pro 与 K3.1 Pro Highspeed 两个模型版本，前者主打高质量代码生成，后者面向低延迟高速推理场景。该消息在 Hacker News 引发 169 点、79 条评论讨论，从业者关注其代码能力、定价与高速版的实际吞吐表现。
Kimi K3.1 Pro and K3.1 Pro Highspeed
✦ AI 摘要Kimi 发布 K3.1 Pro 与 K3.1 Pro Highspeed 两款模型，官方文档页面已上线，并在 Hacker News 引发讨论（86 分、21 条评论）。Highspeed 版本推测主打低延迟推理，适合对响应速度敏感的编码等场景。目前公开信息有限，具体参数、基准评测与定价尚未披露，建议关注官方后续更新。
Gemma-4-26B-A4B with 39-69% less thinking at same accuracy
✦ AI 摘要Hacker News 上分享的一篇文章介绍 Gemma-4-26B-A4B 模型，声称在保持相同准确率的前提下，将思考（推理）过程减少了 39% 至 69%。该内容来自个人博客 bottlecapai.com，讨论热度较低（3 分、0 评论），但涉及大模型推理效率优化这一从业者关注的方向，具备一定参考价值。