记忆张量 MemT 1.0 发布并开源，长历史推理提速最高近 4 倍

记忆张量发布并开源记忆原生基础模型 MemT 1.0 系列，包含 MemT-1.0-Flash 与 MemT-1.0-Nano 两款模型。该系列通过内置可训练记忆模块让模型自主整理存储信息，无需每次调取全部历史记录，经 340 亿 token 分两阶段训练而成。其在长历史场景下端到端推理提速最高近 4 倍，持久化存储较传统完整上下文方案缩减约 130 倍，多项记忆基准表现位列参数化记忆方法前两位，平均表现与检索增强方案基本持平且无需实时检索历史，挂载记忆也不影响模型通用能力。该模型可为开发者带来降本、稳定体验、支撑能力成长等价值，后续团队将持续优化相关特性，为实现可从交互中持续学习进化的智能体及递归自我改进提供基础。