A Tencent decidiu abrir por completo o sistema de memória que a sua equipa Hunyuan desenvolveu para agentes de IA. O Hy-Memory 2.0, apresentado no site oficial do projeto com data de lançamento de 16 de outubro de 2026, divide-se em três peças que podem ser usadas em separado ou em conjunto: um modelo treinado para escrever memórias de longo prazo, um motor com SDK em Python que as guarda e recupera, e uma aplicação de secretária e de linha de comandos chamada MemHub. O código está num repositório novo no GitHub, Tencent-Hunyuan/Hy-Memory, criado a 15 de outubro, e a empresa indica a licença Apache 2.0.
O modelo, Hy-Memory-30B-A3B, segue uma arquitetura de mistura de especialistas com 30 mil milhões de parâmetros, dos quais apenas cerca de 3 mil milhões trabalham em cada passo. Os pesos chegaram ao Hugging Face a 15 de outubro, acompanhados de um relatório técnico no arXiv. Não serve para conversar: foi pensado para substituir o modelo de linguagem genérico a que as plataformas de memória recorrem quando têm de decidir o que guardar, com que detalhe e de que forma uma informação nova deve corrigir o que já está registado. A Tencent treinou-o sobre três sistemas, Mem0, MemOS e o próprio Hy-Memory, primeiro por destilação e depois com aprendizagem por reforço que premeia cada escrita consoante as perguntas futuras possam ou não ser respondidas a partir dela.
Segundo o relatório, o modelo fica em primeiro lugar nos quatro ambientes de teste avaliados, incluindo o EverMemOS, deixado de fora do treino, com uma média de 55,49% contra 54,62% do Claude Opus 5. Estes valores resultam de subamostras fixas de 20% de um conjunto que junta LoCoMo, LongMemEval, PersonaMem v2, duas tarefas do MemoryArena e o CMB, um teste de memória para programação criado pela mesma equipa. São números da própria Tencent e ainda ninguém os reproduziu de forma independente.
O motor está no PyPI como hy-memory, na versão 2.0.4 à data da verificação, e trata a memória em três cenários. Nas conversas, organiza a informação pessoal numa hierarquia que vai do diálogo em bruto a factos isolados, resumos, esquemas e intenções futuras, um modelo descrito num artigo aceite na conferência EMNLP 2026. Para agentes orientados a tarefas, mantém uma camada de factos e outra de experiência reutilizável. Na programação, junta uma cadeia de diferenças entre versões, para que o agente saiba não só como está o código, mas porque mudou. Na página do projeto, a Tencent afirma que o motor superou Mem0, MemOS, EverOS, OpenViking, RepoMemory e uma solução RAG simples nas suas avaliações.
O MemHub destina-se a quem já usa vários assistentes ao mesmo tempo. Importa conversas e registos de programação de aplicações autorizadas pelo utilizador, como Claude Code, Cursor, Codex, OpenCode ou Qwen Code, guarda tudo numa única pasta local e, através de extensões, devolve as memórias relevantes à ferramenta que estiver em uso. A página oficial refere dez ferramentas compatíveis. A versão 1.0.4, publicada a 18 de outubro com uma aplicação assinada para macOS e ambientes verificados para macOS e Linux, chegou dois dias depois da primeira etiqueta, a 1.0.0.
O nome não é novo, já que a versão 1.0 da plataforma saiu em maio de 2026. A novidade está em a Tencent libertar de uma só vez um modelo de memória treinado, a plataforma e uma aplicação para o utilizador final, numa altura em que a falta de memória persistente é uma das fraquezas mais apontadas aos agentes de programação. Três dias após o lançamento, o repositório somava perto de 900 estrelas no GitHub e a página do modelo registava quase 1200 descargas.
Ficam várias dúvidas. Todos os resultados de desempenho são declarados pela própria empresa e a vantagem sobre o Claude Opus 5 assenta em subamostras, uma delas desenhada pela Tencent e ainda em revisão para a ICLR 2027. Na comparação entre plataformas, a empresa usou o DeepSeek V4.1 Flash como modelo de memória e o GPT-5.6-sol para responder e avaliar, pelo que outras escolhas podem dar resultados diferentes. A eficácia da partilha de memória do MemHub depende ainda da forma como cada aplicação externa guarda o seu histórico, e não há, para já, qualquer análise independente da sua fiabilidade ou dos controlos de privacidade.