텐센트 Hy Memory 2.0 — 에이전트용 장기 기억 엔진, 30B 모델까지 오픈소스
텐센트 훈위안이 이중 기억 시스템 SDK와 30B MoE 기억 기록 모델을 Apache 2.0으로 공개했어요. 메모리 벤치마크 평균에서 Claude Opus 5를 넘었어요.
- Hy-Memory-30B-A3B(30B 파라미터, 활성 3B) 모델이 Mem0·MemOS·Hy-Memory·EverMemOS 네 프레임워크 벤치마크 평균 55.49로 Claude Opus 5(54.62)를 앞섰어요.
- Hy Memory SDK는 대화(Chat)·업무(Working)·코딩(Coding) 세 가지 장면별 기억 파이프라인을 제공하고, lite·pro·ultra 세 모드로 나뉘어요.
- MemHub는 Claude Code·Cursor·Codex 등 여러 AI 도구의 대화 기록과 코딩 흔적을 하나로 모아 주는 로컬 데스크톱·CLI 도구예요.
Claude Code·Cursor 같은 코딩 에이전트에 장기 기억을 붙일 때, Mem0나 MemOS 파이프라인에 30B 모델을 기억 기록 LLM으로 교체해서 기억 정확도를 높일 수 있어요.
MemHub로 Cursor·Claude Code·Codex의 작업 기록을 한 디렉터리에 모아 두면, 도구를 바꿔도 이전 맥락을 이어서 쓸 수 있어요.
지금 당장 쓸 일은 적지만, 에이전트가 과거 대화를 까먹는 문제가 생길 때 lite 모드(LLM 호출 없이 임베딩만)부터 붙여 볼 수 있어요.
1. pip install hy-memory==2.0.1 2. 환경변수 설정: OPENAI_API_KEY 하나, 또는 MEMORY_LLM_API_KEY·BASE_URL·MODEL + MEMORY_EMBEDDER_API_KEY·BASE_URL·MODEL 3. from hy_memory import HyMemoryClient → client = HyMemoryClient(mode="lite") (lite·pro·ultra 중 선택) → client.add()로 대화 기록 저장 4. client.search()로 기억 검색
코딩 에이전트에 장기 기억을 붙이고 싶을 때, lite 모드부터 시험해 보면 좋을 것 같아요.
텐센트 훈위안(Tencent Hunyuan)이 에이전트의 장기 기억 문제를 정면으로 겨냥한 Hy Memory 2.0을 오픈소스로 공개했어요. 핵심은 세 가지 — 이중 시스템 기억 SDK, 전용 기억 기록 모델, 그리고 여러 AI 도구의 기억을 한곳에 모으는 MemHub예요.
30B 모델이 기억을 대신 써 줘요
Hy-Memory-30B-A3B는 30B 파라미터(활성 약 3B)짜리 MoE(Mixture-of-Experts, 여러 전문가 모듈 중 일부만 활성화하는 구조) 모델이에요. 범용 LLM 대신 메모리 프레임워크의 기록 경로에 들어가서, 대화에서 뭘 남길지·어떻게 표현할지·새 정보가 들어오면 기존 기억을 어떻게 고칠지를 결정해요.
학습은 두 단계로 이루어져요. 먼저 Memory On-Policy Distillation(OPD)으로 학생 모델이 쓴 기억 체인을 선생님 모델이 밀착 감독하고, 다음으로 Attributed Memory Reinforcement Learning에서 기억 뭉치(chunk)마다 점수를 매겨 강화학습을 돌려요.
벤치마크: 네 프레임워크에서 Claude Opus 5보다 높아요
Hy-Memory-30B-A3B 모델 기준으로, Mem0·Hy-Memory·MemOS·EverMemOS 네 프레임워크 교차 평가(Cross-Harness) 평균 점수가 55.49예요. Claude Opus 5는 같은 조건에서 54.62, DeepSeek V4.1 Flash는 53.64였어요. 개별 프레임워크별 점수는 이래요.
| 기억 기록 모델 | Mem0 | Hy-Mem | MemOS | EverMem | 평균 |
|---|---|---|---|---|---|
| Hy-Memory-30B-A3B | 54.02 | 60.55 | 50.51 | 56.89 | 55.49 |
| Claude Opus 5 | 53.43 | 60.53 | 50.50 | 54.04 | 54.62 |
| DeepSeek V4.1 Flash | 49.73 | 60.20 | 49.17 | 55.47 | 53.64 |
평가에는 LoCoMo Judge, LongMemEval, PersonaMem-v2, Travel SPS, Shopping PS, Code Memory Bench(CMB) 여섯 지표가 동일 비중으로 쓰였어요(고정 20% 표본 기준). Hy-Mem·MemOS에서는 Opus 5와 거의 같은 점수이고, 차이는 EverMemOS(+2.85)와 Mem0(+0.59)에서 났어요. EverMemOS는 학습에 포함되지 않은 프레임워크(held-out)인데도 56.89로 가장 큰 차이를 보였어요.
이중 시스템 기억 SDK
Hy Memory SDK는 사람의 인지 과정에서 따온 System 1(빠른 직관)과 System 2(느린 분석) 구조를 씀으로써, 세 가지 장면에 맞춘 기억 파이프라인을 제공해요.
- Chat — 8단계 계층 구조(L0 기본 정보 ~ L7 의도·만료일 포함)로 대화에서 사실을 추출하고 충돌을 자동 조정해요.
- Working — 사실 계층과 재사용 경험 계층 두 층으로 업무 기록을 쌓아요.
- Coding — 버전별 diff-chain으로 코드 수정 궤적을 전체 코드 없이 추적해요.
운영 모드는 세 가지예요. lite(임베딩만, LLM 호출 0), pro(LLM 추출+조정, 그래프 DB 선택), ultra(System 2 스키마 귀납+교차 분석, 그래프 DB 필수).
MemHub — AI 도구 기억을 한 곳에
MemHub는 로컬 우선 데스크톱·CLI 도구예요. Claude Code, Cursor, Codex, OpenCode, Qwen Code 등 여러 AI 앱의 대화 기록과 코딩 흔적을, 사용자가 허락한 범위에서 하나의 데이터 디렉터리로 모아 줘요. 도구가 바뀌어도 기억이 따라가는 거예요. 지금은 macOS·Linux용이고, Windows는 아직 지원하지 않아요.
설치와 사용
SDK는 PyPI에서 바로 설치할 수 있어요.
pip install hy-memory==2.0.1 # 기본 (ChromaDB, Kuzu)
pip install "hy-memory[all]==2.0.1" # 전부 (Qdrant, FAISS, Neo4j 포함)OpenAI 호환 엔드포인트와 함께 쓸 수 있고, 모델은 vLLM(v0.31.0에서 테스트)으로 서빙해 OpenAI 호환 API로 부를 수 있어요. 라이선스는 Apache 2.0이에요.
X 게시물 보기 · https://x.com/tencenthunyuan/status/2111027329816465435
