Tencent Hunyuan stellt „Hy-Memory“ vor: 45 % mehr Speicher, 35 % geringere Token-Kosten

KI-Agenten für die langfristige Zusammenarbeit durchlaufen oft einen frustrierenden „Drei-Wochen-Verlauf“: In der ersten Woche beeindrucken sie, in der zweiten Woche macht sich Unbehagen breit, da Gedächtnislücken und Abweichungen im Verständnis offensichtlich werden, und in der dritten Woche verkommen sie zu einfachen Tools für Sofortabfragen. Um die Herausforderungen fragmentierter Erinnerungen und chaotischer Zeitachsen bei längerer Zusammenarbeit zu bewältigen, hat Tencent Hunyuan heute (28. Mai 2026) „Hy-Memory“ vorgestellt, ein intelligentes Speicher-Plugin, das speziell für langfristig zusammenarbeitende Agenten wie Openclaw entwickelt wurde – Hy-Memory.

Als „zweites Gehirn“ eines Agenten übertrifft Hy-Memory dank dreier Kerntechnologien die gängigen Frameworks bei den maßgeblichen öffentlichen Benchmarks LongMemEval und PersonaMem. Auswertungsdaten zeigen, dass Hy-Memory das Speichervolumen um über 70 % reduziert und gleichzeitig die Informationsdichte pro Speicherplatz um mehr als 45 % erhöht; bei der Verarbeitung langer Kontexte sinkt der Token-Verbrauch um 35 % und die Geschwindigkeit der Speicheraktualisierung verbessert sich um 20 %.

Drei Kerntechnologien, die den KI-Speichermechanismus neu gestalten

Ebene 1: Das sechsstufige Speicher-Framework (präzise Platzierung)

Hy-Memory vermeidet es, alle Informationen auf einmal in die Vektordatenbank zu laden. Stattdessen gliedert es den Speicher in sechs Ebenen auf: L1-Rohdaten, L2-atomare Fakten, L3-Identitätsprofile, L4-Sitzungszusammenfassungen, L5-mentale Modelle und L6-zukünftige Absichten. Es ruft je nach Nutzeranfrage präzise die relevante Ebene auf, wodurch Eingabeaufforderungen optimiert werden und verhindert wird, dass irrelevanter Text die Aufmerksamkeit des Modells verwässert.

Ebene 2: Die duale System1/System2-Struktur (Ausgleich zwischen Geschwindigkeit und Tiefe)

Die Speicherverarbeitung ist in zwei unabhängige Kanäle aufgeteilt: System 1 (Tagschichtmodus) extrahiert Fakten und aktualisiert Zusammenfassungen (L1–L4) in Echtzeit – innerhalb einer Sekunde, nachdem der Nutzer die Eingabetaste gedrückt hat –, sodass die Informationen für das nächste Gespräch bereitstehen; System 2 (Nachtschichtmodus) läuft asynchron im Hintergrund und benötigt Sekunden bis Minuten, um die mentalen Modelle und Wissensnetzwerke des Nutzers (L5–L6) tiefgreifend zu konsolidieren, wodurch der Agent im Laufe der Zeit intelligenter wird, ohne den Hauptprozess zu blockieren.

Ebene 3: Der evolutionäre Kettenmechanismus (Erhaltung kausaler Spuren)

Dies ist die Geheimwaffe von Hy-Memory. Wenn Nutzer ihre Ansichten oder Gewohnheiten ändern, „überschreiben“ herkömmliche Systeme entweder „das Alte mit dem Neuen“ und verlieren dabei historische Erfahrungen oder sie „stapeln sich ungeordnet an“, was zu fehlerhaften Abrufen führt. Hy-Memory verknüpft neue und alte Erinnerungen über den „Supersedes -Zeiger“ zu einer „evolutionären Kette“. Sobald ein beliebiger Knoten in der Kette ausgelöst wird, entfaltet sich der gesamte evolutionäre Pfad automatisch. Der Agent erinnert sich nicht nur an die jüngste Schlussfolgerung des Nutzers, sondern lässt auch die gesamte Entwicklung seiner Einstellung Revue passieren und vermeidet so frühere „Fallstricke“.

Extreme Leistung und schnelle Bereitstellung in 5 Minuten

Was die Leistung angeht, erreicht Hy-Memory ultraschnelle Schreibgeschwindigkeiten, die mit mem0 vergleichbar sind (8-mal schneller als Graphiti), und benötigt dabei nur ein Drittel der Speicherplätze. Es nutzt standardmäßig lokalen eingebetteten Speicher, und es sind weder eine Docker-Bereitstellung noch externe Dienste oder eine Qdrant-Datenbank erforderlich – die Daten werden automatisch lokal gespeichert.

Um sich an unterschiedliche Hardware- und Anwendungsanforderungen anzupassen, bietet Hy-Memory die Konfigurationen „Lite“ (Lightweight), „Pro“ (Professional) und „Ultra“ (Ultimate) an. Diese drei Stufen nutzen dasselbe SDK, und der Wechsel zwischen ihnen erfolgt nahtlos durch einfaches Umstellen von Schaltern. Das Projekt ist offiziell gestartet, und Nutzer finden weitere Anleitungen auf der offiziellen Website oder in der Benutzerdokumentation.