Tencent Hunyuan presenta Hy-Memory: un 45 % más de memoria y un coste por token un 35 % menor

Los agentes de IA colaborativos a largo plazo suelen experimentar una frustrante «trayectoria de tres semanas»: la primera semana impresiona, la segunda semana genera inquietud a medida que se hacen evidentes los lapsos de memoria y la pérdida de comprensión, y para la tercera semana se reducen a simples herramientas de consulta instantánea. Para hacer frente a los retos que plantean la memoria fragmentada y las líneas temporales caóticas en la colaboración prolongada, Tencent Hunyuan ha lanzado hoy (28 de mayo de 2026) Hy-Memory, un complemento de memoria inteligente diseñado para agentes colaborativos a largo plazo como Openclaw — Hy-Memory.

Como «segundo cerebro» de un agente, Hy-Memory supera a los marcos de trabajo más habituales en las pruebas de referencia públicas de referencia LongMemEval y PersonaMem, gracias a tres tecnologías fundamentales. Los datos de evaluación muestran que Hy-Memory reduce el volumen de memoria en más del 70 % al tiempo que aumenta la densidad de información por unidad de memoria en más del 45 %; en el procesamiento de contextos largos, el consumo de tokens se reduce en un 35 % y la velocidad de actualización de la memoria mejora en un 20 %.

Tres tecnologías fundamentales que están redefiniendo el mecanismo de memoria de la IA

Primera capa: el marco de memoria de seis niveles (colocación precisa)

Hy-Memory evita volcar toda la información en la base de datos vectorial de una sola vez. En su lugar, descompone la memoria en seis niveles: trazas sin procesar (L1), hechos atómicos (L2), perfiles de identidad (L3), resúmenes de sesión (L4), modelos mentales (L5) e intenciones prospectivas (L6). Invoca con precisión el nivel relevante en función de las consultas de los usuarios, lo que agiliza las indicaciones y evita que el texto irrelevante diluya la atención del modelo.

Capa dos: los sistemas duales Sistema 1/Sistema 2 (equilibrio entre velocidad y profundidad)

El procesamiento de la memoria se divide en dos canales independientes: el Sistema 1 (modo de turno de día) extrae datos y actualiza los resúmenes (L1-L4) en tiempo real, en menos de un segundo desde que el usuario pulsa Intro, de modo que la información está lista para la siguiente conversación; el Sistema 2 (modo de turno de noche) se ejecuta de forma asíncrona en segundo plano, tardando entre segundos y minutos en consolidar en profundidad los modelos mentales y las redes de conocimiento del usuario (L5-L6), lo que hace que el agente sea más inteligente con el tiempo sin bloquear el proceso principal.

Capa tres: el mecanismo de la cadena evolutiva (preservación de los rastros causales)

Esta es el arma secreta de Hy-Memory. Cuando los usuarios cambian sus opiniones o hábitos, los sistemas tradicionales o bien «sobrescriben lo antiguo con lo nuevo», perdiendo la experiencia histórica, o bien «se acumulan de forma desordenada», provocando una recuperación incorrecta. Hy-Memory vincula los recuerdos nuevos y antiguos en una «cadena evolutiva» mediante el puntero de sustitución. Una vez que se activa cualquier nodo de la cadena, toda la trayectoria evolutiva se despliega automáticamente. El agente no solo recuerda la última conclusión del usuario, sino que también repasa la evolución completa de su actitud, evitando así los «escollos» del pasado.

Rendimiento extremo y despliegue rápido en 5 minutos

En cuanto al rendimiento, Hy-Memory alcanza velocidades de escritura ultrarrápidas comparables a las de mem0 (ocho veces más rápido que Graphiti), utilizando solo un tercio del número de memorias. Utiliza almacenamiento local integrado de forma predeterminada y no requiere implementación de Docker, servicios externos ni la base de datos Qdrant, ya que los datos se conservan automáticamente de forma local.

Para adaptarse a las diferentes necesidades de hardware y escenarios, Hy-Memory ofrece las configuraciones Lite (ligera), Pro (profesional) y Ultra (máxima). Estos tres niveles comparten el mismo SDK, y el cambio entre ellos es fluido, bastando con modificar unos sencillos parámetros. El proyecto se ha lanzado oficialmente, y los usuarios pueden encontrar más guías en su página web oficial o en la documentación para usuarios.