Tencent Hunyuan dévoile Hy-Memory : 45 % de mémoire en plus, un coût par jeton réduit de 35 %

Les agents d’IA collaboratifs à long terme connaissent souvent une « trajectoire de trois semaines » frustrante : la première semaine est impressionnante, la deuxième s’accompagne d’un sentiment de malaise à mesure que les trous de mémoire et les dérives de compréhension deviennent évidents, et dès la troisième semaine, ils se transforment en simples outils de recherche instantanée. Pour relever les défis liés à la mémoire fragmentée et aux chronologies chaotiques dans le cadre d’une collaboration prolongée, Tencent Hunyuan a lancé aujourd’hui (28 mai 2026) Hy-Memory, un plugin de mémoire intelligent conçu pour les agents collaboratifs à long terme tels qu’Openclaw — Hy-Memory.

Véritable « deuxième cerveau » d’un agent, Hy-Memory surpasse les frameworks courants sur les benchmarks publics de référence LongMemEval et PersonaMem, grâce à trois technologies clés. Les données d’évaluation montrent que Hy-Memory réduit le volume de mémoire de plus de 70 % tout en augmentant la densité d’informations par unité de mémoire de plus de 45 %; pour le traitement de contextes longs, la consommation de tokens diminue de 35 % et la vitesse de mise à jour de la mémoire s’améliore de 20 %.

Trois technologies clés qui redéfinissent le mécanisme de mémoire de l’IA

Première couche : le cadre de mémoire à six niveaux (placement précis)

Hy-Memory évite de déverser toutes les informations d’un seul coup dans la base de données vectorielle. Au lieu de cela, elle décompose la mémoire en six niveaux : L1 (traces brutes), L2 (faits atomiques), L3 (profils d’identité), L4 (résumés de session), L5 (modèles mentaux) et L6 (intentions prospectives). Elle invoque avec précision le niveau pertinent en fonction des requêtes de l’utilisateur, ce qui rationalise les invites et empêche les textes non pertinents de détourner l’attention du modèle.

Deuxième couche : les systèmes doubles Système 1/Système 2 (équilibre entre vitesse et profondeur)

Le traitement de la mémoire est divisé en deux canaux indépendants : le Système 1 (mode « jour ») extrait les faits et met à jour les résumés (L1-L4) en temps réel, dans la seconde qui suit l’appui sur la touche Entrée par l’utilisateur, afin que les informations soient prêtes pour la conversation suivante ; le Système 2 (mode « nuit ») fonctionne de manière asynchrone en arrière-plan ; il lui faut de quelques secondes à plusieurs minutes pour consolider en profondeur les modèles mentaux et les réseaux de connaissances de l’utilisateur (L5-L6), rendant ainsi l’agent plus intelligent au fil du temps sans bloquer le processus principal.

Troisième couche : le mécanisme de la chaîne évolutive (préservation des traces causales)

C’est l’arme secrète de Hy-Memory. Lorsque les utilisateurs changent d’opinion ou d’habitudes, les systèmes traditionnels soit « écrasent l’ancien par le nouveau », perdant ainsi l’expérience historique, soit « s’accumulent de manière désordonnée », provoquant des rappels erronés. Hy-Memory relie les souvenirs anciens et nouveaux au sein d’une « chaîne évolutive » via le pointeur de remplacement. Dès qu’un nœud de la chaîne est déclenché, l’ensemble du parcours évolutif se déroule automatiquement. L’agent se souvient non seulement de la dernière conclusion de l’utilisateur, mais revisite également l’évolution complète de son attitude, évitant ainsi les « écueils » du passé.

Performances exceptionnelles et déploiement rapide en 5 minutes

En termes de performances, Hy-Memory atteint des vitesses d’écriture ultra-rapides comparables à celles de mem0 (8 fois plus rapides que Graphiti), tout en n’utilisant qu’un tiers du nombre de mémoires. Il utilise par défaut un stockage local embarqué et ne nécessite aucun déploiement Docker, aucun service externe ni aucune base de données Qdrant, les données étant automatiquement conservées localement.

Pour s’adapter aux différents besoins en matière de matériel et de scénarios, Hy-Memory propose des configurations Lite (allégée), Pro (professionnelle) et Ultra (ultime). Ces trois niveaux partagent le même SDK, et le passage de l’un à l’autre s’effectue de manière transparente, simplement en modifiant quelques paramètres. Le projet a été officiellement lancé, et les utilisateurs peuvent trouver davantage de guides sur son site web officiel ou dans la documentation utilisateur.