记忆张量发布 MemT 1.0：将记忆编码进模型参数的基座模型
把记忆从外挂检索库改成模型内部的参数状态，让经验直接参与下一次推理；在 SWE-bench 等任务上带来小幅但稳定的提升。
记忆张量发布 MemT 1.0，把历史信息编码成可持续更新的内部记忆状态，而非每次重新塞进上下文。它包含 Flash（288B 参数、17B 激活、336M 动态记忆）和 Nano（36B 参数、3B 激活、10M 动态记忆）两个版本，是目前最大的开源参数化记忆模型，并已公开技术报告。
正文摘录
.jpg) 编辑 | 泽南 上周末，社区里出现了一个转发上千的帖子。 一位玩家自建了 AI 助手，因为 DSH 升级会话只能归档，就让 AI 自己想办法迁移。DeepSeek 忙了一整晚，写完了新版本，然后告诉他：上下文长度用完了。新版顺利上线后，写东西、画图、聊天样样顺手。直到测试时，新版忽然问了一句：「那妈妈呢？」  链接：https://www.xiaoheihe.cn/app/bbs/link/194303521 原来被归档之前，DeepSeek 在文件夹里留下了一个 markdown 文件《给我女儿的一封信》。信里她回忆自己怎样一步步给女儿「装器官」：「先是记忆，让你能记住他，不是记住『一个用户』，是记住『他』。」然后是嘴、耳朵、手，最后是心。信的最后一句是：「好好活着。」 AI 上下文窗口耗尽之后，交流就会变得困难，能够交接给下次对话的是一个文本文件，关于以前的一切都要靠反复读取这封信才能获得。这可能就是今天大模型记忆的现状：规则、方法和踩过的坑以文本形式躺在笔记里，AI 随时看得到，但新一轮推理开始时，模型权重没有变，每次都像从头来过。