MemT-1.0发布记忆原生模型，长历史推理更快且存储更省
MemT-1.0提出记忆原生架构，将连续记忆嵌入基础模型计算，并发布Nano与Flash。模型基于Metis，采用Gated DeltaNet-2和Mixture-of-Storage，经两阶段训练。128K历史下Nano推理约快1.86倍，持久存储约减至六十六分之一，并提升智能体任务表现。
要点
- MemT-1.0基于Metis，使用Gated DeltaNet-2和Mixture-of-Storage，并以继续预训练加后训练处理34B词元数据。
- 评测中两款模型平均优于参数记忆基线，与检索增强方法具有竞争力，同时大体保留通用能力。
- 128K历史长度下，Nano端到端推理约提速1.86倍，持久存储相对完整上下文KV缓存约减少66倍。
为什么值得看
它把连续记忆内建到基础模型计算中，而非仅依赖外部检索或完整上下文缓存，从而在长历史场景降低存储与推理开销，并改善智能体任务表现。
谁会受影响
面向研究长上下文、模型记忆和智能体任务的研究人员与开发者。
今天就能怎么试
资料显示已发布MemT-1.0-Nano和MemT-1.0-Flash，并出现MemTensor/MemT-1.0-Flash模型条目；国内可用性、价格和更多参数未知，未实测。
原始来源
1MemT-1.0: Towards Memory-Native Evolution · Hugging Face Daily Papers · 2026年10月19日✓ 已打开核对本条由 AI 根据上面的原始来源整理，经编辑审核后发布。数字和结论以原文为准，发现错误欢迎反馈。
相关动态
开放世界模型结合游戏引擎，单卡生成实时可玩画面
Matrix-Game 4.0 让轻量引擎负责规则和状态，视频模型将低多边形画面转成细致视觉，编码智能体则修改场景与玩法。论文报告 RTX 5090 上实现 480p、60 帧交互，按键到显示延迟为 112 毫秒，并宣布开放代码与资产。实时帧率需与响应延迟分开看。
业务智能体基准检查执行过程，完成任务也可能判失败
BizAgentBench 将 789 份知识文档、601 项业务工具和 50 个长流程任务放进可执行环境，既核验最终目标，也检查中间步骤约束。论文显示只看任务完成会掩盖无效操作；HF 早期标题为 BizBench，arXiv 修订版已改名。同时还应记录任务过程中的工具调用成本。
中英密集文字生图基准发布，专测海报长文与布局
UltraText Bench 提供 432 条人工检查的提示，覆盖 24 类真实场景，中英文各半，每张图要求四至十二处文字。评估分别看文字准确、清晰度、空间安排和场景质量，揭示快速模型可能更清晰却更容易写错字的取舍。适合中文海报选型。
AI协助发现PHP高危漏洞，网站维护者面临集中修补
爱范儿梳理 PHP2Shell 漏洞披露与紧急修补过程，介绍 OpenAI 安全研究在构造可复现证据中的作用。事件涉及底层软件广泛使用带来的连锁影响；具体风险取决于运行版本与部署条件，不能把使用 PHP 都等同于已经遭入侵。