MemTensor 记忆张量
先管记忆，再把记忆做进模型

据投资界的报道，熊飞宇 2023-07 在上海算法创新研究院（IAAR）牵头组建大模型中心，Memory³ 分层记忆理论和相关基模训练是研究院时期的核心工作；2024-11 熊飞宇带着这支团队在上海创立记忆张量。研究院的团队页也把熊飞宇列为大模型中心负责人，写熊飞宇是华中科技大学本科、美国 Drexel University 博士，曾任阿里巴巴业务中台数据智能负责人、淘宝天猫集团数据平台负责人。熊飞宇在品玩（硅星人）的采访里说，团队最早不是公司形式，在研究院里训练和验证了大约一年的 Memory³ 基模、做了记忆产品的初步建设，然后独立成立公司。成立时间 2024-11 在孚腾资本的融资公告和科创板日报里一致。

核心三人的履历来自融资公告与媒体：CTO 李志宇是中国人民大学博士，曾在阿里巴巴和小红书做算法；首席科学家杨泓康毕业于普林斯顿大学，师从鄂维南院士。官网称鄂维南院士担任首席科学顾问，孚腾资本的公告还写顾问团队有上海交通大学人工智能学院的多位教授，这些都是公司自述，本刊没有找到院士本人或学校的公开确认。Memory³ 论文（arXiv 2407.01178）的作者名单里有杨泓康、李志宇、熊飞宇和鄂维南；Metis 论文的通讯作者之一是李志宇。熊飞宇在同一次采访里还用硅谷的 neo lab 一词形容这条路线，记者随即补了一句：这个词今年正在变热，被不少公司拿来自称，含义已经拉得很宽。

名字上有一处容易混：GitHub 组织 MemTensor 的显示名是 OpenMem，接口显示建于 2025-05-03，有 27 个公开仓库、295 个关注者；另有一个叫 openmem.net 的“开源记忆基础设施”社区站，页脚的友情链接列出 IAAR、Memtensor、China Telecom 等，页面列有指导、执行、技术、产业、社区运营几个委员会和一串高校合作方。社区站与公司之间的治理关系，本刊没有核到。

规模和地址只能从侧面看：官网只写硕博占比 88%、管理团队均为博士，投资界的采访稿写团队平均年龄不到 30 岁，都是公司自述；Hugging Face 组织接口显示 24 位成员；官网页脚写总部在上海市徐汇区乐山路 33 号上海交通大学科技园，科创板日报写总部在浦东新区。员工总数、工商注册地、注册资本和股权结构，本刊没有核到。

下注一：把记忆当成操作系统来管。MemOS 论文（arXiv 2507.03724，2025-07-04 首发，现为 v4）把记忆分成明文、激活、参数三类，用 MemCube 作基本单元，附带来源、版本等元数据，再分接口、操作、基础设施三层调度。开源仓库 MemTensor/MemOS 建于 2025-07-06，Apache-2.0，接口显示 12,149 个星标、1,096 个 fork，贡献者分页共 103 位（含匿名）。产品形态有云 API、可自托管的开源服务，以及 OpenClaw、Hermes Agent、DeepSeek Harness 三个 Agent 的记忆插件，仓库 README 的新闻栏记了 2026-03 至 2026-08 的几次发布。熊飞宇向投资界分享的数据是：MemOS 在涵盖 14 款主流记忆框架的对比中综合性能第一，长程复杂 Agent 任务的 token 消耗降低近七成——这是公司自述，本刊没有找到第三方复测。

下注二：把记忆做进模型内部。Metis 论文（arXiv 2607.26760，2026-07-29）提出“记忆基础模型”：在选定的 Transformer 层加入随交互演化的记忆状态，通过 memory attention 读取，推理时模型权重冻结、记忆更新只需一次前向计算。放出的权重在 IAAR-Shanghai 名下，是 Metis-4B、9B、27B，模型卡标 Apache-2.0，底座分别是 Qwen3.5 的 4B、9B、27B；论文写它们经过 mid-training 获得原生记忆能力，仓库自称研究预览、不含训练数据。MemT-1.0（arXiv 2610.26825，2026-10-19）在 Metis 基础上用 Gated DeltaNet-2 做稳定的 token 级更新（取代 Metis 的 token 选择），并加入 Mixture-of-Storage 扩容，发布 Nano（36B 总参数、3B 激活，底座 Qwen3.6-35B-A3B）和 Flash（288B / 17B，底座 DeepSeek-V4-Flash），训练用了 34B token。论文自述 Nano 在 128K 历史下端到端推理约快 1.86 倍、持久化存储约为完整上下文 KV 缓存的 1/66；这是团队自己的实测，本刊没有找到独立复现。技术细节见本站EP.109 的快讯。

下注三：把记忆卖进端、企业和个人。Memmy（个人记忆助手，MIT，仓库建于 2026-07-16，接口显示 2,154 个星标）和 ClawForce（面向企业的 Agent 平台，官网演示销售、情报等场景）是MemOS 官网列在“相关产品生态”里的两个产品；品玩的采访稿还写到与荣耀合作的端侧隐私方案 MemPrivacy（arXiv 2605.09530，2026-05）。商业化数字只有公司自述：官网“发展历程”写天使轮时点已有数千万的订单签约（币种与口径未写），科创板日报写公司披露云服务月调用量超过 5000 万次，都没有第三方核对，也没有收入数字。MemOS 云服务价格页（截至 2026-10-28）里免费版之外，入门版、专业版标“限时免费”（原价 150 元和 2000 元每月），企业版面议，所以从价格表推不出营收。

MemOS 论文里的成绩（公司自测）。论文 v4（2025-12）在 LoCoMo 和 LongMemEval 上，把 MemOS 与 MIRIX、Mem0、Zep、Memobase、Supermemory、MemU 比较，统一用 GPT-4o-mini，作者写每个方法的配置按各自验证集最优选取。LoCoMo 表里 MemOS-1031 的 LLM 评委总分是 75.80，次高的 Memobase 是 72.01；四个类别里 MemOS 拿三个第一，时序推理排第二（Memobase 81.20）。论文自述所有方法都在同一块 80GB H800 上由作者运行。

OmniMemEval 里的 MemOS（公司自测）。OmniMemEval 是 MemTensor 自建并托管的记忆系统评测框架，分用户记忆和 Agent 记忆两条赛道；MemOS 的 README 把 10 项成绩都标为在这个框架里测得。结果页的“复现分数”由同一套流程跑出：答题模型 gpt-4.1-mini，评委 gpt-4o-mini，各产品按其公开文档配置，页面自己写明，这些分数不代表每个适配器都已达到该产品的最优配置，并欢迎贡献者改进。按页面里的用户记忆汇总表（截至 2026-10-28），本刊自算的名次是：LoCoMo 88.83，15 家里第 1；LongMemEval 89.20，13 家里第 1；PersonaMem v2 40.58，13 家里第 1；BEAM 100K 66.87，12 家里第 7；BEAM 10M 56.75，12 家里第 5；HaluMem 80.91，13 家里第 6。六列里领先三列。表里的 LCM-X 是该产品维护者自己运行、公开了证据包的贡献者结果，BEAM 两列都高于 MemOS。

同一产品，三个数字。MemOS 的 LoCoMo 总分在自家论文里是 75.80，在 OmniMemEval 里是 88.83；另一篇提出自家系统 MindMemOS 的论文（arXiv 2608.12428）在表 1 写 80.76，并说明基线数字引自 EverOS 论文——本刊没有回到 EverOS 论文核对。三处的答题模型、评委、提示词和配置各不相同，不能放在一起比大小，放在一起只说明一件事：名次取决于口径。同一张 MindMemOS 表里 Zep 是 85.22，OmniMemEval 里的 Zep 是 63.83。

基准作者与被评产品。HaluMem 也是 MemTensor 自建的记忆幻觉基准，仓库 README 评了 Mem0、Memobase、MemOS、Supermemory、Zep，MemOS 排第一（Medium 数据集的问答正确率 67.23%，Long 数据集 64.44%）；在 OmniMemEval 的 HaluMem 列里，MemOS 是第 6。两处指标和数据版本不同，不能直接比；放在这里是提醒：基准的作者同时是被评产品的作者时，要先看有没有第三方在同口径下复测。

MemT-1.0 论文自己的表（公司自测）。表 2 的 11 个记忆基准里，MemT-1.0-Flash 平均 50.60、Nano 46.97（正文取整为 47.0），在参数化记忆方法里排第一、第二，领先最强的参数化基线 12.5 分和 8.9 分；评委是 gpt-4.1-mini，提示词取自 OmniMemEval。同表的文本式记忆系统里，MemOS 平均 68.55（DeepSeek 骨干）和 68.46（Qwen 骨干），完整上下文 64.98 和 66.27，DenseRAG 57.28 和 56.49，Graphiti 49.43 和 45.72。也就是说 Flash 的平均分低于 MemOS、Mem0、OpenViking、完整上下文和 DenseRAG 的全部行，只高于 Graphiti；Nano 介于 Graphiti 的两行之间。论文正文写：“The strongest textual memory systems still achieve substantially higher performance”。例如 LongMemEval-S 上 Flash 是 37.20，MemOS（DeepSeek 骨干）是 83.20。表里的基线 MemOS 是公司自家产品，11 个基准里的 MemOps 也出自 MemTensor 的仓库。

采访里的自我提醒。熊飞宇在品玩的采访里说，每个基准都有取巧的办法，多花 token 和时间能把准确率推得很高，但要求几百毫秒响应的真实业务用不了；基准只代表基础水平，离落地很远。科创板日报也写明，当前大模型记忆评测没有统一标准，部分结果来自公司参与构建的评测体系，仍需第三方测试验证。

天使轮。孚腾资本 2025-06-11 的公告写“近亿元”，孚腾资本、算丰信息、中金资本等共同投资，云岫资本任独家财务顾问；孚腾自家公告的标题称其领投，正文写共同投资；新浪科技 2025-06-19 的报道同样写“共同投资”，并写公司成立于 2024-11、半年实现数千万商业化签约（公司自述）。投资界后来写这一轮完成于去年 5 月（即 2025-05），公告没有写月份。品玩的采访稿把投资方写成孚腾资本、中金资本、徐汇资本，产业方有算丰信息、壁仞科技；公告里没有徐汇资本和壁仞科技，本刊以公告为准，采访稿的补充只当媒体说法。

Pre-A。投资界 2026-07-20 首发，金额写“亿元”，华为哈勃、荣耀战投、商汤国香资本、深创投、和玉资本共同投资，稿里没有写领投方和用途。品玩的采访稿写这一轮几乎全是战略投资方，是熊飞宇有意的选择，意在把记忆推向手机、车机等端侧和硬件场景。

Pre-A+。科创板日报 2026-09-04：东方富海领投，上国投孚腾资本追加，要弘创投、无锡新尚资本跟投，金额未披露；据公司披露，款项主要用于记忆原生基座模型 Metis 的研发。三轮的估值、各投资人金额和累计融资总额，本刊都没有核到。

赛道里的同行，海外有 Mem0、Letta、Zep；Letta 已收录在本站 NEO LAB № 13。MemOS 的 Hermes Agent 插件对应的 Agent 由 Nous Research 做，见№ 55。科创板日报的判断是，独立记忆基础设施企业的商业空间取决于能否在不同模型和应用之间保持兼容，并在准确性、调用成本、响应延迟和数据安全上形成优势；基础模型厂商也在把记忆直接做进产品。

许可写法不一致。MemT-1.0 的许可出现在三处：论文是 CC BY-NC-SA 4.0；GitHub 仓库 README 写代码用 PolyForm Noncommercial 1.0.0、不得商用，GitHub 接口显示 NOASSERTION；Hugging Face 模型卡标 Nano 为 Apache-2.0、Flash 为 MIT，而 README 又写权重、数据集等不在上述许可之内，适用条款随发布提供。Metis 仓库同样显示 NOASSERTION，权重模型卡标 Apache-2.0。要商用的读者以各页原文和向公司确认为准，本刊没有判断哪一处生效。

体量。MemT-1.0 合集里 Flash 的模型仓库在 Hugging Face 上约占 576 GB，Nano 约 70 GB（模型接口的 usedStorage 字段），“开放权重”不等于个人电脑能跑。两个模型发布十来天，HF 接口显示的下载数是 Nano 55,126、Flash 44,461，点赞 153 和 113；下载数不等于使用数。

路线自承的难处。熊飞宇在采访里说，团队早期从头训过 2.4B 和 7B 的模型，遇到了没法继续放大的瓶颈，于是先把能用的部分抽出来做成系统层的 MemOS；采访发表时（2026-07-24）还说 Metis 表现还不够好，仍要结合 MemOS。采访稿的记者写 Metis 是参数在 7B 以下、从头训练的小模型实验，这与 Hugging Face 上基于 Qwen3.5 的 4B、9B、27B 权重对不上，本刊以模型卡为准，没有核到记者所指是否另一批实验。MemT-1.0 论文的局限一节也写，固定大小的状态容量有限，需要精确回忆的任务会有保真度损失。

独立验证。本刊没有找到第三方在同口径下复测 OmniMemEval 榜单或 MemT-1.0 的结果。记忆评测本身也有争议：品玩的采访稿提到 Mem0、Zep 等团队曾围绕 LoCoMo 的评测方法公开交锋，所以单一榜单不要当结论。

本刊没有核到的有：员工总数；工商注册地、注册资本与股权结构；三轮融资的估值、金额与累计总额；天使轮完成的月份（投资界写 5 月，公告在 6 月）；官网“发展历程”各条的年份；公司与 openmem.net 社区站、与上海算法创新研究院之间除“孵化”外的关系；鄂维南院士顾问身份的公开确认；MemOS 在 14 款产品对比中“第一”的第三方复测；云服务月调用 5000 万次与数千万签约的口径；MemT-1.0 效率数字的独立复现。本刊也没有亲手部署 MemOS 或 MemT-1.0，上述功能描述依据论文、仓库、官网和模型卡。