Tencent, Claude Code·Cursor 등 기억 공유하는 Hy-Memory 2.0 공개

Tencent가 16일 여러 AI 챗봇과 코딩 도구의 대화·작업 기록을 하나의 저장소로 모으는 오픈소스 에이전트 메모리 시스템 Hy-Memory 2.0을 공개했다. 도구를 바꿔도 맥락이 이어지게 하는 것이 목적이다. 사용자는 이전 대화나 프로젝트 상황을 새 도구에 다시 설명하지 않아도 된다.¹

시스템은 전용 모델, 메모리 관리 프레임워크, 데스크톱 앱 MemHub 세 계층으로 이뤄지며 각각 따로 쓰거나 이어서 쓸 수 있다. 모델 가중치는 Hugging Face의 tencent/Hy-Memory-30B-A3B에, 프레임워크와 MemHub는 GitHub에 올라 있다. GitHub 저장소의 라이선스는 Apache-2.0이며 제3자 구성요소는 각자의 라이선스를 따른다.^1,2

지금까지는 AI 서비스마다 대화와 작업 기록이 따로 저장돼, 도구를 바꾸면 맥락을 다시 설명해야 했다. Hy-Memory 2.0은 기억을 특정 서비스에 묶지 않고 별도 저장소에서 관리하고, 서로 다른 도구가 필요한 정보를 거기서 불러 쓴다.¹

MemHub는 사용자가 권한을 주면 각 도구의 과거 대화와 작업 기록을 가져와 통합하고, 이후 생기는 기록도 동기화한다. 연동하는 도구는 10종 이상이며 오픈소스 에이전트 플러그인 형태다. 텐툰 발표에서 예로 든 도구는 Claude Code, Cursor, Codex, OpenCode, OpenClaw이고, GitHub README의 MemHub 설명에는 Claude Code, Cursor, Codex, OpenCode, Qwen Code가 적혀 있다. Tencent가 든 사용 예는 Cursor에서 하던 코딩 프로젝트를 Codex로 옮겨도 앞서 내린 결정과 수정한 코드, 진행 상황을 다시 설명할 일이 줄어드는 경우다.

MemHub는 CLI와 맥용 앱으로 제공되고 메모리는 로컬 중심으로 관리된다. README는 서명된 macOS 데스크톱 앱을 안내하며, macOS와 Linux에서 런타임을 검증했다고 적었다. 프레임워크는 SDK와 파이썬 패키지로 함께 제공된다. 구동하려면 LLM과 임베딩 엔드포인트가 필요하고 OpenAI 호환 서비스도 쓸 수 있다.^1,2

기억 세 종류와 전용 모델

기억은 대화 메모리, 작업 메모리, 코드 메모리로 나뉜다. 대화 메모리는 과거 대화와 사용자 선호 같은 장기 맥락이고, 작업 메모리는 과제 목표와 의사결정, 중간 결과, 재사용할 경험을 담는다. 코드 메모리는 코드 변경 이력과 수정 과정, 설계 배경을 기록한다.

이번 버전에서 새로 들어온 것은 작업 메모리와 코드 메모리다. 여러 단계에 걸친 과제를 이어가려는 기능으로, 작업을 재개하면 진행 중인 과제를 파악하고 관련 결정과 유효한 경험, 이전 기록을 검색한다. 대화 메모리는 흩어진 정보를 시간·장소·인물 중심으로 묶고 중복이나 충돌하는 정보를 정리하도록 고쳤다. 불필요하거나 오래된 맥락이 답변에 영향을 줄 가능성을 줄이려는 것이다.¹

GitHub README에 따르면 코드 메모리는 코딩할 때 코드 버전 변천을 잇는 diff chain을 추가하고, LLM을 호출하지 않고 버전별 실제 diff를 저장한다. 되돌려진 버전도 추적할 수 있다. 작업 메모리는 사실과 재사용 경험 두 계층이고, 챗 메모리는 L0부터 L7까지 8계층 기억과 System 1, System 2 이중 처리 구조다.²

전용 모델 Hy-Memory-30B-A3B는 메모리 추출, 통합, 정보 충돌 처리를 맡는다. 일반 대화 생성보다 장기 기억을 골라 정리하고 상충하는 정보를 갱신하는 데 특화됐다. 전문가 혼합 구조로 전체 약 300억 매개변수 중 약 30억 개가 활성화된다.^1,2

Tencent가 밝힌 성능

Tencent는 Hy-Memory 2.0이 오픈소스 메모리 프레임워크 Mem0, MemOS, EverOS보다 4개 벤치마크에서 앞섰다고 밝혔다.¹

전용 모델은 기술 보고서에서 벤치마크 데이터 20%를 표본으로 장기 기억 추출과 상충 정보 처리를 평가했다. 4개 메모리 시스템 대상 매크로 평균은 55.49로, Claude Opus 5의 54.62와 DeepSeek-V4.1 Flash의 53.64보다 높았다.

수치는 모두 Tencent가 직접 공개했다. 모델 평가 결과도 제한된 표본과 평가 조건에서 나온 것이어서 실제 환경 전반의 범용 성능을 뜻하지는 않는다.¹

GitHub 기록으로는 2.0.4 버전의 hy-memory가 PyPI에 올라왔고 MemHub는 v1.0.4, memhub-cli는 1.0.5다. 1세대 프레임워크인 Hy-Memory 1.0은 2026년 5월 처음 공개됐다. 관련 논문은 8월 EMNLP 2026에 채택됐다. 코딩 메모리 벤치마크 CMB는 별도로 공개돼 9월 ICLR 2027에 제출됐으며, 위 4개 평가에 쓰였다는 언급은 없다.²

기억을 도구 바깥 저장소에 둔다는 설계는 특정 서비스의 기억 기능에 기대지 않고 여러 도구를 오가는 사용자에게 의미가 있다. 다만 도구 쪽 플러그인 연동과 로컬 저장 방식이 실제로 얼마나 매끄러운지는 공개된 자료로 판단하기 어렵고, 성능 수치도 Tencent 자체 발표에 머문다.