MemTensor выпустила MemT-1.0-Nano с постоянной памятью
2026-10-20 команда MemTensor опубликовала MemT-1.0-Nano — языковую модель с памятью, состояние которой можно сохранять между сеансами без переноса всей переписки. Модель построена на Qwen3.6-35B-A3B, содержит 36 млрд параметров, из которых при работе задействуются 3 млрд; отдельный модуль памяти включает 451 млн обучаемых параметров и состояние на 10 млн параметров.
Веса доступны на Hugging Face по Apache-2.0, модель можно развернуть у себя через Transformers или сервер на базе SGLang. После обработки диалога система сохраняет выбранные сведения во внутреннее состояние, очищает текстовую историю и позднее восстанавливает факты из снимка памяти. По данным вендора, при истории в 128 тыс. токенов такой подход сокращает объём постоянного хранения примерно в 66 раз и ускоряет работу в 1,86 раза относительно хранения полного контекста; независимых замеров пока нет.
Для бизнеса MemT-1.0-Nano интересна агентам поддержки, персональным помощникам и внутренним системам, которым нужно учитывать накопленный опыт без постоянно растущей истории запросов. Лицензионная стоимость весов составляет 0 USD, то есть примерно 0 RUB, однако потребуется собственная GPU-инфраструктура: точных требований к памяти и стоимости эксплуатации разработчик не приводит. Риск — сохранённое состояние может закреплять ошибочные или чувствительные сведения; перед внедрением нужны правила записи, удаления и проверки памяти.
Цены облачного API и данные о коммерческой поддержке не опубликованы. Также пока неизвестно, насколько стабильно память работает на длительных производственных диалогах, поэтому стоит дождаться независимых испытаний и результатов на реальных данных.