当“记忆”不再依赖外部数据库和工程规则，而是成为基础模型的原生能力，开发者会用什么方式投票？Hugging Face上的下载数据给出了一个值得关注的答案。
近日，记忆张量（Memory Tensor）开源的原生记忆模型Metis持续受到全球开发者关注。根据Hugging Face公开数据，Metis-4B、Metis-9B和Metis-27B三个版本近30天下载量合计已超过1万次，其中Metis-4B下载量最高，成为目前开发者尝试Metis的主要入口。
从同期国内外长时记忆、记忆增强模型的开源活跃度来看，Metis表现较为突出。Hugging Face数据显示，清华大学AIR与字节跳动Seed联合团队推出的RL-MemoryAgent-7B近30天下载量约为761次；由慕尼黑大学、慕尼黑工业大学等机构研究人员参与的Memory-R2为223次；EverMind推出的MSA-4B为81次。以单一模型比较，Metis-4B近30天下载量达到多款代表性开源记忆模型的数倍至数十倍。
Metis由记忆张量研究团队于今年7月底正式发布，首次提出Memory Foundation Model（记忆基础模型）的模型范式，将持续、动态演化的记忆状态引入基础模型内部，并通过模型自身计算完成信息的自主存储和调用。什么信息应该被保存、如何保存、什么时候调用，并不完全依赖外部工程规则，而开始由模型通过训练学习，推动AI从一次性智能走向长期智能。相关论文发布后曾进入Hugging Face Daily Papers当日第3名。
不同于主要依赖外部数据库、RAG或独立Memory Manager的技术路线，Metis尝试进一步将记忆能力内化为基础模型的原生能力。目前4B、9B、27B三个不同参数规模均已开放权重，为开发者进行原生记忆模型研究、部署和二次开发提供了完整的模型系列。
从开源后的下载数据看，Metis正在成为当前AI记忆模型方向中开发者活跃度较高的开源模型系列之一。随着越来越多开发者开始实际下载和验证，原生记忆也正在从研究概念走向真实的模型实验与开发者生态。据了解，更大版本的开源记忆模型记忆张量也正在研发推进中，近期会面向开发者公布。
原标题：《30天下载破万！国产原生记忆模型Metis成开发者新宠》
热门跟贴