记忆张量推出，Flash和Nano两档开源。MemT 1.0 是记忆张量做的记忆原生基座模型，权重已经公开，分 Flash 与 Nano 两个版本；它把历史信息编码成模型内部的记忆状态，推理时直接读写，不再依赖外挂检索把原文塞进上下文。
开发方是记忆张量，主营方向就是记忆机制，这个模型是他们的基座产品，不算应用层工具。权重在代码仓库和模型仓库两处皆可拿到，技术报告也一并公开，论文里有训练细节和基准结果，判断能力时看报告比看介绍页靠谱。
这类基座模型没有客户端，也没有网页版入口，本地部署是主要用法，另一种是接进自己的 Agent 框架。想看效果先跑官方示例脚本，比直接接业务系统省事。
两档按“总参数加激活参数”的方式标注，Flash 是两百多亿激活、近三百亿总参数那一档，Nano 是三十多亿总参数、三亿激活那一档。前者面向服务端，后者能进端侧和轻量环境，选型时按硬件和延迟要求分。
| 版本 | 总参数 | 激活参数 | 适合的部署 |
|---|---|---|---|
| MemT 1.0 Flash | 288B | 17B | 服务端、多用户并发 |
| MemT 1.0 Nano | 36B | 3B | 端侧、单用户长会话 |
表里的激活参数决定单次推理开销，总参数决定记忆容量上限。Nano 那一档的参数规模看起来像小模型，它的卖点不在通用能力，而在记忆状态不随历史增长而膨胀，长会话场景才有意义。
做法是在选定的 Transformer 模块里并联插入记忆模块，一条路走原注意力处理当前输入，另一条路查询记忆状态读取历史，两路结果融合后继续往后算。记忆由动态局部记忆和超记忆两层组成，前者存压缩后的历史，后者提供投影与门控参数。
更新靠门控机制逐 token 完成，每轮交互结束后把新信息写进记忆矩阵，擦除、写入、遗忘、输出四个门控分别控制旧关联的调整、新信息的注入、保留强度和记忆对回答的影响。训练分两段，先用大规模数据做持续预训练建立依赖记忆的语言建模能力，再用后训练让学生只凭记忆状态学教师的行为。
差别在记忆存在哪。接入方式上，第三方平台按接口地址和协议填，和普通模型服务的接法一致。外部记忆库把历史存成明文，查询时检索相关片段再注入上下文，工程实现灵活但成本随历史线性增长；MemT 1.0 把历史压进参数化的记忆状态，状态大小固定，长历史下的存储和推理开销均不膨胀。
| 对比项 | 参数化记忆 | 文本记忆库 |
|---|---|---|
| 存储形态 | 模型内部状态 | 外部明文 |
| 查询方式 | 前向计算直接读 | 检索后注入上下文 |
| 是否要原文 | 不用 | 要 |
| 细节保真 | 有压缩损失 | 原文完整 |
表里第四行是它的短板，重要细节的保真度不如明文检索，长历史下差距更明显。所以这两种方案不是替代关系，官方也把它们定位成互补：明文记忆负责精确回溯，参数化记忆负责长期经验，两者拼起来才是完整链路。
适合的场景共同点是“跨会话、要记住、又不方便每次喂原文”。长期陪伴型助手记住用户偏好，客服 Agent 记住客户历史沟通，编程 Agent 复用失败模式和验证流程，属于这一类。长周期项目里上下文窗口耗尽被迫重开，也是它要解决的问题。
边界同样清楚：要精确引用合同条款、法规原文、逐字对话记录的场景，仍然得有明文存储兜底；记忆状态序列化后可以保存恢复，但跨设备迁移要按自己的存储方案设计。另外记忆资产归部署方，这一点对企业有吸引力，前提是你真的把状态管起来。
权重公开，下载不收费，成本在部署和算力上。Flash 那一档要服务端显卡，Nano 可以进端侧设备，两者对硬件的要求差一个量级。许可证的具体条款看仓库页面，商用、再分发、署名的要求各不相同，用在对外产品里前先读一遍。
不能完全替代。RAG 靠明文检索保证细节准确，适合需要引用原文的场景；MemT 1.0 把历史压成参数化状态，适合长期经验和偏好沉淀。两者重叠在“记住用户”这件事上，差异在“逐字复述”。要精确回溯的场合仍然要留检索这条路。
能，按序列化的方式做。记忆状态可以保存到外部存储，下次会话恢复后延续此前积累的经验；跨设备时把状态文件搬过去，再在新环境加载即可。要注意的是状态与模型版本绑定，换了权重版本后旧状态不一定能直接用，迁移前先确认兼容性。
差在记忆是不是模型的一部分。普通大模型靠上下文窗口带历史，窗口满了就丢；MemT 1.0 把历史写进内部状态，窗口之外还能调用。通用能力上两者接近，官方口径是在无关记忆噪声下指令遵循、代码、长文本理解基本持平，差别主要体现在长会话场景。
截至2026年10月，没有查到 Lovart 发布关闭或停止服务的官方公告。目前可查到的官网仍展示设计、图片与视频生成等功能，页面...
2026-10-10
Lovart主要通过网页提供AI设计服务，手机浏览器可以打开和操作；但它的核心工作区包含画布、素材和多步编辑流程，手机屏幕小...
2026-10-10
如果你是和同事一起做海报、产品图或短视频，建组的重点不只是”把人拉进来”，还要让成员进入正确的工作空间、找...
2026-10-10
Lovart 官网入口是 https://www.lovart.ai/。访问时建议直接在浏览器地址栏输入网址，或从可信渠道进入；留意域名拼写，避免...
2026-10-10
PixTV（pixtv.ai）是2026年9月上线的AI视频创作平台，把文生视频、图生视频、图片生成、智能剪辑和无限画布放进同一个工作区...
2026-10-10