记忆张量开源MemT 1.0系列，提出“记忆原生”路线：将经验编码为模型内部动态状态，通过训练学习写入、更新与读取，并让记忆分支参与计算。Nano为36B参数、激活3B，Flash达288B参数、激活17B。在SWE-bench等任务中表现接近文本经验且重复执行更可靠；11项记忆基准平均分47.0和50.6，居参数化记忆方法前二。该路线有望降低长上下文成本，并为持续学习与RSI补上经验承接环节。