O que foi lançado
Em 7 de outubro de 2026, a startup de Xangai MemTensor (记忆张量) anunciou a disponibilidade aberta do Metis, que ela chama de primeiro "modelo fundacional de memória" do mundo. Os pesos estão no Hugging Face em três tamanhos: 4B, 9B e 27B parâmetros, construídos sobre o Qwen3.5. O artigo técnico (arXiv 2607.26760) saiu em agosto, em parceria com Renmin University, NUS, Shanghai Jiao Tong e Tongji.
O alegado "primeiro do mundo" é afirmação da própria empresa. A ideia de "fast weights" e memória dentro da rede tem décadas de pesquisa.
O problema que tenta resolver
Hoje, a "memória" de agentes de IA é quase sempre externa: bancos vetoriais, RAG, resumos guardados e reinseridos no prompt. Isso funciona, mas é uma pilha extra para manter, consome tokens e o modelo não aprende a decidir o que guardar.
Como o Metis funciona
- Cada camada de atenção completa ganha um bloco Metis com duas partes. O Local Memory Block guarda uma matriz de memória que persiste entre interações. O Hyper Memory Block contém parâmetros aprendidos que decidem o que armazenar e como ler.
- Depois de cada passo, o modelo comprime estados informativos na memória (atualização via Gated Delta Network).
- Na consulta, uma atenção de memória lê esse estado e o combina com a atenção normal, como se o histórico estivesse no prompt, sem pagar os tokens.
- Na inferência, os pesos ficam congelados; só a memória muda, com um simples passo forward, sem gradiente.
Limitações declaradas
O próprio projeto chama o Metis de protótipo:
- A capacidade é limitada: o desempenho cai quando cada atualização passa de algumas centenas de palavras.
- Em trajetórias longas surgem interferência e confusão semântica entre memórias.
- Os ganhos foram medidos sobretudo em dados de memória sintéticos e QA sem contexto. O uso real em agentes de longa duração ainda precisa ser provado.
Contexto da empresa
Segundo o The Yangtzeer, a MemTensor levantou cerca de 100 milhões de yuans em julho (com Habo Capital, da Huawei, e o braço de investimentos da Honor) e outra rodada em setembro, e diz atender 500+ clientes empresariais, como Haier e Lenovo. São dados informados pela empresa.
O que isso significa para empresas
- Memória nativa ainda é pesquisa. Para produção, RAG e memória externa continuam sendo a opção madura e auditável.
- Privacidade muda de lugar. Se a memória fica num estado interno do modelo, apagar ou auditar um dado específico fica mais difícil do que num banco de dados. Isso pesa para a LGPD e a lei japonesa de proteção de dados (APPI).
- Vale testar em laboratório: os checkpoints 4B e 9B rodam em GPUs comuns e permitem comparar com sua pilha RAG atual.
- Confira a licença no repositório antes de qualquer uso comercial.
Fontes
- GitHub, MemTensor/Metis: https://github.com/MemTensor/Metis
- arXiv 2607.26760 (Metis: Memory Foundation Model): https://huggingface.co/papers/2607.26760
- The Yangtzeer (2026-10-09): https://yangtzeer.com/news/startups/memtensor-memory-native-ai/
- State of AI (Substack): https://stateai.substack.com/p/metis-llm-memory-without-the-cumbersome
Quer avaliar memória para agentes de IA (RAG, memória externa ou modelos novos) no seu negócio? A KGA IT oferece uma consulta gratuita: kga-it.com.