RepoAlerts

MemTensor/MemT-1.0

¿Es de fiar?

Ten cuidado con este.

  • Avisos Revisa

    Muy nuevo: se creó hace 2 días. Espera un poco antes de instalarlo.

  • Estrellas de cuentas reales Sin datos

    Todavía no hemos comprobado si sus estrellas son falsas.

  • Activo Bien

    Último cambio hoy.

  • Licencia Cuidado

    Sin licencia: legalmente no puedes reutilizar el código, salvo que el README diga otra cosa.

Comprobaciones rápidas con datos públicos. Ayudan, pero no son una garantía.

Qué es

Familia de modelos de investigación, MemT-1.0, que añade bloques de memoria nativa entrenables junto a la atención del transformador para que los modelos conserven información histórica entre turnos sin releer el contexto original. Se publica en variantes Nano y Flash, con…

Para quién es

Investigadores y desarrolladores de ML que sirven LLM de contexto largo o aumentados con memoria usando SGLang en GPU NVIDIA

Cómo usarlo

Pide a tu IA que lo instale

Pega esto en Claude, ChatGPT o tu asistente de programación.

Ayúdame a instalar y configurar MemTensor/MemT-1.0 en mi proyecto. Sigue su README: https://github.com/MemTensor/MemT-1.0. Explícame cada paso y comprueba que es seguro antes de ejecutar nada.

Leer el README

Curva de estrellas

192De 0 a 192 estrellas entre el 19 oct 2026 y el 20 oct 2026.

En el radar

20 oct 2026: #95
Mejor puesto: n.º 95, el 20 oct 2026. Entre los 100 primeros 1 de los últimos 3 días.

Su puesto entre los 100 primeros del radar, día a día, con el n.º 1 arriba. Los huecos son días en que estuvo fuera.

Logros

  • Mejor puesto en RepoAlerts: n.º 95, el 20 oct 2026

Alternativas

Proyectos parecidos que cita su ficha. Cada enlace busca en el directorio.

Recibe alertas de repos como este

Te escribimos cuando algo de Modelos e inferencia empiece a subir. Gratis, una vez por semana, solo lo que encaja.

18.265 repos de GitHub vigilados y ordenados cada hora. Cifras a 20 de octubre de 2026.

Qué te llega: un email los lunes con los repos que encajan, nunca más. Mira el de la semana pasada. Privacidad

Para quien mantiene el repo

Pon esta insignia en tu README. Muestra el puesto del repo en el radar, se actualiza cada hora y enlaza a esta página.

[![MemTensor/MemT-1.0 on RepoAlerts](https://repoalerts.com/badge/MemTensor/MemT-1.0.svg)](https://repoalerts.com/repo/MemTensor/MemT-1.0?ref=badge)
Compartir en X

  • Tencent-Hunyuan/Hy-Memory

    SDK de Python y motor de memoria para agentes basados en LLM con tres escenas: memoria jerárquica a largo plazo para chat, memoria de hechos y experiencias para tareas de trabajo, y seguimiento de ver

    Agentes de IAPython · 1055 estrellas · +1055 esta semana · 5 días

  • apple-aiml-research/ml-rsi-inference-bench

    Un banco de pruebas de horizonte largo para agentes de programación que mejoran la pila de inferencia de modelos de lenguaje grandes en vLLM o SGLang. Las tareas abarcan dar soporte a un modelo el día

    Agentes de IAPython · 105 estrellas · +105 esta semana · 4 días

  • tigerless-labs/agent-memory

    Entorno de ejecución de memoria a largo plazo para agentes de IA que guarda los recuerdos como archivos Markdown planos, con recuperación local por BM25 y vectorial opcional sobre un índice SQLite FTS

    Agentes de IAPython · 4513 estrellas · +1083 esta semana · 49 días

  • YeonwooSung/llm-architecture-from-scratch

    Una colección de implementaciones desde cero en PyTorch de arquitecturas de LLM modernas, como GPT-2 XL, variantes de Llama, DeepSeek V3, Qwen3 y Gemma 3. Una tabla comparativa recoge para cada modelo

    Modelos e inferenciaPython · 1096 estrellas · +611 esta semana · 35 días

  • mw00/project-maya

    Un motor, servidor y panel en C++ para ejecutar localmente los modelos GLM-5.3-Flash y DeepSeek-V4.1-Flash en una o hasta dieciséis GPU NVIDIA o AMD, en Linux o Windows. Ofrece APIs compatibles con Op

    Modelos e inferenciaC++ · 1231 estrellas · +484 esta semana · 14 días

  • rockmatrix-ai/EdgeRock

    Un modelo multimodal de 4.000 millones de parámetros para razonamiento con texto e imágenes, con un historial de atención de tamaño constante (unos 72 MiB por secuencia con un contexto de 256K) que li

    Modelos e inferenciaPython · 560 estrellas · +317 esta semana · 13 días