记忆张量开源MemT 1.0系列模型，实现近300B参数规模记忆原生验证

记忆张量开源MemT 1.0系列模型（Nano和Flash），将经验编码为内部动态状态并通过训练学习读写，首次实现近300B参数规模的工程验证。该模型在SWE-bench Verified任务中平均成功率达69.73%，较无经验基线提升3.66个百分点；在128K长历史下，端到端推理速度约为完整上下文方案的1.86倍，持久状态占用仅为KV Cache的六十六分之一。