mem0ai/mem0
Developer toolsЭта страница переведена автоматически. Технические детали смотрите в оригинале. Открыть оригинал
Универсальный слой памяти для AI-агентов
Обзор
📄 Бенчмаркинг алгоритма памяти Mem0 с эффективностью токенов → Все бенчмарки работают на одном и том же стеке, представляющем для производства. Однопроходное извлечение (один вызов, без агентных циклов). - -- один вызов LLM, без ОБНОВЛЕНИЯ/УДАЛЕНИЯ. Память накапливается; ничего не перезаписывается. - -- когда агент подтверждает действие, эта информация теперь сохраняется с равным весом. - -- сущности извлекаются, встраиваются и связываются между памятью для усиления поиска. - -- семантический, ключевое слово BM25 и сопоставление сущностей оцениваются параллельно и слияются. - -- своевременное извлечение, ранжирующее правильный датированный экземпляр для запросов о текущем состоянии, прошлых событиях и предстоящих планах. Смотрите руководство по миграции для инструкций по обновлению. Фреймворк оценки является открытым исходным кодом, поэтому любой может воспроизвести цифры. - -- +20 очков по предыдущему алгоритму - -- +27 очков, при этом +53.
Обзор (машинный перевод)
🎃 Зарегистрируйтесь здесь → · Участники получают приоритет
Узнать больше · Присоединяйтесь к Discord · Демо
📄 Бенчмаркинг алгоритма памяти Mem0 с эффективностью токенов →
Новый алгоритм памяти (апрель 2026)
| Бенчмарк | Старое | Новое | Токены | Задержка p50 |
|---|---|---|---|---|
| LoCoMo | 71.4 | 92.5 | 7.0K | 0.88s |
| LongMemEval | 67.8 | 94.4 | 6.8K | 1.09s |
| BEAM (1M) | — | 64.1 | 6.7K | 1.00s |
| BEAM (10M) | — | 48.6 | 6.9K | 1.05s |
Все бенчмарки работают на одном и том же стеке, представляющем производительную модель. Однопроходное извлечение (один вызов, без агентных циклов) при top_200 бюджете извлечения. Оценки отражают управляемую платформу Mem0, которая включает проприетарные оптимизации, недоступные в открытом SDK; пользователи с открытым исходным кодом должны ожидать аналогичных направлений приростов, но не одинаковых показателей.
Что изменилось:
- Однопроходная извлечение только ADD — один вызов LLM, без UPDATE/DELETE. Память накапливается; ничего не перезаписывается.
- Факты, сгенерированные агентом, являются первоклассными — когда агент подтверждает действие, эта информация теперь сохраняется с равным весом.
Эта страница переведена автоматически. Технические детали смотрите в оригинале.
README
Показан фрагмент оригинального README. Открыть оригинал.
🎃 Register here → · Contributors get priority
Learn more · Join Discord · Demo
📄 Benchmarking Mem0’s token-efficient memory algorithm →
New Memory Algorithm (April 2026)
| Benchmark | Old | New | Tokens | Latency p50 |
|---|---|---|---|---|
| LoCoMo | 71.4 | 92.5 | 7.0K | 0.88s |
| LongMemEval | 67.8 | 94.4 | 6.8K | 1.09s |
| BEAM (1M) | — | 64.1 | 6.7K | 1.00s |
| BEAM (10M) | — | 48.6 | 6.9K | 1.05s |
All benchmarks run on the same production-representative model stack. Single-pass retrieval (one call, no agentic loops) at a top_200 retrieval budget. Scores reflect Mem0’s managed platform, which includes proprietary optimizations not available in the open-source SDK; open-source users should expect directionally similar gains but not identical numbers.
What changed:
- Single-pass ADD-only extraction – one LLM call, no UPDATE/DELETE. Memories accumulate; nothing is overwritten.
Рекомендуемые инструменты
Попробуйте другой запрос или уберите фильтр.
Установка
npx skillfish add mem0ai/mem0