AI代理的通用内存层
概览
📄 对 Mem0 的高效令牌存储算法进行基→ 所有基准测试都运行在同一生产代表模型栈上。单遍检索（一次调用，无代理循环）。 —— 一次 LLM 调用，无 UPDATE/DELETE。记忆积累;没有被覆盖。—— 当代理确认动作时，该信息以同等权重存储。—— —— 实体被提取、嵌入并跨记忆链接以提升检索。—— —— 语义、BM25 关键词和实体匹配并行评分并融合。—— —— 时间感知性检索，对当前状态、过去事件和未来计划的查询进行排序正确的日期实例。 有关升级说明，请参见迁移指南。该评估框架是开源的，任何人都可以复制这些数据。 - -- 比前一个算法高出+20分 - -- +27分，+53分。
概述（AI 翻译）
🎃 请在此注册 → ·贡献者享有优先权
了解更多 · 加入Discord · 演示
📄 对 Mem0 的高效令牌存储算法进行基→
新内存算法（2026年4月）
| 基准测试 | 旧 | 新 | 令牌 | 延迟 p50 |
|---|---|---|---|---|
| 洛科莫 | 71.4 | 92.5 | 7.0K | 0.88秒 |
| 长记忆评估67.8 | 94.4 | 6.8K | 1.09秒 | |
| 梁（1M） | — | 64.1 | 6.7K | 1.00秒 |
| 宽（10米） | — | 48.6 | 6.9K | 1.05秒 |
所有基准测试均运行于同一生产代表模型栈。单次检索（一次调用，无代理循环），检索预算top_200。评分反映 Mem0 托管平台，包含开源 SDK 中不具备的专有优化;开源用户应预期方向上获得相似的提升，但不应完全相同。
发生了什么变化：
- 单一通过仅添加的提取——一次LLM调用，无更新/删除。内存会积累;不会被覆盖。
- 代理生成的事实是一流的——当代理确认某项动作时，该信息将以同等权重存储。
本页由 AI 翻译，技术细节请以原文为准。
README
以下为原文 README 节选，完整内容请查看原文。
🎃 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.
推荐工具
换一个关键词，或者移除筛选条件。
安装
npx skillfish add mem0ai/mem0