如果一個AI每次對話結束後，都會把與你的全部交流清空，那麼無論它多聰明，都隻能算是一個“高級聊天工具”，而不是一個真正意義上的智能體(Agent)。
這正是當下Agentic AI面臨的核心瓶頸之一：失憶。
近日，由盛大集團全資孵化的AI技術團隊EverMind，正式對外系統性地展示了他們給出的解法——EverMemOS，最新版本在四大記憶基準上實現了最先進(SOTA)準确率。
在産品發布之外，這也更像是一次針對“AI是否能真正成為長期智能體”的底層挑戰。為什麼Agent一定需要長期記憶?
在大模型能力突飛猛進的這兩年裡，行業幾乎把所有注意力都集中在參數規模、多模态、推理能力和算力效率上。
但在真實應用中，開發者很快發現了一個殘酷事實：模型會“忘事”。
無論是對用戶偏好的理解、對曆史決策的追溯，還是跨時間跨度的複雜推理，隻要上下文窗口結束，一切都得從頭來過。RAG可以緩解一部分問題，但它更像是“臨時查資料”，而不是“真正記住”。
如果說大模型負責“思考”，那麼記憶系統決定的，其實是智能體是否具備連續自我。
鄧亞峰認為，“如果模型每次會話後都會重置理解，真正的Agentic AI就無從談起。”
EverMind正在從靜态的上下文窗口邁向動态、自組織的記憶，借助EverMemOS，為智能體提供了一段“活的、會演化的曆史”。
基準結果表明：EverMind能夠以遠低于全上下文模型的算力成本，實現更高的準确率。
正是在這一判斷下，EverMind把研發重心從模型能力本身，轉向了一個更底層，也更難的方向——AI Memory Infra。 EverMemOS：打破行業基準，點擊即用
在EverMind最新發布的論文EverMemOS: A Self-Organizing Memory Operating System for Structured Long-Horizon Reasoning中，團隊對現有主流方案進行了清晰區分。
截圖來源：EverMemOS: A Self-Organizing Memory Operating System for Structured Long-Horizon Reasoning
EverMind詳細闡述了其技術提出的一套受engram啟發的生命周期機制，用以模拟生物認知過程。與傳統RAG或成本高昂的超長上下文窗口不同，EverMemOS能将經驗組織為連貫、可演化的結構。
它試圖構建的，是一個類似生物認知系統的記憶生命周期，靈感直接來自神經科學中的engram理論。
在這套架構中，記憶不是靜态存儲，而是會被不斷壓縮、重組、強化和遺忘的動态系統。
EverMemOS的核心機制，被概括為三個連續但可循環的階段。
第一階段：情景痕迹形成(Episodic Trace Formation)。
将對話流轉換為MemCells，用于捕捉情景痕迹、原子事實以及有時間邊界的前瞻信息。
第二階段：語義鞏固(Semantic Consolidation)。
把MemCells動态組織為主題化的MemScenes，提煉穩定的語義結構，并持續更新持久化的用戶畫像。
第三階段：重建式回憶(Reconstructive Recollection)。
通過agentic檢索組合“必要且充分”的推理上下文，在優化算力成本的同時保證高準确率。
這也是EverMemOS能在大幅降低token消耗的同時，維持甚至提升準确率的關鍵。 基準成績，是硬指标
在AI基礎設施領域，架構是否成立，最終要看基準測試。
EverMind在四個主流記憶評測基準上，給出了極具說服力的數據。
LoCoMo(93.05%準确率)：超越全部現有記憶系統與全上下文模型;在多跳推理(+19.7%)與時序任務(+16.1%)上優勢顯著，同時大幅降低token使用與計算成本。
LongMemEval(83.00%準确率)：在知識更新與時序推理方面位居第一;其中知識更新任務提升20.6%，體現出系統可通過持續語義鞏固不斷“進化”的能力。
HaluMem(90.04%召回)：在記憶完整性方面建立新的行業标準，顯著減少長時程任務中的幻覺。
PersonaMem v2：在9個複雜場景中，在深度個性化與行為一緻性維度取得最佳綜合表現。
這說明EverMind不需要犧牲效率，去換取長期記憶。結構本身，就是效率。 從論文到雲服務：記憶能力的産品化
如果EverMemOS隻停留在論文階段，它的意義仍然是學術層面的。
但是，EverMind顯然希望更快地進入真實應用場景。
此次同步推出的EverMemOS Cloud Service，正是為開發者和企業提供“即插即用”的記憶增強能力。通過簡單API調用，原本無狀态的聊天機器人，可以在數分鐘内升級為具備長期上下文感知的智能體。
在設計上，該雲服務強調三點：
一是企業級數據安全與隐私隔離;
二是對底層記憶架構的自動疊代;
三是盡可能降低開發者的使用門檻。
目前，該服務已對候補名單(waitlist)用戶開放内測，也可以通過官網申請加入内測：console.evermind.ai。
當模型能力趨同、算力成本成為瓶頸，長期記憶正在成為Agent競争的分水嶺。誰能讓AI “記得住、記得準、記得久”，誰就更接近真正的智能體。
免責聲明：本文僅代表作者個人觀點，與每日科技網無關。其原創性以及文中陳述文字和内容未經本站證實，對本文以及其中全部或者部分内容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關内容。
本網站有部分内容均轉載自其它媒體，轉載目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責，若因作品内容、知識産權、版權和其他問題，請及時提供相關證明等材料并與我們聯系，本網站将在規定時間内給予删除等相關處理.
