由陳天橋和鄧亞峰帶隊的EverMind最新發布世界級長期記憶系統——EverMemOS，即SOTA，一舉打破多項記憶基準測試的同時，還能遠超此前所有的基線方法。

其次，它是真正能用的。

不是只會跑測試的“花架子”，實際部署后效果照樣能打。而且團隊有底氣有信心，技術代碼全部開源。

為了方便開發者使用，他們剛剛還專門上線了云服務——現在只需一個最簡單的API，就能直接將最前沿的大模型記憶能力裝進自己的應用。

學習大腦記憶機制，成了。

啟發于腦科學技術的研究成果，盛大一直以來非常重視長期記憶領域的研究。早在2024年10月，盛大團隊就對外發布了長期記憶領域的綱領性文章《Long Term Memory-The Foundation of AI Self-Evolution》。

基于盛大多個團隊在該領域的持續積累，EverMind在2025年8月正式啟動EverMemOS項目，并于11月對外正式發布開源版本。

EverMemOS是EverMind打造的首款AI記憶基礎設施，對比同賽道團隊，似乎姍姍來遲。

Mem0、Zep等產品最早都能追溯到2024年，現在商業化最成功的開發者框架Letta（原MemGPT）也是2023年就開始起步。

EverMemOS卻交出了亮眼的答卷：最晚入場，但效果彎道超車。

從技術角度看，它同時繼承了基于外部存儲和基于隱狀態兩種路徑。不過業內并非沒有嘗試過此類方案，但EverMind顯然在記憶提取的精準度和邏輯一致性上實現了更優的平衡。

原因在于EverMind抓住了精髓，用鄧亞峰的話說，就是：

通過EverMemOS，我們賦予智能體一個活的、不斷演化的歷史。

這里的關鍵詞其實是“活的”。那么如何能保存最鮮活的記憶呢？人類大腦。

這就引出了EverMind的獨特思路——生物啟發。

具體來講，EverMemOS通過模擬人類記憶的形成并轉化為計算框架，利用三階段層層遞進以實現大模型長期記憶的存儲和提取：

Step 1：情景軌跡構建。

對應人腦的海馬體和內嗅皮層，可以將連續的對話內容拆分成一個個獨立的記憶單元（MemCell），每個單元里不僅記錄有完整的聊天內容，還包括一些關鍵事實、時效信息等。

Step 2：語義整合。

類比新皮層（前額葉皮層+顳葉皮層），系統會將內容相關的記憶單元歸類在一起，形成主題化的記憶場景（MemScene），同時還會更新用戶畫像，區分用戶的長期穩定偏好和短期臨時狀態。

Step 3：重構式回憶。

這一步對應的是前額葉皮層和海馬體的協同機制，當用戶提問時，系統就會在記憶場景的引導下進行智能檢索，只挑選出必要且足夠的記憶內容，用于后續的推理任務。

由此，AI學會像人類一樣記憶——這不僅是知識的數據庫存儲，更是認知系統的深度整合。如此一來，即便是在多個Agent之間，也能實現信息的高效傳遞。

至于效果如何，咱們還是眼見為實，看看基準測試結果。

團隊選取了4個主流記憶基準測試，以及多種大模型記憶增強方法。所有方法都基于同一基礎大模型（GPT-4o-mini或GPT-4.1-mini）進行測試。

結果也很明顯，EverMemOS大獲全勝，全面超越現有記憶系統和全上下文模型。

其中在LoCoMo上，準確率直接一躍來到93.05%，尤其是在多跳推理和時序任務上表現突出，分別提升19.7%和16.1%，同時token使用量和計算成本得到大幅度降低。

在多會話對話評估LongMemEval里，EverMemOS同樣以83%的準確率位居榜首，說明在面對跨度極大、信息量極高的場景中，EverMemOS依舊能夠精準檢索和關聯到過去的信息，并且通過持續交流還會不斷進化完善自己。

HaluMem由MemTensor和中國電信研究院聯合發布，是業界首個面向AI記憶系統的操作級幻覺評估基準。而EverMemOS在保證記憶完整性的同時，也顯著改善了幻覺現象。

在PersonaMem v2里，EverMemOS在九個復雜場景中依舊全場最佳，保證了深度個性化和行為一致性。

足以見得，EverMemOS是相當全能的一枚選手，記性好、搜得準，關鍵還運行速度快、成本還夠低，最長可突破百兆上下文限制。

一邊幫大模型減負，一邊幫大模型補記憶力，堪稱大模型版安神補腦液。

審核編輯 黃宇