记忆≈今年全球AI圈集体押注的技术风口≈皇冠明珠。
几乎所有你能想到的大模型团队，都在加班加点往自家模型里塞记忆功能……
但这一次，让我们把视线从这些科技巨头身上稍稍挪开，就会发现有一支后起之秀同样不容小觑。
他们就是陈天桥和邓亚峰带队的EverMind。
为什么这样说呢？
且看产品，最新发布世界级长期记忆系统——EverMemOS，发布即SOTA。
一举打破多项记忆基准测试的同时，还能远超此前所有的基线方法。
其次，它是真正能用的。
不是只会跑测试的“花架子”，实际部署后效果照样能打。而且团队有底气有信心，技术代码全部开源。
为了方便开发者使用，他们刚刚还专门上线了云服务——现在只需一个最简单的API，就能直接将最前沿的大模型记忆能力装进自己的应用。
并且要知道，从EverMemOS正式立项到开源，团队只用了短短四个月时间，这是什么实力不必多说。
大模型的记忆断裂GAP
在展开聊聊EverMemOS为啥强之前，我们不妨先来思考一个问题：当你使用大模型时，是不是总觉得有什么地方不得劲？
前一秒还聊得好好的，下一秒就忘得一干二净，要么就是拆东墙补西墙，这个记住了，另一个又忘了。
归根结底，不是模型能力不够强，而是记忆功能不够用。
这就要回到大模型的底层架构上讲，众所周知，当前大模型普遍用的是Transformer架构，其记忆核心在于自注意力机制，也就是上下文窗口的信息缓存。
基于此，EverMemOS应运而生。
学习大脑记忆机制，成了
启发于脑科学技术的研究成果，盛大一直以来非常重视长期记忆领域的研究。早在2024年10月，盛大团队就对外发布了长期记忆领域的纲领性文章《Long Term Memory-The Foundation of AI Self-Evolution》。
基于盛大多个团队在该领域的持续积累，EverMind在2025年8月正式启动EverMemOS项目，并于11月对外正式发布开源版本。
EverMemOS是EverMind打造的首款AI记忆基础设施，对比同赛道团队，似乎姗姗来迟。
Mem0、Zep等产品最早都能追溯到2024年，现在商业化最成功的开发者框架Letta（原MemGPT）也是2023年就开始起步。
EverMemOS却交出了亮眼的答卷：最晚入场，但效果弯道超车。
从技术角度看，它同时继承了基于外部存储和基于隐状态两种路径。不过业内并非没有尝试过此类方案，但EverMind显然在记忆提取的精准度和逻辑一致性上实现了更优的平衡。
原因在于EverMind抓住了精髓，用邓亚峰的话说，就是：
通过EverMemOS，我们赋予智能体一个活的、不断演化的历史。
这里的关键词其实是“活的”。那么如何能保存最鲜活的记忆呢？人类大脑。
这就引出了EverMind的独特思路——生物启发。
具体来讲，EverMemOS通过模拟人类记忆的形成并转化为计算框架，利用三阶段层层递进以实现大模型长期记忆的存储和提取：
Step 1：情景轨迹构建。
对应人脑的海马体和内嗅皮层，可以将连续的对话内容拆分成一个个独立的记忆单元（MemCell），每个单元里不仅记录有完整的聊天内容，还包括一些关键事实、时效信息等。
Step 2：语义整合。
类比新皮层（前额叶皮层+颞叶皮层），系统会将内容相关的记忆单元归类在一起，形成主题化的记忆场景（MemScene），同时还会更新用户画像，区分用户的长期稳定偏好和短期临时状态。
Step 3：重构式回忆。
这一步对应的是前额叶皮层和海马体的协同机制，当用户提问时，系统就会在记忆场景的引导下进行智能检索，只挑选出必要且足够的记忆内容，用于后续的推理任务。
由此，AI学会像人类一样记忆——这不仅是知识的数据库存储，更是认知系统的深度整合。如此一来，即便是在多个Agent之间，也能实现信息的高效传递。
至于效果如何，咱们还是眼见为实，看看基准测试结果。
团队选取了4个主流记忆基准测试，以及多种大模型记忆增强方法。所有方法都基于同一基础大模型（GPT-4o-mini或GPT-4.1-mini）进行测试。
结果也很明显，EverMemOS大获全胜，全面超越现有记忆系统和全上下文模型。
其中在LoCoMo上，准确率直接一跃来到93.05%，尤其是在多跳推理和时序任务上表现突出，分别提升19.7%和16.1%，同时token使用量和计算成本得到大幅度降低。
在多会话对话评估LongMemEval里，EverMemOS同样以83%的准确率位居榜首，说明在面对跨度极大、信息量极高的场景中，EverMemOS依旧能够精准检索和关联到过去的信息，并且通过持续交流还会不断进化完善自己。
HaluMem由MemTensor和中国电信研究院联合发布，是业界首个面向AI记忆系统的操作级幻觉评估基准。而EverMemOS在保证记忆完整性的同时，也显著改善了幻觉现象。
在PersonaMem v2里，EverMemOS在九个复杂场景中依旧全场最佳，保证了深度个性化和行为一致性。
足以见得，EverMemOS是相当全能的一枚选手，记性好、搜得准，关键还运行速度快、成本还够低，最长可突破百兆上下文限制。
一边帮大模型减负，一边帮大模型补记忆力，堪称大模型版安神补脑液。
不仅云，还要赢
诚然，技术扎实是一回事，能不能让开发者用起来则是另外一回事。
EverMind觉得，开源还不够，直接上云服务。
省去中间繁杂的基础设施搭建，从开发者到EverMemOS，只需要完成简单的两行API代码调用，就能实现多项记忆操作，包括：
? 记忆摄入：从消息和交互中提取和存储记忆； ? 记忆检索：使用筛选选项（例如按元数据字段）检索已存储的记忆； ? 记忆搜索：利用关键字驱动的混合检索方式搜索记忆； ? 对话元数据：设置或更新对话元数据以改进提取和检索行为。
有两种使用EverMemOS的方式，EverMemOS Cloud和开源版本。前者使用托管API，更方便也更快，且核心引擎会自动更新到最新版本，后者则由用户自己运维。
开源版本需要自行准备部署环境：
云服务上手更快，功能简洁，探索空间却很大：配置记忆空间→获取API密钥→保存记忆→使用记忆，即可轻松体验当前业界性能SOTA的Memory系统。
△选择EverMemOS云服务或开源版本的理由
目前云服务已经正式开放内测申请，填写正确的邮箱地址后即可享受免费服务。
