北京
圖片由AI生成
如果一個AI每次對話結束后，都會把與你的全部交流清空，那么無論它多聰明，都只能算是一個“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）準確率。
伴隨而來的，還有 EverMemOS 云服務的內測，以及一項總獎金高達 8 萬美元的全球開發者大賽 ——Memory Genesis Competition 2026。
這背后是陳天橋對“基礎性技術長期投入”的一貫判斷，也是EverMind聯合創始人鄧亞峰在AI記憶基礎設施方向上的一次正面下注。
在產品發布之外，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。
為什么Agent一定需要長期記憶？
在大模型能力突飛猛進的這兩年里，行業幾乎把所有注意力都集中在參數規模、多模態、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、對歷史決策的追溯，還是跨時間跨度的復雜推理，只要上下文窗口結束，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”，那么記憶系統決定的，其實是智能體是否具備連續自我。
鄧亞峰認為，“如果模型每次會話后都會重置理解，真正的Agentic AI就無從談起。”
EverMind正在從靜態的上下文窗口邁向動態、自組織的記憶，借助EverMemOS，為智能體提供了一段“活的、會演化的歷史”。
基準結果表明：EverMind能夠以遠低于全上下文模型的算力成本，實現更高的準確率。
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，用以模擬生物認知過程。與傳統RAG或成本高昂的超長上下文窗口不同，EverMemOS能將經驗組織為連貫、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，記憶不是靜態存儲，而是會被不斷壓縮、重組、強化和遺忘的動態系統。
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：情景痕跡形成（Episodic Trace Formation）。
將對話流轉換為MemCells，用于捕捉情景痕跡、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動態組織為主題化的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確率。
這也是EverMemOS能在大幅降低token消耗的同時，維持甚至提升準確率的關鍵。
基準成績，是硬指標
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%準確率）：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%準確率）：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標準，顯著減少長時程任務中的幻覺。
PersonaMem v2：在9個復雜場景中，在深度個性化與行為一致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。
從論文到云服務：記憶能力的產品化
如果EverMemOS只停留在論文階段，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，原本無狀態的聊天機器人，可以在數分鐘內升級為具備長期上下文感知的智能體。
在設計上，該云服務強調三點：
- 一是企業級數據安全與隱私隔離；
- 二是對底層記憶架構的自動迭代；
- 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）用戶開放內測，也可以通過官網申請加入內測：console.evermind.ai。
Memory Genesis：把基礎設施交到生態手里
與產品發布同樣重要的，是EverMind對生態的態度。
Memory Genesis Competition 2026，并不想做成一次常規的應用開發大賽，而是圍繞“記憶原生應用”展開的系統性共創。
圖片來源：EverMind
賽事設置了Memory+Agent、Plugin和Infra三大賽道，覆蓋從應用到基礎設施的不同層級。初始獎金池為8萬美元，并提供后續收入分成與職業機會。
優秀開發者不僅能獲得獎金，還可能直接進入EverMind工程團隊，或獲得長期技術支持。
開發者可在2月線上參賽并提交作品，3月份將在社區逐步公布優秀項目，并將邀請優秀團隊參加4月初在硅谷舉辦的線下活動。
開發者可在evermind.ai/activities注冊。
Memory Genesis Competition的舉辦，延續了陳天橋一貫的邏輯：真正的基礎設施，必須交由生態來驗證和放大。
從更大的時間尺度看，EverMemOS的出現并不偶然。
當模型能力趨同、算力成本成為瓶頸，長期記憶正在成為Agent競爭的分水嶺。誰能讓AI “記得住、記得準、記得久”，誰就更接近真正的智能體。
EverMind選擇在這個節點押注記憶基礎設施，既是技術判斷，也是戰略選擇。
對陳天橋和鄧亞峰而言，這是一次對“長期價值”的再次下注，為Agentic AI補上一塊關鍵拼圖的嘗試。
多數AI應用的失敗，也許并不是因為模型不夠聰明，而是因為系統不夠完整。
EverMemOS至少回答了一個長期被忽視的問題：如果AI沒有記憶，它到底是誰？
而這，或許正是下一階段智能競爭真正開始的地方。（作者｜李程程，編輯｜李玉鵬）
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
