Mem0 2026 算法大升级 + Letta 产品化加速
Codex 核验（2026-10-10）：Mem0 当前 README 报告 LoCoMo 92.5、LongMemEval 94.4（6.8K tokens）、assistant memory recall 98.2；这些结果来自含专有优化的托管平台，不能当作开源版或 gbrain 的实测。原文 91.6/94.8 留作六月记录，未复现。ADD-only 描述的是抽取路径，不能推出整个 SDK 无更新/删除。Zep 官方平台 和 Graphiti 仍在维护，后者为 Apache-2.0；getzep.com 的 AI 服务与清洁用品品牌不能混为一谈。Letta Code 支持多种模型入口，具体调用仍受供应商认证、配额和计费约束。
有意思的点
Mem0 2026 年 4 月：记忆算法全面重写
Mem0 在 2026 年 4 月发布了一个全新的记忆算法，作者报告了基准提升（当前结果与六月记录不同，见核验注）：
- LoCoMo：71.4 → 91.6（+20 分）
- LongMemEval：67.8 → 94.8（+27 分，其中 assistant memory recall +53.6）
- BEAM (1M tokens)：64.1（生产级大规模评测）
- 仅用 6.8K tokens 就能在 LongMemEval 上达到 94.8
五个关键变化：
- 单次 ADD-only——抽取阶段使用一次 LLM 调用并生成 ADD-only 记录；这不等于 SDK 的记忆只能增加，不能更新或删除。
- Agent 生成事实一等公民——agent 确认的动作信息现在同等权重存储。
- 实体链接——提取实体、嵌入、跨记忆链接，提升检索。
- 多信号检索——语义、BM25 关键词、实体匹配并行评分后融合。
- 时序推理——时间感知检索，能区分「当前状态」「过去事件」「未来计划」。
思考：这和我们 gbrain 的设计哲学有共鸣——gbrain 也是 append-only 的 timeline + entity linking。这提供了一种设计参考；没有同条件 gbrain 对照，不能证明 gbrain 的方案更优。
Letta（原 MemGPT）产品化提速
Letta 不再是研究项目，而是变成了可用的产品：
- Letta Code CLI：
npm install -g @letta-ai/letta-code，本地终端运行 - Letta API 服务：Python + TypeScript 双 SDK，
pip install letta-client/npm install @letta-ai/letta-client - Memory blocks 架构：
human+persona两个结构化记忆块，agent 读取后自我更新 - Skills + subagents：内置预构建技能用于高级记忆和持续学习
- 模型无关但推荐 Opus 4.5 和 GPT-5.2
有意思的是 Letta 从 MemGPT（专注于虚拟内存分页）进化到了更务实的 API-first 产品路线。
Zep 与 Graphiti（维护状态更正）
截至 2026-10-10，getzep.com 仍提供 Zep AI 上下文平台，Graphiti 仍有官方维护。原记录把 AI 服务与清洁用品公司混淆，关于域名收购、停更以及检索延迟导致流失的推断缺乏证据，撤回。托管 Zep 与开源 Graphiti 的部署、费用和性能需分别核验。
随手记
- Mem0 2026 的新算法将 long-term memory 的性价比推到了新高度——6.8K tokens 实现 94.8 LongMemEval，这意味着可以用极小的上下文开销获得极好的记忆效果。gbrain 可以借鉴其多信号融合检索（semantic + keyword + entity）的思路。
- Letta 走的是「agent 自治管理记忆」路线 vs Mem0 的「托管自动提取」路线——两种哲学各有道理。但 Mem0 的路更适合生产环境（不需要 agent 自己决定记什么）。
- Agent 记忆层赛道正在快速收敛：2025 年有 10+ 方案，本次已确认 Mem0、Letta、Zep/Graphiti 仍在维护；没有完整项目时间序列，不能声称只剩两家或据此判断 LangMem 停滞。
- 「单次 ADD-only」的思路很震撼——一般来说我们会觉得「记忆需要更新」，但 Mem0 证明只添加不修改+时序感知检索效果更好。这可能是因为 LLM 更擅长在多个事实中做选择，而不是判断哪个事实应该被覆盖。