开年，DeepSeek 论文火遍全网，内容聚焦大模子追思。

无特殊偶，谷歌近期也发布了一篇被誉为" Attention is all you need " V2（Nested Learning: The Illusion of Deep Learning Architectures）的重磅论文，中枢一样指向追思瓶颈。

就连最近这只透顶破圈的 AI 大龙虾—— OpenClaw（原名 Clawdbot），其亮点之一依旧是追思。

也就是说，追思≈本年全球 AI 圈集体押注的期间风口≈王冠明珠。

简直通盘你能预料的大模子团队，齐在加班加点往自家模子里塞追思功能……

但这一次，让我们把视野从这些科技巨头身上稍微挪开，就会发现存一支后来居上一样扯后腿小觑。

他们就是陈天桥和邓亚峰带队的EverMind。

为什么这么说呢？

且看产物，最新发布寰宇级恒久追思系统——EverMemOS，发布即 SOTA。

一举冲破多项追思基准测试的同期，还能远超此前通盘的基线步履。

其次，它是确切能用的。

不是只会跑测试的"花架子"，实验部署后效果照样能打。而且团队有底气有信心，期间代码全部开源。

为了便捷诱惑者使用，他们刚刚还有益上线了云工作——咫尺只需一个最简便的 API，就能平直将最前沿的大模子追思材干装进我方的应用。

何况要知说念，从 EverMemOS 弘扬立项到开源，团队只用了短短四个月时候，这是什么实力不必多说。

不啻如斯，EverMind 更是联手 OpenAI 等十多个期间社区豪掷强人帖，发开头届追思发祥大赛（Memory Genesis Competition 2026），敕令全球顶尖东说念主才前来共同书写追思元年。

（瞬息燃起来了有木有！）

Anyway，底下我们娓娓说念来。

大模子的追思断裂 GAP

在伸开聊聊 EverMemOS 为啥强之前，我们不妨先来念念考一个问题：当你使用大模子时，是不是总以为有什么方位不得劲？

前一秒还聊得好好的，下一秒就忘得干干净净，要么就是移东补西，这个记着了，另一个又忘了。

归根结底，不是模子材干不够强，而是追思功能不够用。

这就要回到大模子的底层架构上讲，无人不晓，现时大模子大宗用的是Transformer架构，其追思中枢在于自驻扎力机制，也就是高低文窗口的信息缓存。

它融会过盘算推算现时窗口的 token 间磋磨，贯通高低文含义，但实验运行中由于受限于物理内存资源，窗口长度是有限的，一朝文本长度跳动窗口为止，信息就会被截断淡忘。

另外，跟着对话变长，KV Cache 占用的显存也会迟缓扩展。影响推理着力的同期，为了简约资源，现存的期间频频会遴荐压缩旧追思，从而导致追思细节变得邋遢。

这显然影响了用户的实验体验，举个例子 be like：

当你需要AI 协助写一篇论文时， 从细目选题→检索磋磨文件→拟结构→写初稿→修改优化到临了定稿，这当中例必需要多轮交互，但 AI 根柢记不住你之前写的内容，临了输出的闭幕也只然而驴头不合马嘴。

那怎么办呢？学术界为此建议了三种期间决策：

基于外部存储的追思（External Storage based Memory）

这就雷同于为大模子配备了一个外部数据库，里面系统存储着用户磋磨的历史纪录。当用户发问时，系统就会先去数据库里搜索磋磨文档，再将其和问题沿途喂给 AI。

但这并非确切的追思，而是在科场上临时翻阅课本。

基于模子参数的追思（Model Parameter based Memory）

该决策实质是将追思通过老练内化成模子的一部分，通过微调 SFT 或连续预老练，让模子在看到某个问题时，就能速即通过参数里面权重指向正确谜底。

DeepSeek 的最新闭幕即是用的这个念念路，但再老练的老本极高且容易淡忘，不符合个性化和短期追思。

基于隐气象的追思（Latent State based Memory）

通过保存模子的中间推理气象（如 KV Cache），达成类东说念主的短期追思或职责追思。

它相配适用于贯通复杂的对言语境，但换言之，它是一次性的，只可旋即存在，无法长久追思。

其中业界用的相比多的步履，照旧RAG（检索增强生成），也就是基于外部存储的追思。

但 RAG 一样短处显然。最初，其职责形式是将长文本切成一个个片断，会破裂信息的连贯性，让模子难以贯通复杂的因果磋磨。

其次 RAG 依赖向量相似度检索，擅长找语义左近的内容，但在时序匹配上不及；另外 RAG 学问是相对静态的，若是要更新信息，则需要不菲的老本复古。

基于此，EverMemOS应时而生。

学习大脑追思机制，成了

启发于脑科学期间的研究闭幕，恢弘一直以来相配疼爱恒久追思规模的研究。早在 2024 年 10 月，恢弘团队就对外发布了恒久追思规模的纲目性著述《Long Term Memory-The Foundation of AI Self-Evolution》。

基于恢弘多个团队在该规模的连续累积，EverMind 在 2025 年 8 月弘扬启动 EverMemOS 技俩，并于 11 月对外弘扬发布开源版块。

EverMemOS 是 EverMind 打造的首款 AI 追思基础设施，对比同赛说念团队，似乎老牛破车。

Mem0、Zep 等产物最早齐能追预料 2024 年，咫尺买卖化最得手的诱惑者框架 Letta（原 MemGPT）亦然 2023 年就启动起步。

EverMemOS 却交出了亮眼的答卷：最晚入场，但效果弯说念超车。

从期间角度看，它同期袭取了基于外部存储和基于隐气象两种旅途。不外业内并非莫得尝试过此类决策，但 EverMind 显然在追思索要的精确度和逻辑一致性上结束了更优的均衡。

原因在于 EverMind 收拢了精髓，用邓亚峰的话说，就是：

通过 EverMemOS，我们赋予智能体一个活的、不停演化的历史。

这里的要害词其实是"活的"。那么如何能保存最鲜嫩的追思呢？东说念主类大脑。

这就引出了 EverMind 的特殊念念路——生物启发。

具体来讲，EverMemOS 通过模拟东说念主类追思的酿成并升沉为盘算推算框架，旁边三阶段层层递进以结束大模子恒久追思的存储和索要：

Step 1：情景轨迹构建。

对应东说念主脑的海马体和内嗅皮层，不错将连气儿的对话内容拆分红一个个放心的追思单位（MemCell），每个单位里不仅纪录有完满的聊天内容，还包括一些要害事实、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），系统会将内容磋磨的追思单位归类在沿途，酿成主题化的追思场景（MemScene），同期还会更新用户画像，差异用户的恒久褂讪偏好和短期临时气象。

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，当用户发问时，系统就会在追思场景的指挥下进行智能检索，只挑选出必要且迷漫的追思内容，用于后续的推理任务。

由此，AI 学会像东说念主类一样追思——这不仅是学问的数据库存储，更是融会系统的深度整合。如斯一来，即即是在多个 Agent 之间，也能结束信息的高效传递。

至于效果如何，星空app官网版我们照旧百闻不如一见，望望基准测试闭幕。

团队登第了 4 个主流追思基准测试，以及多种大模子追思增强步履。通盘步履齐基于合并基础大模子（GPT-4o-mini 或 GPT-4.1-mini）进行测试。

闭幕也很显然，EverMemOS 大获全胜，全面卓绝现存追思系统和全高低文模子。

其中在LoCoMo上，准确梗平直一跃来到 93.05%，尤其是在多跳推理和时序任务上说明杰出，分别普及 19.7% 和 16.1%，同期 token 使用量和盘算推算老本得到大幅度裁汰。

在多会话对话评估LongMemEval里，EverMemOS 一样以 83% 的准确率位居榜首，评释在靠近跨度极大、信息量极高的场景中，EverMemOS 依旧能够精确检索和关联到已往的信息，何况通过连续疏通还会不停进化完善我方。

HaluMem由 MemTensor 和中国电信研究院聚拢发布，是业界首个面向 AI 追思系统的操作级幻觉评估基准。而 EverMemOS 在保证追思完满性的同期，也显贵改善了幻觉表象。

在PersonaMem v2里，EverMemOS 在九个复杂场景中依旧全场最好，保证了深度个性化和步履一致性。

足以见得，EverMemOS 是相配万能的一枚选手，记性好、搜得准，要害还运行速率快、老本还够低，最长可突破百兆高低文为止。

一边帮大模子减负，一边帮大模子补追思力，号称大模子版安神补脑液（bushi）

不仅云，还要赢

诚然，期间塌实是一趟事，能不成闪诱惑者用起来则是另外一趟事。

EverMind 以为，开源还不够，平直上云工作。

省去中间广泛的基础设施搭建，从诱惑者到 EverMemOS，只需要完成简便的两行 API 代码调用，就能结束多项追思操作，包括：

追思摄入：从音讯和交互中索要和存储追思；

追思检索：使用筛选选项（举例按元数据字段）检索已存储的追思；

{jz:field.toptypename/}

追思搜索：旁边要害字驱动的夹杂检索形式搜索追思；

对话元数据：成就或更新对话元数据以矫正索要和检索步履。

有两种使用 EverMemOS 的形式，EverMemOS Cloud和开源版块。前者使用托管 API，更便捷也更快，且中枢引擎会自动更新到最新版块，后者则由用户我方运维。

开源版块需要自行准备部署环境：

云工作上手更快，功能浮松，探索空间却很大：配置追思空间→获取 API 密钥→保存追思→使用追思，即可冒昧体验现时业界性能 SOTA 的 Memory 系统。

△遴荐 EverMemOS 云工作或开源版块的意义

咫尺云工作仍是弘扬绽开内测肯求，填写正确的邮箱地址后即可享受免费工作。（肯求进口：https://console.evermind.ai/）

不外正如邓亚峰所说，要想掌抓 AI，多学不如多用。在部署好 EverMemOS 后，不妨来进入 EverMind 举办的追思发祥大赛。

EverMind 把舞台也给环球一站式搭好了～

比赛将从 1 月一直连续到 4 月，现已面向全球诱惑者绽开注册通说念和云平台，需要驻扎要在2 月底之前完成技俩提交。具体将分为三大赛说念：

1、追思 + 智能体：

条目构建具备恒久、进化材干的智能体，举例个东说念主数字孪生、内容创作家职责进程、销售 /CRM 互助助手、医疗保健 / 调养智能体、考验伙伴、多智能体互助等。将选出 5 名获奖者，每东说念主奖励 5000 好意思元。

2、平台插件：

基于 VSCode、Chrome、Slack、Discord、Notion、Obsidian 或 LangChain 等框架或 SDK 为 EverMemOS 诞生扩展操作系统生态。将选出 7 名获奖者，每东说念主奖励 3000 好意思元。

3、操作系统基础设施：

匡助优化 EverMemOS 的中枢，举例中枢功能修改、性能调优、架构矫正等。将选出 3 名获奖者，每东说念主奖励 3000 好意思元。

另外还将凭证总收获结合线下手脚说明，选出相当的总冠军（相当 1 万好意思元）、东说念主气诱惑者（相当 5000 好意思元）和 2 个 Aha 案例（相当 3000 好意思元）。

总奖金池高达 8 万好意思元，另外每位获奖者还将领有收益分红契机和社区头衔。其中顶级孝敬者还可有契机赢得全职 offer，以及受邀加入 EverMind 担任期间参谋人。

通盘参赛选手齐将接管来自 EverMind 工程团队的平直导师指导，更多比赛细节可见赛事官网。（https://evermind.ai/activities）

结合智能的要害在追思

那么临了，我们再来望望 EverMind 究竟意欲何为？毕竟又是发新期间、新平台，又是办比赛，这一套组合拳下来，诡计可不小。

最初从供给侧讲，EverMind 正在试图用 EverMemOS 从头界说大模子追思的期间道路。

EverMemOS 莫得沿着蓝本已有的期间决策延展，而是实打实地摸索出了一条以脑科学 +AI的特殊旅途，而且它的期间熟悉度出乎偶而地塌实，评释 EverMemOS 还仅仅 EverMind 布局的冰山一角。

事实上，据 EverMind 潜入，他们仍是启动构造一整套的夹杂贬责决策，其中底层是信息处理模块，表层则是在强化学习的驱动下，通过调用模子参数来结束对信息的使用。

当初作念 EverMemOS 的时候，平直挑战最难的多对多互助场景，而非基础的 1v1 东说念主机对话场景，就是因为他们把见解放在了更永久的模范重塑上。

△用 EverMemOS，让 Agent 领有追思

其次从需求侧讲，举办比赛一方面是为了扩大团队的影响力，将期间扩充出去，让行业得以复用，另一方面亦然为了通过秀肌肉吸纳更多磋磨规模东说念主才，然后反哺 EverMind 的全链路期间研发。

这极少，从赛说念瞎想中便可看出。三个赛说念递次代表应用层、中间层、基础设施，遮掩到了用户通盘的诱惑要领，突显出 EverMind 对可轮回应用生态的中枢考量。

其实 EverMind 从一启动就定位明确。它并不称心于成为一个 RAG 器用或向量数据库，而是志在于作念通向下一代东说念主工智能的基础设施，即恒久追思系统（Long Term Memory OS），赋予 AI 个性化、主动性，以及通过连续学习（Continual Learning）自我演化（Self Evolving）的材干。

EverMind 但愿能够成为大模子追思的书写者，去躬行界说追思是如何被创建、组织、检索和演化的。

而往更大的视角看，EverMind 的诡计也折射出了一个行业共鸣——

智能来到比拼恒久追思的下半场。

东说念主类智能主要由因果推理和恒久追思材干组成，若是说 OpenAI-o1、DeepSeek-R1 为 AI 带来了推理材干，那么恒久追思例必是下一代 AI 应该领有的中枢材干。

它将突破大模子的高低文局限，匡助 Agent 具备个性化特质，并连续进化出深档次的恒久融会，这齐是下一代 AI 必须有的特质。在模子材干日益同质化的配景下，哪家 Agent 能率先搭载高性能追思系统，就意味着哪家能够确切拉开差距，领有留住用户的护城河。

固然要结束这极少，不可能只靠一个团队单打独斗，而需要一通盘生态协同发展，那么谁能成为这个生态的缔造者，就显得格外进军。

从某种进度讲，这恰正是恢弘的骄慢区。

在互联网时期，恢弘就靠着平台生态讲授了我方的材干范畴，而在如今新一轮 AI 时期里，恢弘依旧能将已往的政策造就迁徙过来，仅仅这一次它遴荐的是追思。

是以不消置疑，由恢弘孵化的 EverMind 将成为这个规模里不可淡薄的一抹力量，它的诡计与实力堪配。

此行例必不易，但我们大概坚硬不错期待，在不久后的异日，有更多如同 EverMind 的探路者联袂共进，来确切揭开 AI 恒久追思迷宫的一角。

赛事报名：https://evermind.ai/activities

云工作进口：https://console.evermind.ai/

论文运动：https://arxiv.org/abs/2601.02163

代码仓库：https://github.com/EverMind-AI/EverMemOS

官网地址：https://evermind.ai/

一键三连「点赞」「转发」「留神心」

接待在指摘区留住你的宗旨！

—  完  —

� � 点亮星标 � �

科技前沿进展逐日见