推文

@fireandstart · 2026-10-16 18:57

这条消息里我最关注的不是“3B 活跃参数打败大模型”这个标题，而是记忆系统开始从单一聊天场景走向跨工具、跨工作流的基础层。把聊天、工作和代码放进同一层，意味着真正的难点不只是记住更多内容，而是判断什么值得留下、旧结论何时失效，以及在下一次任务里能不能准确取回。多跳召回从 50% 到 90% 的内部结果很醒目，但要变成可依赖的能力，还得看任务集、失败案例和评测方法能否公开复现。四项基准领先、记忆量减少 51.8%、召回 token 减少 39.3%，给出了不错的效率线索；与此同时，不同产品的上下文结构、权限边界和写入习惯并不相同，接入 Mem0、MemOS 或 EverMemOS 后的表现也值得分别观察。对实际使用者来说，我会先拿它处理一个范围清晰的长周期任务：记录项目约束、决策理由和未完成事项，再隔几天用新问题检查它是否取回了正确版本，而不是只看摘要是否流畅。尤其是 Codex、Cursor 这类工具共享记忆时，还需要弄清谁能写、冲突怎么处理、敏感信息如何隔离。开源模型、引擎和应用让这些问题有机会被社区逐项验证，也让“记忆”从产品宣传语变成可以检查、比较和持续改进的工程能力。

曝光 9 · 评论 0 · 点赞 0 · 书签 0