Mem0 is the memory layer for AI agents and applications, enabling them to learn from past interactions and deliver personalized experiences.

Mem0, Zep und Letta machen Agenten ein Gedächtnis – doch die Benchmarkzahlen stammen von den Anbietern selbst. Eine nüchterne Einordnung von Architekturen, Kosten und dem Punkt, an dem sich eine Memory-Schicht rechnet.

지난주 이번 주에 살펴볼 만한 AI/ML 논문 모음(10/19~25)에서 Raw-RAG 논문을 골랐습니다. 대화 기록을 그대로 잘라 검색하고 재정렬만 하는 단순한 방법이, Mem0 같은 에이전트형 메모리보다 낫다는 주장입니다. 논문은 독자 모델로 GPT-4o-mini급 이상을 썼고, "능력 있는 독자는 원본 근거만 있으면 바뀐 상태를 스스로 정리한다"고 말합니다. 그래서 이 말이 가장 어려운 조건에서도 맞는지 보고 싶었습니다. 자산관리 상담처럼 고객의 위험 성향, 소득, 주소, 저축 계획이 몇 달에 걸쳐 바뀌는 대화를, 노트북 GPU(6GB)에서 도는 3~4B 모델이 읽는 조건입니다. 비용은 0원으로, 전부 로컬에서 돌렸습니다. • 저장소: • 논문: Raw-RAG (arXiv:2610.30755), 공식 코드 Litmeb/RAW-RAG (MIT) 논문 저자와는 관계없는 비공식 실험입니다. 수치는 논문과 직접 비교할 수 없습니다. ##...

제가 느끼기에는 메모리 도구를 사용을 하시는 분을 많이 본적이 없는 거 같은데 메모리 도구를 사용해본 적이 있으신 분이나, 만들어 본 적 있으신 분 있나요? mem0, zep, supermemory, wontopos 등등 제가 메모리를 엔진을 만들고 있는데 저 말고 다른 분들 의견도 궁금해서 물어보려고 글을 작성 해

The mem0 library (versions before 1.0.8) can insert malicious text into its Databricks data store, causing the system to execute unintended SQL commands.

YouTube video by DevNami

AI 에이전트가 이전 대화나 사용자 정보를 기억하게 하려면 다들 어떻게 하고 계신지 궁금해서 여쭤봅니다. Mem0나 Zep 같은 메모리 서비스를 쓰시는 분이 계신가요? 아니면 벡터 DB나 로컬 파일로 직접 만들어 쓰시나요? 그것도 아니면 그냥 컨텍스트에 다 넣으시나요? 쓰고 계신 방식이 있다면 어떤 걸 쓰시는지, 써...

그래프 DB 벤더의 메시지가 2025~2026년 GraphRAG에서 '에이전트 메모리'로 옮겨갔지만 증거는 더 약하다. Zep과 Mem0의 논문은 그래프 변형이 전체 점수에서 앞서면서도 single-hop·multi-hop에서는 뒤지고 전체 컨텍스트 투입이 둘 다 이기는 결과를 담았고, 그래프는 지연 3배·토큰 2배를 요구했다. 두 회사는 서로의 LoCoMo 수치를 문제 삼았고 Zep은 84%를 75.14%로 정정했다. Letta는 대화 기록을 파일에 넣고 grep만 준 에이전트가 74.0%로 Mem0 그래프 변형 68.5%를 앞섰다고 보고했다. 2,400만 달러를 조달한 Mem0는 오픈소스에서 Neo4j·Memgraph·Kuzu·Neptune 드라이버 약 4,000줄을 제거했고, AWS·Anthropic의 메모리 서버와 Claude Code·Cursor는 그래프 DB를 쓰지 않는다. 그래프 DB 시리즈 2편.

How to set up Hy-Memory, Tencent Hunyuan's six-layer memory framework for AI agents, with benchmarks, migration gotchas, and lessons from a five-agent fleet.

Tencent Hunyuan が、エージェントの長期記憶に何を残すかを決めることだけを担う MoE モデル Hy-Memory-30B-A3B（総30B・稼働3B）を Apache 2.0 で公開した。Mem0 や MemOS の中で汎用 LLM の代わりに使える。Claude Opus 5 を上回ったという点差は 55.49 対 54.62 の0.87点で、評価データの20%を抜き出して Tencent 自身が測ったものである。 Tencent Hunyuan が、エージェントの長期記憶を扱う専用のモデル Hy-Memory-30B-A3B を Hugging Face に出した。ライセンスは Apache 2.0 で、総パラメータ30B のうち、1トークンごとに動くのは3B だけの MoE である。このモデルは質問に答えるためのものではない。会話や作業の中から何を記憶に書き残し、すでにある記憶をどう書き換えるかを決める。その一つの役目に絞って作られている。Tencent は、この用途で Claude Opus 5 を上回ったとしている。ただし、その根拠は評価データの一部を使った自社の測定で、差は1点に満たない。記憶の「書き込み」だけを任せるモデルMem0 や Letta などのエージェントメモリは、ふつう、会話を読んで記憶を抽出し、保存し、更新する処理を汎用の LLM ...