机械之心编辑部
2026 刚来到 2 月，，，，，，无论是底层模子大厂照旧首创公司一切加速开卷，，，，，，其中 Agentic Memory 偏向的快速进化更是把大模子的能力上限推向了 NEXT LEVEL!
OpenAI 和 Anthropic 一连推高上下文窗口的上限，，，，，，Clawdbot 小虾依附影象能力住进了更多用户心中，，，，，，AI 行业共识正在爆发玄妙但强烈的转向 —— 没有影象的 Agent 只是一个高级的自动补全工具。。。 。。。。。要让 AI 真正处置惩罚重大项目或恒久使命，，，，，，它必需具备一种跨会话的、结构化的恒久影象机制。。。 。。。。。
AI 手艺圈和资源押注的新风口
若是说大模子提供了 “高度运转的大脑”，，，，，，那么影象层就是 Agent 真正迈向好用的 “要害能力”。。。 。。。。。
Sequoia Capital 的合资人在近期的一次闭门会上谈到，，，，，，未来的 Agent 焦点挑战之一是实现"长期化身份"(Persistent Identity)—— 让 AI 不但能记着用户的历史交互，，，，，，更要在长时间运行中坚持一致的明确和上下文影象。。。 。。。。。在 Agentic AI 的进化竞赛中，，，，，，一个恒久被忽视的瓶颈正成为顶级风投追逐的新风口：长期化影象（Persistent Memory）。。。 。。。。。
刚刚，，，，，，Feeling AI 团队在深夜宣布 MemBrain1.0，，，，，，在 LoCoMo / LongMemEval / PersonaMem-v2 等多项主流影象基准评测中拿下全新 SOTA，，，，，，反超 MemOS、Zep 和 EverMemOS 等影象系统和全上下文模子；；；；；； ；在 KnowMeBench Level III 两个难度品级最高的评测中更是比现有评测效果大幅提升超 300%。。。 。。。。。
Feeling AI 是 2025 年刚浮出水面不久的 AI 首创团队，，，，，，首创人戴勃是天生式 AI 领域的青年科学家，，，，，，他曾在 NTU 和上海 AI 实验室任职，，，，，，担当天生式 AI 团队的认真人。。。 。。。。。据媒体此前报道，，，，，，他们还低调的完成了两轮超亿元的融资，，，，，，是海内最早在天下模子和 3D 动态交互偏向举行实验的团队之一。。。 。。。。。
Memory for Agentic AI 新 SOTA——MemBrain1.0
Feeling AI 宣布的评测效果，，，，，，通过在 4 个业内公认的影象基准测试来一场"实战演练" 以验证算法的"真功夫"。。。 。。。。�；；；；；； ；� EverMemOS 开源客栈搭建的一个"公正擂台"—— 所有 ±慰奎选手” 都使用统一个基础大模子（GPT-4.1-mini）作为"底座"，，，，，，MemBrain1.0 与其他大模子影象增强要领在统一起跑线上的能力比拼效果先看为敬。。。 。。。。。
在主流测试基准 LoCoMo 和 LongMemEval 上，，，，，，MemBrain1.0 划分以 93.25% 和 84.6% 的准确率斩获新的 SOTA。。。 。。。。。这部分得益于MemBrain1.0 细腻的实体 - 时间上下文治理设计，，，，，， 在时序使命以及多会话场景使命下取得显著提升。。。 。。。。。
在另一个考察隐性画像捕获能力的 PersonaMem-v2测试基准上，，，，，，MemBrain1.0 以 51.50% 的准确率逾越现有果真的要领，，，，，，精准实现了对用户恒久偏好的深度洞察。。。 。。。。。
别的，，，，，，在 Hugging Face 广受关注的 Knowme-Bench 基准中，，，，，，MemBrain 的实验效果批注，，，，，，在 KnowMeBench Level III: Psychoanalytic Depth:Mind-BodyInteraction (T6),Expert-Annotated Psychoanalysis (T7) 难度品级最高的两个评测中更是比现有评测效果大幅提升超 300%，，，，，，显示出 MemBrain 在高阶认知明确使命中显著的性能优势。。。 。。。。。Knowme-Bench 的焦点挑战在于要求模子逾越基础的准确影象抽�。。。 。。。。。�，，，，，实现基于影象内容的深层剖析与重大推理。。。 。。。。。
MemBrain1.0 的算法强在哪？？？？？ ？？
让影象系统学会"自动思索"
现有影象系统在检索机制上普遍接纳多路召回与重排架构（如全文检索、向量检索与图数据库的混淆检索）—— 虽然配备了一整套"豪华工具箱"，，，，，，但性能很洪流平上取决于预设的分支参数，，，，，，系统只能按预设轨道上"照章效劳"。。。 。。。。。只管 EverMemOS 等前沿事情实验引入盘问改写（Query Rewriting）来适配多维度的盘问需求，，，，，，但这种单轮触发机制实质上照旧"单次触发" 的被动响应，，，，，，难以实现真正的自顺应检索。。。 。。。。。
MemBrain 的破局点在于用 Agentic 思绪重构整个影象系统。。。 。。。。。它将实体提取、会话摘要天生、影象合并、冲突消解、分层影象压缩等焦点环节，，，，，，拆解为自力且能协同作战的子 Agent—— 每个 Agent 专注自己的领域，，，，，，但能凭证使命动态配合。。。 。。。。。古板检索手段被"降维" 为可挪用的工具，，，，，，真正的决议权交给了 Agent 之间的协作调理。。。 。。。。。
这种设计让安排无邪度直接拉满，，，，，，还为异步影象更新等一样平常工程需求预留了富足的扩展空间。。。 。。。。。
实体与时间：影象治理的"细节功夫"
准确提取历史文本中的实体与时间戳信息，，，，，，是影象系统实现关联剖析与逻辑推理等高阶使命的基石。。。 。。。。。然而，，，，，，现有计划在长时影象的数据组织模式与细粒度上下文治理上仍显粗放 —— 时间信息捕获不敷完整、实体关联不敷清晰、时间与事务的组织方法不敷规范，，，，，，这些细节上的缺乏限制了系统在重大下游场景中的性能上限。。。 。。。。。
MemBrain 在前沿探索的基础上，，，，，，针对长时上下文举行了深度的结构化工程优化。。。 。。。。。通详尽腻化的字段设计与上下文对齐机制，，，，，，在实体提取完整性、时间戳规范化、数据结构清晰度等多个细节层面一连打磨，，，，，，确保了影象数据的高保真度与检索时的高度相关性。。。 。。。。。
适配大模子原生能力，，，，，，深度加入推理
许多研究者喜欢用图结构来描绘影象网络 —— 事实现实天下中，，，，，，实体之间的关系确实错综重大。。。 。。。。。
但这里有个有趣的矛盾：当下主流基座模子的底层架构，，，，，，更适配线性或树状的信息排列方法。。。 。。。。。这种架构范式与图结构表征之间的自然差别，，，，，，带来的效果是：现有的图数据库影象系统在盘问时，，，，，，照旧主要依赖古板图算法在唱主角，，，，，，LLM 只能在一旁"看戏"，，，，，，无法深度加入图推理。。。 。。。。。效果就是经常爆发显着的语义转化消耗 —— 就像信息在转达历程中一直"失真"。。。 。。。。。这无疑限制了 LLM 在重大影象推理场景中的真正实力。。。 。。。。。
最近备受关注的 Anthropic 推出的 Skill 机制，，，，，，接纳"一切皆文件" 的设计哲学，，，，，，把文件按需加载到上下文中。。。 。。。。。MemBrain 通过优化这一思绪：虽然不必图结构，，，，，，但把相关信息组织成可按需加载的"语义单位"—— 就像把散落的知识点打包成一个个"信息包"，，，，，，LLM 可以直接翻开阅读，，，，，，而不需要经由重大的图算法转换。。。 。。。。。这样既保存了信息之间的关联关系，，，，，，又让 LLM 能够深度加入推理，，，，，，在推理时随用随�。。。 。。。。。�，，，，，无邪检索和组装知识。。。 。。。。。
为什么是创业团队 Feeling AI？？？？？ ？？
是什么让这样一支建设不久的首创团队半路杀了出来，，，，，，一举拿下多项基准的 SOTA？？？？？ ？？
Feeling AI 的首创人戴勃，，，，，，是天生式 AI 领域的青年科学家、香港大学的助理教授，，，，，，他曾在 NTU 和上海 AI 实验室任职，，，，，，担当天生式 AI 团队的认真人。。。 。。。。。戴勃博士结业于香港中文大学，，，，，，在开源社区爆火的视频天生模子 AnimateDiff，，，，，，以及 CityNeRF、Scaffold-GS 这几项事情都是他的代表作，，，，，，AnimateDiff 可以说引领视频天生走向商业化的要害事情，，，，，，据传多家大厂曾开出天价吸引其加入。。。 。。。。。
但低调创业的戴勃并没有选择在视频天生领域下钻，，，，，，而是在 2024 年就押注了天下模子。。。 。。。。。戴勃向导的焦点团队来自清华、港中文、NTU 和米哈游、英伟达、商汤等，，，，，，团队更是不乏结业于清华姚班的天才少年。。。 。。。。。
但作为海内最早在天下模子和 3D 动态交互偏向举行实验的团队，，，，，，为什么要做 Agentic Memory？？？？？ ？？谜底或许藏在其官方宣布的一张海报中。。。 。。。。。
他们把天下模子的实现分成了 InteractBrain（明确、影象与妄想），，，，，，InteractSkill（能力与执行）和 InteractRender（渲染与泛起）三层，，，，，，MemBrain 所代表的影象能力则是 InteractBrain 的要害组成部分之一。。。 。。。。。当 OpenAI-o1、DeepSeek-R1 为 AI 带来的推理能力还缺乏以为物理天下的智能系统告竣闭环时，，，，，，机械像人类一样与动态转变的物理天下共存的能力就至关主要。。。 。。。。。
也许 Feeling AI 试图回覆的正是 —— 怎样让天下模子真正走向动态天下的智能交互，，，，，，而与天下动态交互的焦点也将由 “人” 变为 “人和 AI”。。。 。。。。。云云看来，，，，，，在 Agentic Memory 的能力上为天下模子构建护城河也十分合理。。。 。。。。。
结语
随着 Mem0 等项目在 GitHub 上迅速走红，，，，，，DeepSeek 的论文剑指大模子影象，，，，，，以及 OpenAI 频仍更新其 “Memory” 功效接口，，，，，，一个明确的信号已经释放：在 2026 年的 AI 国界中，，，，，，谁能解决 Agent 的 “随时失忆症”，，，，，，谁就能掌握通往 AGI 的下一把钥匙。。。 。。。。。
若是说算力是 Agent 的心脏，，，，，，那么 Memory 正被公以为它的灵魂，，，，，，智能大脑正在走向卓越影象能力的比拼。。。 。。。。。正如 Nvidia 科学家 Jim Fan 所言，，，，，，Agent 的下一步演进不在于参数目的无限堆砌，，，，，，而在于通过高效的手艺库索引与自我反思机制，，，，，，让 AI 在面临全新、更重大使命时，，，，，，能够直接检索并复用此前探索中积累的手艺与履历教训。。。 。。。。。随着 Memory for Agentic AI 成为基础设施层的焦点标配，，，，，，我们正在见证 AI 从 “无状态” 的单次挪用，，，，，，向 “有意识” 的一连进化跨越。。。 。。。。。
强盛的影象能力以及适配模子原生的层级化影象系统，，，，，，意味着 Agentic AI 正从模子能力逐步走向用户体验层面的周全升级，，，，，，这也将成为 AI 与用户共生、共创的新起点。。。 。。。。。
MemBrain1.0 Gi广东广粤新能源质料有限公司thub https://github.com/feelingai-team/MemBrain