过去 AI 智能体的"记忆"一直只是埋在工具里的附属功能,比如 ChatGPT 的 Memory、LangChain 的 ConversationBufferMemory。但进入 2026 年后,风向变了。记忆本身成了一个独立的基础设施品类,mem0 在 GitHub 上拿下 47.8K 星标,并完成 2400 万美元 A 轮融资。 Letta 走全栈智能体运行时(Agent Runtime)路线,OpenAI Memory 则把自家方案直接塞进 ChatGPT 里。三家给出的答案完全不同,而首次同时测量准确率和延迟的 LOCOMO 基准测试公开后,优劣开始显现。
这是什么?
以前大家都说"RAG 就是记忆":把对话日志塞进向量数据库,用相似度检索取出来就完事。可 LOCOMO 基准测试把这个假设彻底打碎了。从 mem0 在 4 月 1 日公开的结果来看,纯 RAG 准确率只有 61%,ChatGPT Memory 更低,只有 52.9%。 而 Mem0 达到 66.9%,结合图谱记忆的 Mem0g 提升到 68.4%;把全部上下文塞进 LLM 的 Full-context 方式准确率最高,达到 72.9%,但响应要 9.87 秒,Mem0g 只要 1.09 秒。
记忆已经定型为"准确率 vs 延迟"的取舍问题,想解决这个问题的公司就独立出来,做成了一个新的基础设施品类。
把记忆埋在工具里,有两件事做不到。第一,多个智能体没法共享同一个用户的信息。在 ChatGPT 里说过的话,Claude 那边收不到。第二,没法把对话之外的数据(邮件、文档、CRM)整合到统一记忆里。这两件事本质上都来自工具绑定带来的限制。所以把记忆抽出来、让任何 LLM 和任何智能体都能挂上去用 — 这就是 mem0、Letta、Zep 等新品类的由来。
- 情景记忆(Episodic memory)
记录"上周二用户让我查一下 Cursor 3"这种事件,关键在于时间顺序。 - 语义记忆(Semantic memory)
"这个用户是全栈开发者,偏好 Next.js"这种通用事实,与时间无关。 - 过程记忆(Procedural memory)
"开新项目时总是先建 .env"这种行为模式,属于学到的流程。
能在同一个系统里同时处理这三类记忆,才是 2026 年记忆基础设施的标配要求。
有什么不同?
mem0、Letta、OpenAI Memory 都说自己在解决同一个问题,但拿出的答案完全相反。整理如下。
| 维度 | Mem0 | Letta | OpenAI Memory |
|---|---|---|---|
| 方案路线 | 插件式(Bolt-on)库 | 全栈智能体运行时 | ChatGPT 内置功能 |
| 锁定成本 | 低(几天可替换) | 高(2~6 周) | 极高(绑定 ChatGPT) |
| 作用域 | user_id / agent_id / run_id / app_id 四级 | core / recall / archival 三级 | 全局单一作用域 |
| 基准准确率 | 66.9%(Mem0g 68.4%) | 500+ 轮交互保持一致 | 52.9% |
| 价格 | 免费 1K/月,Pro 249 美元/月 | 开源 + 云服务 | 含在 ChatGPT Plus 20 美元/月内 |
| 适用场景 | 切换多种 LLM 的多智能体 | 长期运行的自主智能体 | 个人 ChatGPT 用户 |
Mem0 走的是"记忆是一个库"的路线。无论 OpenAI、Anthropic 还是 Gemini,都能在切换时复用同一套记忆层。它支持 21 个框架和 19 个向量存储后端。 核心价值就是可移植性,模型换了,用户的记忆也跟着走。
Letta 走的是"记忆是一个操作系统"的路线。这家公司源自 MemGPT 论文,把记忆分成 core、recall、archival 三层,像操作系统那样管理。智能体能自主编辑、压缩、提升自己的记忆。 代价是锁定成本高,一旦把系统搭在 Letta 上,迁移到别处需要 2~6 周。
OpenAI Memory 还停留在"记忆只是 ChatGPT 的一项功能",所以在 LOCOMO 上以 52.9% 垫底。
Letta 跟踪的另一项基准里,Letta 经过 500 轮以上交互仍能保持一致性,而普通 RAG 超过 50 轮记忆就开始碎片化。 简单判断:需要长期运行就选 Letta,需要多模型/多智能体就选 mem0。
如果一切工作都在 ChatGPT 里完成,那它够用了。但如果你做侧项目搭智能体,或者希望 Claude Code、Cursor 也能共享同一份用户上下文,OpenAI Memory 就是个封闭系统,限制很明显。它没有对外 API。
上手指南
用三个实战标准压缩成下面这条决策流程,跟着走能快速决定。
- "以后会不会切换不同的 LLM?"
是 → Mem0。否 → 进入下一题。 - "智能体是否要按几天到几周的周期自主运行?"
是 → Letta。否 → 进入下一题。 - "工作是否完全在 ChatGPT 内部完成?"
是 → OpenAI Memory。否 → 回到 Mem0 起步。
从实际落地案例看,Mem0 免费版每月允许 1K 条记忆,适合做侧项目起步。要承担正式负载的话,Pro 套餐 249 美元/月起,届时图谱记忆(Mem0g)会启用,准确率再提升 1.5 个百分点。 Letta 开源核心免费,托管云按用量计费,起步成本几乎为零。
另外值得一提的是 OpenMemory MCP。这是 mem0 推出的本地优先版本,只把记忆存到用户设备上,通过 MCP 协议让所有智能体访问。 如果工作对隐私要求高,与其用云端记忆,不如直接选它。
深入了解
Mem0 官方 LOCOMO 基准测试 — 4 月 1 日公开 Mem0g 68.4% / 1.09 秒 vs OpenAI Memory 52.9%。首次同时测量准确率与延迟的公开对比 mem0.ai
Mem0 vs Letta vs MemGPT 锁定分析 系统替换为何需要几天 vs 2~6 周,库 / 运行时 / 研究型开源在结构上的差异 tokenmix.ai
2026 AI 智能体记忆工具 8 选 Mem0、Zep、Pinecone、Letta、LangMem、Weaviate、Neo4j、Redis 的价格与适配工作负载 techsy.io
Mem0 ECAI 2025 论文 arXiv:2504.19413,相比 RAG 准确率提升 26%、延迟降低 91% 的依据 arxiv.org
