Recallr erreicht 86.7% beim LongMemEval, dem Standardtest für Langzeitgedächtnis.
Jede Frage verbirgt ein Detail in etwa 48 früheren Chats, knapp 490 Nachrichten, und fragt es dann ab. So liegt Recallr im Bereich der Gedächtnissysteme, auf denen KI-Entwickler aufbauen.
- Die einzige Consumer-App auf dieser Liste. Die anderen sind Speichersysteme für Entwickler, die sie in ihre eigenen Produkte integrieren.
- Getestet mit einem schnellen, kostengünstigen Alltagsmodell. Einige Ergebnisse hier stammen von deutlich größeren Modellen.
86.7%104 von 120 Fragen
Im Bereich der Gedächtnissysteme, auf denen KI-Entwickler aufbauen.
Veröffentlichte LongMemEval-Scores, jeweils mit dem besten Ergebnis des Teams, dem verwendeten KI-Modell und einem Link zur Quelle.
- 1Mastra Beobachtungs-GedächtnisMemory für KI-Agenten (Open Source)94.9%kleines GeneralmodellMastra Forschung, Feb 2026 · 84,23 % mit einem älteren allgemeinen Modell
- 2RückblickMemory für KI-Agenten (Forschung)91.4%ein größeres Backbone-ModellLatimer et al., arXiv, Dez 2025 · 83,6 % mit einem Open-Source 20B-Modell
- 3RecallrDie Consumer-App, so wie sie ausgeliefert wird86.7%schnelles Alltagsmodell
- 4EmergenceMemMemory für KI-Agenten86.0%ein internes ModellEmergence AI Blog, Juni 2025 · Nicht öffentlich reproduzierbar; die öffentliche Methode erreichte 82,4 % mit einem älteren allgemeinen Modell
- 5SupergedächtnisMemory-API für KI-Apps85.2%großes GeneralmodellSupergedächtnis-Forschung · 84,6 % mit einem anderen großen allgemeinen Modell
- 6ZepMemory für KI-Agenten71.2%älteres Generalmodell
- 7Ein KI-Modell, das die gesamte Historie liestKein Gedächtnissystem: die komplette ~115.000-Token-Historie in jeder Eingabe60.6%älteres Generalmodell
Frage in einem neuen Chat, Wochen oder Monate später.
Vier von Recallrs richtigen Antworten, Wort für Wort. Die Personen und ihre früheren Chats stammen aus dem Test selbst.
Erst vorhin about 8 months erwähnt
Wie viele Fahrräder besitze ich aktuell?
Vier. In deiner Nachricht vom 2. Oktober hast du gesagt, du hättest gerade ein neues Hybridrad gekauft. Jetzt hast du also ein Rennrad, ein Mountainbike, ein Pendlerbike und das Hybrid – das sind vier, statt der drei, die du mir am 15. Februar erzählt hast.
Erst vorhin about 4 months erwähnt
Wie oft habe ich seitdem meine Freundin Emma mir gezeigt hat, wie man einen Negroni macht, versucht, ihn zu Hause zuzubereiten?
Zehn Mal – das hast du mir am Donnerstag, den 15. Oktober 2026 gesagt. (Im Juni hattest du noch fünf gesagt, du hast es also verdoppelt.)
Erst vorhin 3 weeks erwähnt
Was ist mein aktueller Höchstpunktestand bei Ticket to Ride?
132 Punkte – das hast du am 4. Oktober 2026 erwähnt, während des Scythe-Spieleabends. Damit hast du deinen vorherigen Rekord von 124 Punkten vom 1. Oktober übertroffen.
Erst vorhin 4 weeks erwähnt
Wie viele Tage vergingen zwischen dem Tag, an dem ich meinen Kräutergarten gegossen habe, und dem Tag, an dem ich die erste frische Ernte eingefahren habe?
24 Tage – du hast am 23. September 2026 täglich gegossen und am 17. Oktober 2026 deine erste Ernte eingefahren.
Der Test und wie wir ihn durchgeführt haben.
- Der Test
- LongMemEval (Wu et al., ICLR 2025) prüft, ob ein Chat-Assistent sich über viele Gespräche hinweg an das erinnert, was du ihm erzählt hast: Fakten, die du erwähnt hast, spätere Änderungen, Daten, deine Vorlieben und was er dir gesagt hat. Die "S"-Gruppe stellt jede Frage zu 48 früheren Chats zur Suche. Die Studie.
- Recallr
- Die aktuelle Version von Recallr, genau so wie sie ausgeliefert wird, getestet am October 2026. Die früheren Chats jeder Frage wurden in einem neuen Konto als vergangene Chats geladen; die Frage wurde dann in einem neuen Chat gestellt.
- Die Fragen
- 120 von 500, jeweils 20 aus seinen sechs Kategorien, aus der bereinigten Version des Sets.
- Das KI-Modell
- Ein schnelles, günstiges Alltagsmodell hat jede Frage beantwortet – eines der KI-Modelle, die Recallr nutzt. Jede Antwort wurde blind bewertet, mit den Prüf-Prompts und dem Bewertungsmodell des Benchmarks.
- Andere Systeme
- Ihre eigenen veröffentlichten Ergebnisse zum gleichen Test, 6 Quellen, Stand 20. Oktober 2026. Lies die Grafik als Bereich, nicht als Wettbewerb: Jedes System antwortete mit einem anderen KI-Modell, und alle 500 Fragen wurden gestellt.
Gut zu wissen.
Noch neugierig? Frag Recallr unten rechts oder schreib an support@recallr-ai.org.
01Was ist LongMemEval?
Der Standard-Benchmark für Langzeitgedächtnis bei Chat-Assistenten, veröffentlicht auf der ICLR 2025. Jede der 500 Fragen enthält dutzende frühere Gespräche und fragt nach einem Detail daraus, sodass ein Assistent finden und nutzen muss, was du gesagt hast, statt zu raten.
02Ist das Gedächtnis von Recallr in der App dasselbe?
Ja. Der Test lief auf der aktuellen Version von Recallr genau so, wie sie ausgeliefert wird: mit demselben Gedächtnis, derselben Suche in deinen bisherigen Chats und denselben Antwortprüfungen.
03Warum 120 Fragen und nicht alle 500?
Jede Frage braucht ein eigenes Konto mit dutzenden früheren Chats, deshalb haben wir von jeder der sechs Testarten genau 20 durchgeführt. Bei neuen Recallr-Versionen wiederholen wir den Test und aktualisieren diese Seite.
Sag es einmal.
Frag Monate später.
Speichere, was heute wichtig ist. Frag danach, wenn du es brauchst.
Kostenlos starten. Keine Kreditkarte nötig.