Recallr obtiene un 86.7% en LongMemEval, la prueba estándar de memoria a largo plazo.
Cada pregunta oculta un detalle en unos 48 chats anteriores, cerca de 490 mensajes, y luego lo pide. Así Recallr se sitúa en el rango de los sistemas de memoria que desarrollan los creadores de IA.
- La única app para consumidores en esta lista. Las demás son sistemas de memoria para desarrolladores que quieren integrarlos en sus propios productos.
- Probado con un modelo rápido y económico para uso diario. Algunos resultados aquí usaron modelos mucho más grandes.
86.7%104 de 120 preguntas
Dentro del rango de los sistemas de memoria en los que trabajan los desarrolladores de IA.
Resultados publicados de LongMemEval, cada uno con el mejor resultado de su equipo, el tipo de modelo de IA que respondió y un enlace a la fuente.
- 1Memoria Observacional MastraMemoria para agentes de IA (código abierto)94.9%un modelo general pequeñoInvestigación Mastra, feb 2026 · 84,23% con un modelo general anterior
- 2PerspectivaMemoria para agentes de IA (investigación)91.4%un modelo base más grandeLatimer et al., arXiv, dic 2025 · 83,6 % con un modelo open-source de 20B
- 3RecallrLa app para consumidores, tal como se entrega86.7%un modelo rápido de uso diario
- 4EmergenceMemMemoria para agentes de IA86.0%un modelo internoBlog Emergence AI, junio 2025 · No es reproducible públicamente; su método público obtuvo 82,4% con un modelo general anterior
- 5SupermemoriaAPI de memoria para apps de IA85.2%un modelo general grandeInvestigación en supermemoria · 84,6% con otro modelo general grande
- 6ZepMemoria para agentes de IA71.2%un modelo general antiguo
- 7Un modelo de IA leyendo todo el historialSin sistema de memoria: todo el historial de ~115,000 tokens en cada prompt60.6%un modelo general antiguo
Preguntado en un chat nuevo, semanas o meses después.
Cuatro respuestas correctas de Recallr, palabra por palabra. Las personas y sus chats anteriores son parte de la prueba.
Primero mencionado about 8 months antes
¿Cuántas bicicletas tengo ahora mismo?
Cuatro. En tu mensaje del 2 de octubre dijiste que acababas de comprar una bici híbrida, así que ahora tienes una de carretera, una de montaña, una para el día a día y esa híbrida, subiendo de las tres que me contaste el 15 de febrero.
Primero mencionado about 4 months antes
¿Cuántas veces he intentado preparar un Negroni en casa desde que mi amiga Emma me enseñó?
Diez veces: me lo dijiste el jueves 15 de octubre de 2026. (En junio decías que eran cinco, así que lo has duplicado desde entonces).
Primero mencionado 3 weeks antes
¿Cuál es mi puntuación más alta actual en Ticket to Ride?
132 puntos — la conseguiste el 4 de octubre de 2026, cuando lo mencionaste en la charla de la noche de juegos de Scythe. Superó tu anterior récord de 124 del 1 de octubre.
Primero mencionado 4 weeks antes
¿Cuántos días pasaron desde que empecé a regar mi huerto de hierbas hasta que coseché mi primer lote de hierbas frescas?
24 días — empezaste a regar a diario el 23 de septiembre de 2026 y cosechaste tu primera tanda el 17 de octubre de 2026.
La prueba y cómo la realizamos.
- La prueba
- LongMemEval (Wu et al., ICLR 2025) verifica si un asistente de chat recuerda lo que le dijiste a lo largo de muchas conversaciones: hechos que mencionaste, cosas que cambiaron después, fechas, tus preferencias y lo que te dijo. Su conjunto "S" da cada pregunta sobre 48 chats anteriores para buscar. El artículo.
- Recallr
- La versión actual de Recallr, tal como se entrega, probada October 2026. Los chats anteriores de cada pregunta se cargaron en una cuenta nueva como chats pasados; luego se hizo la pregunta en un chat nuevo.
- Las preguntas
- 120 de 500, un 20 equilibrado de cada uno de sus seis tipos, del conjunto depurado.
- El modelo de IA
- Un modelo rápido y económico respondió todas las preguntas; es uno de los modelos de IA que usa Recallr. Cada respuesta fue evaluada a ciegas, con los prompts y el modelo de revisión propios del benchmark.
- Otros sistemas
- Sus propios resultados publicados en la misma prueba, 6 fuentes, verificado el 20 de octubre de 2026. Lee el gráfico como un rango, no como una carrera: cada sistema respondió con un modelo de IA diferente, y resolvieron las 500 preguntas.
Bueno saberlo.
¿Aún tienes dudas? Pregunta a Recallr en la esquina o escribe a support@recallr-ai.org.
01Qué es LongMemEval
El estándar para medir memoria a largo plazo en asistentes de chat, publicado en ICLR 2025. Cada una de sus 500 preguntas incluye docenas de conversaciones previas y pregunta por un detalle específico, así que el asistente debe encontrar y usar lo que dijiste, no adivinar.
02¿La memoria de Recallr es la misma en la app?
Sí. La prueba se realizó con la versión actual de Recallr tal como se distribuye: misma memoria, misma búsqueda en chats pasados, mismas verificaciones de respuestas.
03¿Por qué 120 preguntas y no las 500?
Cada pregunta necesita su propia cuenta con decenas de chats previos, así que hicimos un 20 uniforme de cada uno de los seis tipos de prueba. Cuando sale una nueva versión de Recallr, la volvemos a hacer y esta página se actualiza.
Díselo una vez.
Pregúntalo meses después.
Guarda lo que importa hoy. Pregunta cuando lo necesites.
Empieza gratis. No necesitas tarjeta.