Recallrは長期記憶の標準テストLongMemEvalで86.7%のスコアを獲得。
各質問は約48件の過去チャット、約490メッセージの中に隠れた詳細を探し出し、それを答えとして求めます。これによりRecallrはAI開発者が構築する記憶システムの範囲内に入ります。
- このリストで唯一の一般向けアプリ。他は開発者が自分の製品に組み込むためのメモリシステムです。
- 高速で低コストな日常モデルでテスト済み。ここにある結果の一部はもっと大きなモデルを使っています。
86.7%120 件中 104 件の質問
AI開発者が構築する記憶システムの範囲内で。
各チームの最高スコアで公開されたLongMemEvalの結果。回答したAIモデルの種類と出典リンク付き。
- 1Mastra観察記憶AIエージェントのためのメモリー（オープンソース）94.9%小規模汎用モデルMastraリサーチ、2026年2月 · 古い汎用モデルで84.23%
- 2振り返りAIエージェントのためのメモリー（研究用）91.4%より大きなバックボーンモデルLatimerら、arXiv、2025年12月 · オープンソース20Bモデルで83.6%
- 3Recallr出荷時の消費者向けアプリ。86.7%高速な普段使いモデル
- 4EmergenceMemAIエージェントのためのメモリー86.0%内部モデルEmergence AIブログ、2025年6月 · 公開再現不可。公開手法は古い汎用モデルで82.4%
- 5スーパー記憶AIアプリ向けメモリーAPI85.2%大規模汎用モデルスーパー記憶の研究 · 別の大規模汎用モデルで84.6%
- 6ZepAIエージェントのためのメモリー71.2%旧世代の汎用モデル
- 7全履歴を読むAIモデルメモリーシステムなし：すべてのプロンプトに約115,000トークンの履歴を含む。60.6%旧世代の汎用モデル
数週間や数ヶ月後に新しいチャットで質問された内容。
Recallrの正解例4つをそのまま掲載。登場人物と以前のチャットはテスト用のものです。
先にabout 8 monthsを言及
今、自分は自転車を何台持ってる？
4つです。 10月2日のメッセージで新しいハイブリッドバイクを買ったと言っていましたね。つまり、今はロードバイク、マウンテンバイク、通勤用バイク、そしてそのハイブリッドの4台になりました。2月15日に教えてくれた3台から増えています。
先にabout 4 monthsを言及
友達のエマにネグローニの作り方を教わってから、家で何回作った？
10回です—2026年10月15日木曜日にそう言ってくれました。（6月には5回と言っていたので、倍に増えましたね。）
先に3 weeksを言及
Ticket to Rideでの現在の最高スコアは？
132点です。2026年10月4日にScytheのゲームナイトで話していた時に出しました。10月1日の124点を超えました。
先に4 weeksを言及
ハーブガーデンに水をやり始めてから初めて収穫した日まで何日経った？
24日間です。2026年9月23日から毎日水やりを始め、10月17日に初収穫しました。
テストと実施方法。
- テスト
- LongMemEval（Wuら、ICLR 2025）は、チャットアシスタントが複数の会話を通じてあなたが伝えたことを覚えているかをチェックします：あなたが話した事実、後で変わったこと、日付、好み、そしてアシスタントが伝えた内容。"S"セットは、48回の過去のチャットに関するすべての質問を検索します。論文はこちら。
- Recallr
- Recallrの現行バージョンをそのまま出荷状態でテストしました October 2026。各質問の過去チャットは新規アカウントに読み込まれ、新しいチャットで質問しています。
- 質問事項
- クリーン版セットから、6種類それぞれ均等に20ずつ、合計120件。
- AIモデル
- Recallrが使うAIモデルのひとつである、速くて低コストな日常用モデルが全問に回答。各回答はベンチマークの自動採点プロンプトと採点モデルでブラインド評価されました。
- その他のシステム
- 同じテストでの彼ら自身の公開結果、6の情報源、2026年10月20日確認。グラフは競争ではなく範囲として読み解いてください：各システムは異なるAIモデルで回答し、全500問を実施しました。
知っておくと便利です。
まだ気になる？画面の隅のRecallrに聞くか、support@recallr-ai.orgまでご連絡を。
01LongMemEvalとは？
ICLR 2025で発表されたチャットアシスタントの長期記憶の標準ベンチマーク。500問それぞれに過去の会話が多数付属し、詳細を正確に見つけて使う必要があります。推測は許されません。
02Recallrの記憶はアプリ内でも同じですか？
はい。テストはRecallrの現行バージョンで実施され、同じ記憶、過去チャット検索、回答検証が行われました。
03なぜ120問だけで500問じゃないの？
各質問には数十件の過去チャットを持つアカウントが必要なため、テストの6種類それぞれから均等に20件を抽出しました。Recallrの新バージョンがリリースされると再度テストを行い、このページを更新します。