Recallr đạt 86.7% trong LongMemEval, bài kiểm tra tiêu chuẩn về trí nhớ dài hạn.
Mỗi câu hỏi ẩn một chi tiết trong khoảng 48 cuộc trò chuyện trước, gần 490 tin nhắn, rồi hỏi lại. Điều đó đặt Recallr vào phạm vi các hệ thống trí nhớ mà các nhà phát triển AI xây dựng.
- Ứng dụng dành cho người dùng duy nhất trong danh sách này. Các ứng dụng khác là hệ thống ghi nhớ dành cho nhà phát triển tích hợp vào sản phẩm của họ.
- Được thử nghiệm với mô hình nhanh, chi phí thấp hàng ngày. Một số kết quả ở đây dùng mô hình lớn hơn nhiều.
86.7%104 trong 120 câu hỏi
Trong phạm vi các hệ thống trí nhớ mà các nhà phát triển AI xây dựng.
Điểm LongMemEval đã công bố, mỗi điểm là kết quả tốt nhất của đội, kèm loại mô hình AI trả lời và liên kết nguồn.
- 1Bộ nhớ quan sát MastraBộ nhớ cho các tác nhân AI (mã nguồn mở)94.9%mô hình tổng quát nhỏNghiên cứu Mastra, tháng 2 năm 2026 · 84,23% với một mô hình tổng quát cũ hơn
- 2Nhìn lạiBộ nhớ cho các tác nhân AI (nghiên cứu)91.4%một mô hình nền lớn hơnLatimer và cộng sự, arXiv, tháng 12 năm 2025 · 83,6% với mô hình mã nguồn mở 20B
- 3RecallrỨng dụng dành cho người dùng, phiên bản chính thức86.7%mô hình nhanh hằng ngày
- 4EmergenceMemBộ nhớ cho các tác nhân AI86.0%một mô hình nội bộBlog Emergence AI, tháng 6 năm 2025 · Không thể tái tạo công khai; phương pháp công khai đạt 82,4% với một mô hình tổng quát cũ hơn
- 5Siêu trí nhớAPI bộ nhớ cho ứng dụng AI85.2%mô hình tổng quát lớnNghiên cứu siêu trí nhớ · 84,6% với một mô hình tổng quát lớn khác
- 6ZepBộ nhớ cho các tác nhân AI71.2%mô hình tổng quát cũ
- 7Một mô hình AI đọc toàn bộ lịch sửKhông có hệ thống ghi nhớ: toàn bộ lịch sử ~115.000 token trong mỗi lời nhắc60.6%mô hình tổng quát cũ
Được hỏi trong một cuộc trò chuyện mới, vài tuần hoặc vài tháng sau.
Bốn câu trả lời chính xác của Recallr, nguyên văn. Người dùng và các cuộc trò chuyện trước đó là bài kiểm tra thực tế.
Lần đầu nhắc đến about 8 months trước đó
Hiện tại tôi sở hữu bao nhiêu chiếc xe đạp?
Bốn chiếc. Trong tin nhắn ngày 2 tháng 10, bạn nói vừa mua một chiếc xe đạp hybrid mới, vậy là giờ bạn có xe đạp đường trường, xe đạp địa hình, xe đạp đi làm và chiếc hybrid đó – tăng lên từ ba chiếc bạn kể vào ngày 15 tháng 2.
Lần đầu nhắc đến about 4 months trước đó
Tôi đã thử làm Negroni tại nhà bao nhiêu lần kể từ khi bạn tôi Emma chỉ cách làm?
Mười lần – bạn đã nói với tôi điều đó vào thứ Năm, ngày 15 tháng 10 năm 2026. (Trước đó vào tháng Sáu bạn nói là năm, vậy là bạn đã tăng gấp đôi.)
Lần đầu nhắc đến 3 weeks trước đó
Điểm cao nhất hiện tại của tôi trong Ticket to Ride là bao nhiêu?
132 điểm - bạn đạt được vào ngày 4 tháng 10 năm 2026, khi bạn nhắc đến trong cuộc trò chuyện đêm chơi Scythe. Điểm này vượt qua 124 điểm trước đó vào ngày 1 tháng 10.
Lần đầu nhắc đến 4 weeks trước đó
Bao nhiêu ngày đã trôi qua từ ngày tôi bắt đầu tưới vườn thảo mộc đến ngày thu hoạch mẻ thảo mộc tươi đầu tiên?
24 ngày - bạn bắt đầu tưới nước hàng ngày từ 23 tháng 9 năm 2026 và thu hoạch mẻ đầu tiên vào ngày 17 tháng 10 năm 2026.
Bài kiểm tra, và cách chúng tôi thực hiện.
- Bài kiểm tra
- LongMemEval (Wu và cộng sự, ICLR 2025) kiểm tra xem trợ lý chat có nhớ những gì bạn đã nói qua nhiều cuộc trò chuyện không: các sự kiện bạn đề cập, những thay đổi sau đó, ngày tháng, sở thích của bạn và những gì nó đã nói với bạn. Bộ "S" của nó cung cấp mọi câu hỏi về 48 các cuộc trò chuyện trước để tìm kiếm. Bài báo.
- Recallr
- Phiên bản Recallr hiện tại, đúng như phiên bản chính thức, đã được thử nghiệm October 2026. Các cuộc trò chuyện trước của mỗi câu hỏi được tải vào tài khoản mới như các cuộc trò chuyện cũ; sau đó câu hỏi được đặt trong cuộc trò chuyện mới.
- Các câu hỏi
- 120 trong số 500, gồm 20 đều nhau từ sáu loại, từ phiên bản đã làm sạch của bộ dữ liệu.
- Mô hình AI
- Một mô hình nhanh, tiết kiệm chi phí đã trả lời mọi câu hỏi; đây là một trong các mô hình AI Recallr sử dụng. Mỗi câu trả lời đều được chấm điểm ẩn danh, dùng chính bộ đề kiểm tra và mô hình chấm điểm của bộ benchmark.
- Hệ thống khác
- Kết quả công bố của họ trên cùng bài kiểm tra, 6 nguồn, kiểm tra ngày 20 tháng 10 năm 2026. Đọc biểu đồ như một phạm vi, không phải cuộc đua: mỗi hệ thống trả lời bằng một mô hình AI khác nhau, và họ đã chạy tất cả 500 câu hỏi.
Tốt để biết.
Vẫn còn thắc mắc? Hỏi Recallr ở góc màn hình hoặc gửi thư tới support@recallr-ai.org.
01LongMemEval là gì?
Chuẩn đánh giá trí nhớ dài hạn trong trợ lý chat, công bố tại ICLR 2025. Mỗi trong 500 câu hỏi đi kèm hàng chục cuộc trò chuyện trước đó và hỏi về một chi tiết trong đó, nên trợ lý phải tìm và sử dụng những gì bạn đã nói, không được đoán mò.
02Bộ nhớ của Recallr có giống trong ứng dụng không?
Có. Thử nghiệm chạy trên phiên bản Recallr hiện tại đúng như bản phát hành: cùng bộ nhớ, cùng tìm kiếm trong các cuộc trò chuyện trước, cùng kiểm tra câu trả lời.
03Tại sao chỉ 120 câu hỏi mà không phải 500?
Mỗi câu hỏi cần tài khoản riêng với hàng chục cuộc trò chuyện trước, nên chúng tôi chạy đều đặn 20 từ sáu loại thử nghiệm. Khi phiên bản mới của Recallr ra mắt, chúng tôi chạy lại và trang này cập nhật.
Nói một lần.
Hỏi lại sau nhiều tháng.
Lưu những gì quan trọng hôm nay. Hỏi khi bạn cần.
Bắt đầu miễn phí. Không cần thẻ.