记忆≈今年全球AI圈集体押注的技术风口≈皇冠明珠。
几乎所有你能想到的大模型团队，都在加班加点往自家模型里塞记忆功能……
但这一次，让我们把视线从这些科技巨头身上稍稍挪开，就会发现有一支后起之秀同样不容小觑。
他们就是陈天桥和邓亚峰带队的EverMind。
为什么这样说呢？
且看产品，最新发布世界级长期记忆系统——EverMemOS，发布即SOTA。
一举打破多项记忆基准测试的同时，还能远超此前所有的基线方法。
学习大脑记忆机制，成了
启发于脑科学技术的研究成果，盛大一直以来非常重视长期记忆领域的研究。早在2024年10月，盛大团队就对外发布了长期记忆领域的纲领性文章《Long Term Memory-The Foundation of AI Self-Evolution》。
基于盛大多个团队在该领域的持续积累，EverMind在2025年8月正式启动EverMemOS项目，并于11月对外正式发布开源版本。
EverMemOS是EverMind打造的首款AI记忆基础设施，对比同赛道团队，似乎姗姗来迟。
Mem0、Zep等产品最早都能追溯到2024年，现在商业化最成功的开发者框架Letta（原MemGPT）也是2023年就开始起步。
EverMemOS却交出了亮眼的答卷：最晚入场，但效果弯道超车。
从技术角度看，它同时继承了基于外部存储和基于隐状态两种路径。不过业内并非没有尝试过此类方案，但EverMind显然在记忆提取的精准度和逻辑一致性上实现了更优的平衡。
原因在于EverMind抓住了精髓，用邓亚峰的话说，就是：通过EverMemOS，我们赋予智能体一个活的、不断演化的历史。
这里的关键词其实是“活的”。那么如何能保存最鲜活的记忆呢？人类大脑。
这就引出了EverMind的独特思路——生物启发。
具体来讲，EverMemOS通过模拟人类记忆的形成并转化为计算框架，利用三阶段层层递进以实现大模型长期记忆的存储和提取：
Step 1：情景轨迹构建。
对应人脑的海马体和内嗅皮层，可以将连续的对话内容拆分成一个个独立的记忆单元（MemCell），每个单元里不仅记录有完整的聊天内容，还包括一些关键事实、时效信息等。
Step 2：语义整合。
类比新皮层（前额叶皮层+颞叶皮层），系统会将内容相关的记忆单元归类在一起，形成主题化的记忆场景（MemScene），同时还会更新用户画像，区分用户的长期稳定偏好和短期临时状态。
Step 3：重构式回忆。
这一步对应的是前额叶皮层和海马体的协同机制，当用户提问时，系统就会在记忆场景的引导下进行智能检索，只挑选出必要且足够的记忆内容，用于后续的推理任务。
由此，AI学会像人类一样记忆——这不仅是知识的数据库存储，更是认知系统的深度整合。如此一来，即便是在多个Agent之间，也能实现信息的高效传递。
至于效果如何，咱们还是眼见为实，看看基准测试结果。
团队选取了4个主流记忆基准测试，以及多种大模型记忆增强方法。所有方法都基于同一基础大模型（GPT-4o-mini或GPT-4.1-mini）进行测试。
结果也很明显，EverMemOS大获全胜，全面超越现有记忆系统和全上下文模型。
其中在LoCoMo上，准确率直接一跃来到93.05%，尤其是在多跳推理和时序任务上表现突出，分别提升19.7%和16.1%，同时token使用量和计算成本得到大幅度降低。
在多会话对话评估LongMemEval里，EverMemOS同样以83%的准确率位居榜首，说明在面对跨度极大、信息量极高的场景中，EverMemOS依旧能够精准检索和关联到过去的信息，并且通过持续交流还会不断进化完善自己。
HaluMem由MemTensor和中国电信研究院联合发布，是业界首个面向AI记忆系统的操作级幻觉评估基准。而EverMemOS在保证记忆完整性的同时，也显著改善了幻觉现象。
在PersonaMem v2里，EverMemOS在九个复杂场景中依旧全场最佳，保证了深度个性化和行为一致性。
足以见得，EverMemOS是相当全能的一枚选手，记性好、搜得准，关键还运行速度快、成本还够低，最长可突破百兆上下文限制。
当然要实现这一点，不可能只靠一个团队单打独斗，而需要一整个生态协同发展，那么谁能成为这个生态的缔造者，就显得格外重要。
从某种程度讲，这恰恰是盛大的舒适区。
在互联网时代，盛大就靠着平台生态证明了自己的能力边界，而在如今新一轮AI时代里，盛大依旧能将过去的战略经验迁移过来，只是这一次它选择的是记忆。
所以毋庸置疑，由盛大孵化的EverMind将成为这个领域里不可忽视的一抹力量，它的野心与实力堪配。
此行必然不易，但我们或许已然可以期待，在不久后的将来，有更多如同EverMind的探路者携手共进，来真正揭开AI长期记忆迷宫的一角。
