![]()
一、版本速览：性能与智能双跃升
本次更新，我们带来了 MemOS 全面的性能与智能升级。并围绕三个关键词进行优化：
与此同时，我们还首次发布了 LoCoMo、LongMemEval、PersonaMem、PrefEval 四项权威评测的完整结果与代码。
- 评测数据：https://huggingface.co/datasets/MemTensor/MemOS_eval_result
- 脚本：https://github.com/MemTensor/MemOS/tree/main/evaluation/scripts
现已全面开源，欢迎各位小伙伴查看与复现。🎉
🌟 本次发布亮点一览
![]()
二、接口加速：记忆写入与搜索全面提速
在本次更新中，我们引入异步机制与调度模块，让记忆写入和检索真正进入“毫秒时代”。
MemOS 利用 MemReader 组件增强对记忆的理解。在之前的版本中，ADD 接口需要耗时数秒才能处理完整个记忆添加流程。
![]()
此次更新，我们先快速切片并入库用户添加的原始记忆，并在几百毫秒内返回成功，用户即添加、即消费，然后将整个 MemReader 的记忆处理过程依托于 MemSchedule 模块异步处理，实现用户的“无感精细处理”。
四、检索增强：更准确的上下文理解
MemOS 在本次更新中引入了多层次的检索增强策略，让模型在长文本与复杂语境中表现更稳定。
-
原文检索 ：增加原始上下文细节，避免信息压缩导致的语义丢失；
-
图检索（Graph Search） ：结合 BM25 与图召回，实现语义级的相关性匹配；
-
混合检索（Mixture Mode） ：异步合并慢检索结果，保证结果质量优于快检索、耗时低于慢检索。
📈 在 LoCoMo 与 LongMemEval 中：
-
LoCoMo 指标提升约 +1pt ；
-
LongMemEval 单轮任务表现提升显著。
五、评测结果：领先四大权威数据集
MemOS 在四项公开基准中均取得领先表现，展现了系统在长程记忆、上下文保持与偏好理解方面的综合优势。
![]()
📘 评测代码与数据集已全面开源，详细结果已发布至 Hugging Face ：
https://huggingface.co/datasets/MemTensor/MemOS_eval_result
六、开源更新：调度、检索、评测体系全面进化
New Features：
-
Async Add 支持明文与偏好记忆
-
Scheduler 模块化调度
-
Graph/BM25 混合检索
-
PrefEval 字段标准化
Improvements：
-
Redis ORM 优化
-
API 路由重构
-
上下文追踪增强
Fixes：
✨ 写在最后
从“记忆更快”，到“记忆更准”，再到“更懂你”，这不再只是让模型“记得”，而是让模型“理解记忆”——理解你的偏好、语境与风格，构建专属的长程智能体体验。
🚀 一键体验云平台
立即进入 MemOS 云平台，体验毫秒级记忆与偏好召回能力。
🔗 https://memos-dashboard.openmem.net/
💾 加入开源项目，共建记忆生态
欢迎访问我们的 GitHub：
🔗 https://github.com/MemTensor/MemOS
如果你喜欢我们的工作，请一键三连：
⭐️ Star 🍴 Fork 👀 Watch
并欢迎通过 Issue 提交你的使用反馈、优化建议或 Bug 报告。
🔗 https://github.com/MemTensor/MemOS/issues
关于 MemOS
MemOS 为 AGI 构建统一的记忆管理平台，让智能系统如大脑般拥有灵活、可迁移、可共享的长期记忆和即时记忆。
作为记忆张量首次提出“记忆调度”架构的 AI 记忆操作系统，我们希望通过 MemOS 全面重构模型记忆资源的生命周期管理，为智能系统提供高效且灵活的记忆管理能力。
![]()
