MenteDB：AI代理的记忆系统（比mem0节省7倍令牌，可复现）

MenteDB近日发布了一项与mem0的对比基准测试，展示了其在AI代理记忆管理方面的显著效率提升。测试基于真实的LongMemEval长对话数据集，包含多会话、时间推理和知识更新等复杂场景，每个对话约200轮交互。

在完全相同的输入条件下，MenteDB每段对话的摄入令牌仅为294K，而mem0高达2.19M——相差约7.5倍。相应的成本也从mem0的1.90美元降至0.31美元，降低约6倍。处理时间方面，MenteDB为404秒，比mem0的570秒快约1.4倍。在答案准确性上，两者表现接近：MenteDB在5题中答对3题，mem0答对2题，差异在统计噪声范围内。

这一差距源于架构根本不同。mem0在每次写入时需要多次调用LLM（提取、判断添加/更新/删除），而MenteDB仅需一次提取加矛盾检测的调用，随后通过确定性“超驰边”逻辑进行整合。这使得MenteDB的写入路径完全无需LLM调用，从而大幅降低成本和延迟。

测试使用了相同的模型配置：提取用AWS Bedrock Claude Haiku 4.5，回答和评分用Claude Sonnet 4.5，嵌入用本地fastembed模型。每项API调用的令牌和费用均精确追踪。评分器经过校准，能够正确识别过时、含糊、错误或虚构的答案，确保评价基于检索而非模型先验知识。

开发团队坦诚指出了局限性：样本量较小（仅5个问题，单次运行），准确性优势并不稳固。他们强调的是成本与速度的结构性差异，并鼓励社区基于开源代码自行复现验证。完整的测试框架与方法论已公开发布，欢迎开发者直接运行以验证结果。