Agent Memory Leaderboard 首发评测结果：MemoraX 居榜首

智能体记忆系统评测长期缺乏统一标准，不同框架之间的效果难以横向比较。Agent Memory Leaderboard（AML）近日发布了第一轮公开结果，聚焦"文本记忆（Text Memory）"方向，覆盖开源方法与商用产品两条赛道，是首个面向 AI 记忆系统的大规模公开榜单。

评测规模与赛道设置

首轮评测共吸引 136 支团队注册报名，最终有 69 个具有代表性的记忆框架（memory frameworks）完成了完整评估。榜单将参评对象分为两类：

• 开源方法（Open-source Methods）
• 商用产品（Commercial Products）

评测采用统一的系统边界划分：

• 记忆系统侧：Add（写入）→ Search（检索）
• 基准侧：Answer（作答）→ Eval（评估）

这种"两段切分"的设计，意在让记忆系统本身的能力与下游模型生成能力解耦，从而提高结果的可比性与可复现性。

商用产品榜：MemoraX 居首

商用产品赛道前三得分如下：

• 第 1 名：MemoraX，得分 58.02
• 第 2 名：MemOS，得分 45.89
• 第 3 名：NTES-MEMORY-SMART，得分 44.21

榜单组织方表示，目标是把记忆系统变成一项可以像大模型基准那样被反复测量、横向比较的基础设施能力，缓解当前"各自宣称最优、缺乏共同标尺"的混乱局面。

待观察的局限

需要指出，本轮结果在 Hacker News 上的 Show HN 帖仅获 2 个点赞、0 条评论，社区反馈有限；同时，榜单尚未公布完整的开源方法排名、数据集构成、评估 prompt 与打分细则，仅披露了商用产品前三的得分。对于关心记忆系统的工程团队而言，可重点关注后续是否补充以下信息：

• 评测所用数据集的规模与领域
• 是否覆盖多轮对话与长上下文场景
• 开源方法与商用产品在统一指标下的差距
• 主办方背景与中立性说明

总体而言，Agent Memory Leaderboard 首轮结果为 AI 记忆系统领域补上了一块缺失的"度量衡"，但要成为业内公认基准，仍需在数据透明度与方法论公开度上进一步补齐。