Letta 发布 FrontierMemory 基准：用下游任务表现测 Agent 记忆
dair_ai · x · 2026-10-22
Letta 推出 FrontierMemory，一个通过下游任务表现来评估 agent 记忆能力的新基准。与现有已被 agentic search 刷饱和、专注「回忆」的记忆基准不同，FrontierMemory 考察的是 agent 能否从经验中学习。
dair-ai 的 Omar Sanseviero 推荐了该基准并点评：
- Agent 记忆仍是未解问题：随着 agent 承担长程任务，哪种模型/harness、哪种记忆系统效果最好尚不清楚。
- Opus 5.5 排名第一并不意外，但开源权重的 GLM-5.3 在记忆生成上表现亮眼，令人振奋。
- 他关心的问题是：更好的记忆系统与持久化 agent 能力，能否转化为更强的 RSI agent 与 harness。
配图展示了各模型在任务成本（对数刻度）与任务表现上的效率曲线，涵盖 GPT-6.1 Sol、Opus 5.5、Gemini 4 Argon、GLM-5.3、Kimi K3、Grok 4.7、Muse Wonder 等模型。
所属事件:Letta 推出 FrontierMemory 基准评测 Agent 记忆(3 条相关)→
「编程与Agent」频道最新
- CallBaba 发布 BabaBench:测前端 Agent 能否搞定真实病人维权任务 — mattturck · 2026-10-22
- Reddit 开发者吐槽:AI Agent 生产环境失败率高达 70%-95% — Luke17man · 2026-10-22
- Agent 上生产前怎么测?开发者求解异常路径与故障恢复测试难题 — Last-Bluejay-4443 · 2026-10-22
- Reddit 长文提出 Risk and Judgement 模式划定智能体自主权边界 — mostly_deterministic · 2026-10-22
- a16z 详解「钱包大战」:Stripe、Shopify、PayPal 争夺 AI Agent 支付入口 — alvelda · 2026-10-22
- AI 做听书多音字易出错,先让 LLM 标注拼音再 TTS — dotey · 2026-10-22