你跟AI聊了三个月，它给你记过偏好、记过项目、记过你家猫的名字。然后某天你换个会话开口，它问你：“请问您希望我记住什么？”
这不是段子。"AI失忆"几乎是现在所有Agent用户共同的体验：每一次新会话，都是初次见面。
也正因为痛，“记忆"成了今年Agent圈最热的卖点。但热到什么程度呢？热到各家在基准测试上集体"报喜”：在LongMemEval-S这个赛道上，Chronos报出95.6%登顶，Mastra 94.9%紧随其后，Exabase后来以96.4%刷新纪录，MemPalace干脆自称96.6%“现象级第一”。同一个赛道，四个第一。Zep也曾自报LoCoMo约84%，后来有人复测，结果落在58%到75%之间。知乎当人人都说自己第一的时候，这个行业缺的就不是产品，而是一场统一考试。
第一场统一考试，是Datawhale和30所高校一起出的
8月12日，Datawhale携手清华大学、北京大学等海内外近30所高校和科研机构，上线了Agent Memory Leaderboard（AML，记忆之巅排行榜），官方站点是agentmemories.ai。这是目前第一个把Agent记忆拉到统一协议下做多维度横向对比的公开榜单。热度有点出乎意料：上线两周，官方页面点击量超过20万次，全球136个团队提交注册，还冲上了Hugging Face Spaces周热度榜前三（8月17日当周）。知乎知乎上已经有独立作者用"第一名只考58分"来解读这份榜单——这个说法没有夸张，往下看你就明白了。知乎
放在整个8月的社区氛围里看，这场考试来得正是时候：腾讯云开源了TencentDB-Agent-Memory，给Agent团队搭了一个"记忆中心"。知乎知乎上"记忆模块如何记住与遗忘""Mem0、Zep、MemGPT三条路线怎么比"这类文章在8月密集出现；小红书上教普通人给Claude、Hermes做长期记忆的帖子，收藏动辄上千。记忆正在从Agent的一个附加功能，变成被单独开发、单独采购、单独评估的一层基础设施。
成绩单长什么样：没人敢说自己及格了
先看文本榜工业榜的综合分。MemoraX以58.02分拿下第一——注意，满分是100。它强在显式事实召回，拿了89.89分，但一到关系/多跳组合推理就掉到63.44，记忆治理只有51.19。知乎第二名MemOS 45.89分，与第一名差了12分还多；大家熟悉的Mem0排在第8（41.40分），在LongMemEval-S上自称96.6%的MemPalace，在这张榜上是第9（39.48分）。
再看开源榜。前三名InvMem、Refind、ActiveMemory，综合分是45.06、44.97、44.84——分差不到0.3，谁也没有碾压谁。再往后，分差同样咬得很紧，开源阵营目前是一个"混战区间"。
编程榜更有意思。工业榜里MemoraX以62.00%的总体解决率单独领先，比并列第二的claude-mem、hs v3、MemOS（都是52.00%）高出整整10个百分点，新功能解决率70.59%、缺陷修复解决率57.58%，榜单还同时公开了耗时、返回规模等工程指标。知乎也就是说，在"记住的历史经验能不能真的帮Agent写代码、修Bug"这件事上，头部和追赶者的差距是工程级的。但开源编程榜又是另一幅画面：AM-Link、AMC-Memory、causal-memory等8个方法全部并列第一，总体解决率清一色52.67%。
这张榜单该怎么读：三个反直觉
第一，第一名58分，说明整个领域还在很早期。这不是一场"谁赢了"的考试，而是一次集体摸底：今天最强的记忆系统，在统一的多维度考试里也不及格。所以下次再看到任何产品宣传"长期记忆已解决"，先问一句：是在哪张卷子上解决的？
第二，子项比总分诚实。MemoraX的事实召回接近90分，但记忆治理只有51分。这几乎戳中了当前记忆产品的通病：记住不难，难的是知道什么该忘、什么过期了、哪两条记忆互相矛盾。"记得多"和"记得对"是两回事，而用户真正会踩坑的，往往是后者。
第三，同一套系统，换张卷子名次可以差很远。MemPalace在LongMemEval-S上自称96.6%，在AML文本工业榜上是第9。这不是说谁造假，而是说明：基准的出题方式、评测条件、检索范围，本身就是分数的一部分。自报分数最大的问题不是数字真假，而是你无法确认它是在什么条件下得到的。
对你来说，这份榜单能怎么用
如果你只是AI助手的普通用户，不用管榜单细节，但可以拿它的思路做三个小自测：跨会话一周后，它还记得你明确说过的偏好吗？你的信息变了（换了城市、换了项目），它会更新还是抱着旧记忆回答？它有没有一处你能查看、能删除的记忆清单？这三条里任何一条做不到，宣传页上的"长期记忆"就只是个功能开关，不是能力。
如果你在搭Agent、选记忆方案，这张榜值得当成选型参考系，但要按场景读：别只盯综合分，看子项——综合第一的MemoraX，记忆治理也只有51.19分，综合排名不会告诉你短板在哪。开源文本榜前三差距极小，选型时与其追0.1分的综合分，不如看子项结构和你自己场景的权重。
另外别忘了榜单之外的变量：腾讯云开源的TencentDB-Agent-Memory已经在AML工业榜上排到第7，大厂进场会让这个排位在未来一两个季度快速变化；社区里Mem0、Zep、MemGPT三条路线的对比讨论也还在升温。知乎现在押注任何单一方案都嫌早。
榜单不是答案，是共同语言的开始
Datawhale在那篇发布文章里有一句话，我挺认同：Agent Memory真正要解决的，从来不是一道benchmark题，而是如何让一个Agent在数周、数月甚至更长时间的持续交互中，真正记住、理解、更新并合理使用那些与用户和任务有关的信息。知乎
对关注Datawhale的人来说，这份榜单也算这个社区今年继Hello-Agents、Hello-Claw之后拿出的又一个有行业声量的动作——从做教程，到做评测基础设施，它正在往AI学习生态更深处走。接下来值得盯的信号有三个：榜单下一版里头部和追赶者的分差是拉大还是收窄；编程榜开源阵营的并列第一会不会被打破；以及各家自报分数和统一榜单的差距，会不会逼着行业把"评测条件"也一起公开。
等到哪天有人敢把评测条件和原始轨迹一起放出来，AI记忆这场考试，才算真正开考。
