Living Brain 发布跨模型共享持久记忆系统
先了解这件事
2026 年 11 月 4 日，Living Brain 发布一套独立于模型的共享持久记忆系统，ChatGPT、Claude、Cursor、Codex 以及用户自有智能体均可通过 MCP 或 API 读写同一份记忆。据当日两则 X 报道，该系统只检索与当前问题相关的记忆再发给模型，在 LoCoMo 基准上得分 92.2%；检索时间中位数为 464ms，端到端回答中位耗时 3.7s；每个问题所用 token 最多减少 22.6 倍，单任务成本最多降低 95%。报道称其思路是把记忆与模型解耦，让 harness 利用智能体的持久记忆能力。11 月 5 日，Testing Catalog 报道称发布方为 ChatAndBuild，并称记忆与对话以页面形式存储并随变化更新，在一个工具中保存的记忆可在另一个工具中调用，切换工具无需重新提供上下文；早先报道未提及发布方名称与页面式存储方式。目前进展仍停留在发布与指标披露阶段。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- 🚨 AI News | TestingCatalog (@testingcatalog) · XChatAndBuild 发布 Living Brain 跨 AI 应用共享记忆
ChatAndBuild 发布 Living Brain，一个可被 ChatGPT、Claude、Cursor、Codex 等应用访问和编辑的共享记忆层，在一个工具中保存的记忆可在另一个工具中调用，切换工具无需重新提供上下文。引用推文称其记忆与对话以页面形式存储并随变化更新，LoCoMo 达 92.2%，中位检索延迟 464ms，每问题 token 消耗最多减少 22.6x。
- Rohan Paul (@rohanpaul_ai) · XLiving Brain 把 AI 记忆做成独立于模型的一层
Living Brain 将 AI 记忆从具体模型中解耦，成为独立的一层，ChatGPT、Claude、Cursor、Codex 及自有 Agent 可通过 MCP 或 API 共享读写同一份持久记忆。它只检索与当前问题相关的存储记忆发给模型，token 减少最多 22.6x，单任务成本最多降 95%，端到端回答中位耗时 3.7s，在 LoCoMo 上得分 92.2%。
- elvis (@omarsar0) · XLiving Brain 为多款 AI 提供共享持久记忆
一个有效的记忆系统能让 harness 利用智能体的持久能力。 因此，将记忆与模型解耦是明智之举。 Living Brain 为 ChatGPT、Claude、Cursor、Codex 以及你自己的智能体提供一份共享的持久记忆。 他们报告在 LoCoMo 上达到 92.2%，检索时间中位数为 464ms。每个问题使用的 token 最多减少 22.6 倍。
本事件热度走势
当前热度 26·可比范围峰值 27（11月5日 04:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。