初のAIメモリOS「MemOS」公開：時間推論能力が159％向上

普段からAIを使っている人なら、一度は経験したことがあるはずです。直前のチャットで自分の好みや前提条件を丁寧に伝えたのに、新しいウィンドウを開いた瞬間に初対面のような受け答えをされるもどかしさです。

外部情報を引っ張ってくるRAGなどの対症療法はありますが、対話の文脈を長期的に育てていく仕組みは整っていませんでした。こうした「記憶の孤立」を解消するため、上海交通大学や浙江大学などの研究チームが7月7日、AI専用のメモリOS「MemOS」を発表しました。

メモリを計算資源としてスケジュールする

MemOSの最大の特徴は、AIの記憶をOSがCPUやストレージを扱うような基本リソースとして位置づけた点にあります。状況に応じてメモリを割り当て、共有し、時間の経過とともに進化させます。

これを支えるのが「MemCube」と呼ばれる標準化されたメモリ単位です。テキスト知識だけでなく、パラメータ調整やモデルの内部状態までカプセル化して管理できます。

これによって、プラットフォームをまたいだ記憶の移行が可能になります。ある対話ツールで蓄積したユーザーの文脈を、別の業務ツールへそのまま引き継げる環境を目指しています。

さらにKVキャッシュを用いたメモリ注入技術を採用したことで、特定の構成では最初の1文字が出力されるまでの遅延（TTFT）を最大94％削減することに成功しました。

OpenAIを大幅に引き離す推論スコア

性能評価には、長期記憶と推論能力を測定するLOCOMOベンチマークが用いられました。

結果として、MemOS-0630は全カテゴリで首位を獲得しました。mem0やLangMem、Zep、そしてOpenAIのメモリシステムといった既存の代表的手法をすべて上回っています。

OpenAIの記憶システムと比較すると、総合スコアで38.98％向上しました。特に発言の前後関係や過去の出来事を正しく結びつける「時間推論タスク」では、159％という大きな性能差をつけています。

なぜ重要か

実務でAIエージェントを動かす現場にとって、このアプローチは非常に実用的です。数日から数週間にわたる継続的なタスクを任せる際、記憶の管理が破綻しては業務になりません。記憶を持ち運び可能にする仕組みは、ビジネスでの自律エージェント運用を大きく前進させます。

業界の構造で見ても、記憶フォーマットの標準化という発想は賢い選択です。大手プラットフォームはユーザーを自社サービスに囲い込むために記憶をブラックボックスにしがちですが、標準化が進めばツール間の乗り換え障壁が一気に下がります。

一方で、モデル固有の内部状態を含むメモリを、異なるアーキテクチャのモデル間でどこまで忠実に引き継げるかという技術的課題は残ります。それでも、記憶を検索ではなく「オペレーティングシステム」として設計し直す試みは、今後のAI開発に大きなヒントを与えています。