Frontier-AI, overhalet på hukommelsen.

Benchmarken er MRCR v2 8-needle: en lang samtale fuld af forespørgsler, der ligner hinanden, hvor modellen skal følge en henvisning tilbage til den rigtige tidligere. Native Context Memory er modeluafhængig.

1M-token kontekst

  1. 1DeepSeek-V4-Flash + Native Context Memory99,9%Adaptiq
  2. 2Meta Muse Spark 1.3 · Max98,1%Meta
  3. 3OpenAI GPT-6 Astra96,3%OpenAI
  4. 4DeepSeek-V4-Flash · Max78,7%DeepSeek
  5. 5Claude Opus 4.678,3%Anthropic
  6. 6Gemini 3.7 Flash62,5%AI Release Tracker
  7. 7Qwen3.8-Flash-Next26,4%Qwen

5M-token kontekst

  1. 1DeepSeek-V4-Flash + Native Context Memory98,5%Adaptiq

5M er kun begyndelsen.

5M-token kontekst i hver agentsession er fundamentet, vi bygger på. Vi tror på, at ubegrænset kontekst kan opnås, og det er det, vi arbejder hen imod.

Hvad Native Context Memory tilføjer.

Vi kørte MiMo V2.6 Flash gennem alle ti opgaver i MemoryAgentBench, med og uden NCM. MemoryAgentBench måler, om en LLM kan huske over tid: ikke om den kan læse en lang tekst én gang, men om den kan gemme, opdatere og genfinde det, den har fået at vide i bidder undervejs.

Den holder styr på, hvad der har ændret sig.

Når et faktum bliver erstattet af et nyere, overser MiMo alene ofte ændringen. Med NCM går den efter det nyeste.

Den forbinder det, der blev sagt på forskellige tidspunkter.

Hvor mange, hvor længe siden, hvad der kom først: Når svaret er spredt over flere samtaler, taber en model alene tråden. NCM finder hver brik og sætter dem sammen.

Den forbliver præcis, uanset hvor meget der er at huske.

Alene svinger MiMos svar fra den ene lange tekst til den næste. Med NCM holder de sig stabile, fordi svaret kommer fra selve linjerne.

MemoryAgentBench

Konfliktløsning

+68,6Modstridende fakta, flere ledFC-MH
+16,0Modstridende fakta, ét ledFC-SH

Præcis genfinding

+23,9Genfinding over flere ledMH
+10,7Hukommelse over lange samtalerLongMemEval
+9,2Begivenheder i romanerEventQA
+9,0Genfinding i ét ledSH

Læring undervejs

+9,9Klassifikation ud fra eksemplerMCC
+1,1FilmanbefalingerMovieRec

Forståelse over lange tekster

+7,0Ræsonnement i krimierDetQA
−6,5Resumé af bøgerInfSum
MiMoMiMo + NCM

Tokenforbrug

MiMo alene brugte 3,5 gange flere nye input-tokens end MiMo med NCM: 179,0 mod 51,5 mio. på alle 2.071 spørgsmål.

MiMo aleneMiMo + NCM
Nye input-tokens179,0 mio.51,5 mio.
Input læst fra cache639,7 mio.600,0 mio.
Input i alt818,7 mio.651,5 mio.
Output-tokens0,60 mio.5,25 mio.
Nye input-tokens pr. spørgsmålca. 86.400ca. 24.900
Samlet pris (OpenRouter)$27,01$10,36

Hvad ville du bruge mere kontekst til?

Benchmarken viser, hvor meget en model kan holde fast i. Hvad det er værd, afhænger af, hvad du giver den, så prøv det på dit eget arbejde.