基准

MemoryBench

用于评估AI模型记忆能力的基准测试。

核心事实

多轮对话配置解决上下文记忆问题，决定智能体在连续对话中能保留多少轮历史信息

10月13日

在MemoryBench测试中，Muse Wonder取得85.5%的准确率，超过Claude Opus 5.5的81.5%与GPT-6 Astra的81.4%

待验证50%

10月13日

在MemoryBench上，Wonder击败Fable、Opus和Astra；在Artificial Analysis指数上，Wonder Full位列第二，仅次于Opus 5.5。

待验证50%

10月12日

MemoryBench和‘个人超级智能指数’均为Meta内部基准，使用LLM评判，存在厂商自评偏倚。

待验证50%

9月29日

多轮对话配置解决上下文记忆问题，决定智能体在连续对话中能保留多少轮历史信息

已验证75%

多轮对话配置解决上下文记忆问题，决定智能体在连续对话中能保留多少轮历史信息

在MemoryBench测试中，Muse Wonder取得85.5%的准确率，超过Claude Opus 5.5的81.5%与GPT-6 Astra的81.4%

在MemoryBench上，Wonder击败Fable、Opus和Astra；在Artificial Analysis指数上，Wonder Full位列第二，仅次于Opus 5.5。

MemoryBench和‘个人超级智能指数’均为Meta内部基准，使用LLM评判，存在厂商自评偏倚。