AI向けの記憶・文脈管理エンジン「Supermemory」が、長期記憶を測る主要ベンチマーク3種（LongMemEval・LoCoMo・ConvoMem）で最高性能を記録し、GitHubの注目リポジトリとして本日+264スターと急上昇した。会話から事実を抽出してユーザー像を作り、矛盾処理や期限切れ情報の自動忘却までを単一APIで提供する。
AI向けの記憶・文脈管理エンジンSupermemoryが、長期記憶を測る主要ベンチマーク3種（LongMemEval・LoCoMo・ConvoMem）で最高性能を記録し、GitHub Trendingで本日+264スターと急上昇した。会話から事実を抽出してユーザー像を構築し、矛盾処理や期限切れ情報の自動忘却までを1つのAPIで提供する。
対話AIは会話が終わるたびに内容を忘れる弱点があり、従来は検索拡張生成（RAG）やベクトルDBの構築で補ってきた。SupermemoryはベクトルDBの設定や文書分割（チャンク）戦略を自前で組まずに記憶・検索機能を足せる点が実務的に効く。Google Drive・Gmail・Notion・GitHubと自動同期し、Claude Code・Cursor・VS CodeにMCPサーバー経由で接続できる。
注意点として、急上昇の起点である2026年3月24日の公式ブログが示したLongMemEval 99%は実験的成績であり、本番エンジンの数値ではないと公式が明記している。採用判断ではベンチ値と本番性能を区別する必要がある。
この変化で何が要点か。図解と出典つきで一目で。
構造化された事実を最初に。誰が何をいつどこでなぜどのように。
通常の対話型AIは会話が終わるたびに内容を忘れ、次の会話では利用者の好みや過去のやり取りを引き継げないという課題がある。これを補うため、外部文書を検索して回答に使う手法（検索拡張生成＝RAG）や、ベクトル検索用のデータベース構築が一般的だった。Supermemoryはこれらを開発者が個別に組まないで済むよう、記憶・文書検索・ユーザー像作成・外部サービス連携・ファイル処理をひとつのまとまりとして束ねる。急上昇の起点は2026年3月24日の公式ブログ発表で、記憶ベンチLongMemEvalで99%という成績を示したとされる。ただしこの成績は実験的なものであり、本番エンジンの数値ではないと公式に明記されている。
対話AIの「会話をまたいで覚えていられない」という弱点は、業務アシスタントや個人向け第二の脳を作るうえで最大の障壁であり、それを単一APIで解消できる点が実務的に効く。ベクトルデータベースの設定や文書分割（チャンク）戦略を自前で組まずに記憶機能を追加できるため、AIアプリ開発の手間を大きく削減できる。主要ベンチで最高性能という客観指標が示されたことで、記憶エンジンの選定候補として比較対象に入りやすくなった。
対話型AIは会話が終わるたびに内容を忘れ、次の会話では利用者の好みや過去のやり取りを引き継げない。この弱点が、業務アシスタントや個人向けの「第二の脳」を作るうえで最大の障壁になってきた。Supermemoryはこの記憶の欠落を、会話からの事実抽出・矛盾処理・期限切れ情報の自動忘却・ユーザー像作成という一連の処理を1つのAPIに束ねて埋める。
従来は外部文書を検索して回答に使う手法（検索拡張生成＝RAG）や、ベクトル検索用のデータベース（ベクトルDB）構築が一般的だった。開発者はベクトルDBの設定や、長い文書を細かく刻む文書分割（チャンク）戦略を自分で組む必要があった。Supermemoryはこれらを個別に組まずに済むよう、記憶・文書検索・ユーザー像作成・外部サービス連携をひとまとまりとして提供する。
Memory engine and app that is extremely fast, scalable. The Memory API for the AI era.
上の説明文にある「The Memory API for the AI era」は、記憶機能をAIアプリに後付けするための共通の入り口を目指す位置づけを示す。
Supermemoryは、AIの長期記憶を測る主要ベンチマーク3種で最高性能を記録した。会話を長期にわたって保持できるかを測るLongMemEval、長い対話の記憶を評価するLoCoMo、会話記憶を測るConvoMemの3つだ。
急上昇の起点は2026年3月24日の公式ブログ発表で、LongMemEvalで99%という成績を示した。ただしこの数値には注意が要る。公式ブログはこの99%が実験的な成績であり、本番エンジンの数値ではないと明記している。
We broke the frontier in agent memory: To prove a point.
見出しの「frontier（最前線）を破った」という表現は、記憶エンジンの到達点を更新したという主張を示す。採用判断では、このベンチ値（特に99%）と、実際に運用される本番エンジンの性能を分けて読む必要がある。
外部連携も特徴で、Google Drive・Gmail・Notion・GitHubなどの外部サービスと自動同期する。さらにClaude Code・Cursor・VS Codeなどの対応クライアントに、ローカルや外部ツールをAIに接続する規格であるMCP（Model Context Protocol）のサーバー経由でつなげる。
最も得をするのは、記憶機能を自前で組んでいた国内のAIアプリ開発・実装現場だ。ベクトルDBの設定や文書分割を組まずに記憶・検索機能を単一APIで足せるため、業務アシスタントや個人向け「第二の脳」の初期構築工数が下がる。
Claude Code・Cursor・VS Codeの利用者も恩恵を受ける。MCPサーバー経由で記憶エンジンを接続でき、コーディング支援の文脈を会話をまたいで保持しやすくなる。
一方、記憶機能を完全に内製してきた開発チームは比較圧力にさらされる。ベンチ最高性能を示す単一APIが登場したことで、自前のベクトル検索基盤を維持する判断が、工数とベンチ性能の両面で問い直される。
個人の「第二の脳」を作るユーザーにとっては、会話からの事実抽出・ユーザー像作成・矛盾処理・期限切れ情報の自動忘却がまとめて提供される点が大きい。記憶インフラを自作する負担が下がる。
立場別、明日から動ける一手。
LongMemEval 99%が実験的成績で本番エンジンの数値ではないと公式が明記している前提を、ベンチ3種の本番向け数値とあわせて確認する。
記憶機能を内製した場合のベクトル検索基盤の維持コストと、Supermemoryの単一API採用で削減される構築工数を比較する。
GitHubのリポジトリをcloneし、会話からの事実抽出と期限切れ情報の自動忘却が自社の定型対話で機能するかを試す。
記憶ベンチ3種で最高性能という客観指標と、ベクトルDBやチャンク戦略を自前で組まずに記憶機能を単一APIで足せる手軽さに、AIアプリ開発者の関心が集まっている。Claude Code・Cursor・VS CodeにMCPサーバー経由でつなげる点が実装者に評価される一方、公式が「LongMemEval 99%は実験的成績で本番エンジンの数値ではない」と明記しているため、ベンチ値をそのまま本番性能と読まないよう注意する見方もある。
※トレンド検出時刻付近の人気投稿を表示
