Metis：记忆应该是个基础模型，不是数据库

智能体记忆已经火了一年，但几乎所有方案长得都一样：一个向量数据库，一点检索胶水，外挂一个摘要器。MemTensor的Metis，在Hugging Face papers上拿到240个赞，换了个完全不同的框架来打——把记忆当成一个基础模型。

这个区别就是全部重点。主流做法把记忆当存储：写入embedding、搜索、把命中的塞进上下文。Metis则提出一个训练出来的参数化模型，它的职责就是记忆本身——判断什么值得留、怎么压缩、什么时候该调出来、新信息和旧信息怎么调和。检索不再是一个用数据库解决的管道问题，而变成一项有自己基座模型的、学出来的能力，就像感知有了基座、语言有了基座一样。

如果这个方向成立，它会重新定义眼下一大批记忆创业公司。数据库加胶水那套，谁都能拼出来，因此很难守；一个专门为记住而训练的基础模型，才是那种有护城河、有scaling曲线的东西。这也贴合今年一直在重复的那个规律——这个领域不断发现，那些大家想用编排工程硬凑出来的能力，端到端学出来反而更好。

它还很早，它只是一篇论文，而且某某的基础模型这种话经常被过度包装。但社区的票数说明，大家意识到这个框架很重要。现在就在Hugging Face papers上。