检索 · 向量 · 工具
Mem0
检索向量 · 工具 · 价格资料官方入口 https://mem0.ai
AI Agent 记忆层的事实标准(61,493 GitHub stars, Apache-2.0,mem0ai/mem0)。
—个
—每百万 tokens
—每百万 tokens
免费额度Hobby 免费层:10,000 memories + 1,000 retrieval API calls/月(无限 end users),社区支持
厂商档案
—
https://api.mem0.ai/v1
—
未确认
—
✅ 开源(Apache-2.0,61k+ stars)+ Cloud SaaS;国内自部署无障碍
深度资料
| 类型 | 价格 | 备注 |
|---|---|---|
| 输入 (Input) | Hobby 免费:10,000 memories + 1,000 retrieval API calls/月;Starter $19/月:50,000 memories + 5,000 calls | 每百万 tokens |
| 输出 (Output) | Pro $249/月:Unlimited memories + 50,000 retrieval API calls + Graph Memory + 多项目;Enterprise 合同制 | 每百万 tokens |
Hobby 免费层:10,000 memories + 1,000 retrieval API calls/月(无限 end users),社区支持
优势
- AI Agent 记忆层的事实标准(61,493 GitHub stars, Apache-2.0,mem0ai/mem0)
- 4 档定价清晰:Hobby 免费 → Starter $19 → Pro $249 → Enterprise
- 支持 8+ LLM 提供商(OpenAI/Anthropic/Gemini/Mistral/Groq/Ollama/Bedrock/Azure OpenAI)
- Graph Memory(Pro 档起)支持实体关系建模,而非纯向量检索
- 完整 SDK:Python、TypeScript、Java、Go,Ruby,自托管与 Cloud 同一套 API
- 支持本地化部署:开源 + 自带 Docker,可在国内云 Kubernetes 完整运行
不足
- Hobby 计划只有 1,000 retrieval calls/月,实际生产通常需要 Starter 或 Pro
- Pro 计划 $249/月较贵,与 Braintrust Pro($249)价位相同但定位不同(记忆 vs 评测)
- Graph Memory 仅在 Pro 及以上开放,中小项目用 Hobby/Starter 只能纯向量检索
- 免费 Hobby 计划不支持 SSO/RBAC,企业自托管版需 Enterprise 合约
- 检索质量依赖 LLM 做事实抽取,延迟比纯向量检索略高(每条 memory ~200-500ms)
- 国内 Cloud SaaS 访问稳定性待验证(自托管可完全绕过)
适合场景
构建需要长期记忆的 AI Agent 应用(客服机器人、个性化助手、多轮对话系统);希望自托管避免厂商锁定的合规敏感团队;需要在多个 LLM 提供商间统一记忆抽象的 Agent 框架作者
补充资料
💰 定价与方案
| 方案 | 价格 | 记忆量 / 规模 | 最佳用途 |
|---|---|---|---|
| Hobby | 免费 | 每月 1 万次 add / 1 千次 retrieval 请求;1 个项目;不限 end users | 探索记忆增强型副业项目的个人开发者 |
| Starter | $19 / 月 | 每月 5 万次 add / 5 千次 retrieval 请求;1 个项目;社区支持 | 发布首个 AI Agent 的独立开发者 |
| Pro | $249 / 月 | 每月 50 万次 add / 5 万次 retrieval;无限项目;Graph Memory + Dream 记忆整合;高级分析;私享 Slack | 有真实规模与多项目需求的生产级应用 |
| Enterprise | 定制报价 | 不限 add 与 retrieval 请求;无限项目 | 需要合规、管控与 SLA 的团队 |
| Enterprise 附加项 | 含于合约 | 本地化部署;审计日志;自定义集成与 SSO;SLA 支持 | 受监管 / 自托管的政府与企业技术栈 |
| 按量计费 | 定制(按用量) | 适合无法清晰映射到固定档位的流量 | 突发型或不可预测的负载 |
| 开源(自托管) | $0(Apache-2.0) | 自行运维;Docker Compose;与 Platform 同一套 API | 希望规避厂商锁定、在中国境内部署的团队 |
🔧 API 与开发者体验
- SDK: Python(`pip install mem0ai`)与 Node(`npm install mem0ai`)——Platform 与开源同一套 API
- 命令行工具: `pip install mem0-cli` 或 `npm install -g @mem0/cli`;`mem0 init --agent` 5 秒内签发评测 API Key,无需邮箱 / OTP
- 采用度与许可: GitHub 62,590 stars,Apache-2.0(mem0ai/mem0)——Agent 记忆层事实标准
- LLM 灵活性: Platform 在服务端托管模型供应商;支持 8+ 家(OpenAI、Anthropic、Gemini、Mistral、Groq、Ollama、AWS Bedrock、Azure OpenAI)
- MCP 与集成: 实时 MCP server(mcp.mem0.ai);OpenMemory Gateway、CLI、REST API 及公开 OpenAPI 规范
- 记忆流水线: ADD-only 抽取 → 写入向量 / 实体 / 历史三类存储 → 多信号检索;Async Client 支持高并发非阻塞调用
- 高级能力: Graph Memory(实体链接)、Dream 记忆整合、多模态输入(图像 / PDF)、自定义分类、Webhooks、反馈机制
- 计费与试用: Hobby 免费档;Starter / Pro 按月付费;Enterprise 定制;流量不规律可按量计费;自托管免费
🧠 面向 AI Agent 的记忆层
Mem0 是一个持久化记忆层,让 LLM Agent 拥有跨会话延续的上下文——聊天机器人能记住用户的偏好、历史工单与进行中的项目,而不是每次调用都从零开始。其流水线从对话中抽取可长期保留的事实(ADD-only 蒸馏),写入向量、实体与图存储,再返回一段按相关性排序的紧凑记忆块注入提示词——相比塞入原始历史,既降低 token 消耗又提升回答质量。Graph Memory 通过共享实体把事实串联起来,服务于以实体为中心、多跳推理的问题;Dream 则随时间整合重叠记忆。同一套 SDK 同时驱动托管版 Platform 与 Apache-2.0 开源版,团队可先在云端验证、之后再自托管,无需重写任何集成代码。
🌐 中国访问与延迟
Mem0 托管版 Platform(api.mem0.ai)部署于全球云区域,在中国大陆没有节点,因此从国内直连会带来跨境延迟与连接不稳定风险——建议把 Cloud 当作从境外或经海外中转时的高速验证通道。对中国团队而言,决定性优势在于 Apache-2.0 开源版:它以自托管服务形式发布(Docker Compose,含鉴权、API Key 与安装向导),可运行在境内 Kubernetes 或国内云主机上,完全无外部依赖。自托管时,embedding 与抽取用 LLM 均可指向国内供应商或本地 Ollama 实例,使所有记忆读写全部留在境内——这也顺带解决了外企记忆 SaaS 难以被受监管业务采纳的数据驻留与合规问题。
阅读提示价格、免费额度和网络可用性均为公开资料整理的结果,可能随官方政策与服务区域调整;实际价格和服务条款请以各厂商官方页面为准。
厂商资料取自多家公开模型目录并交叉整理;价格、免费额度与国内可用性按各家的公开口径展示,资料更新于 2026-09-14 02:32:13。