MemoryBox 2.0:モデル非依存・Rust製AI長期記憶OSとLongMemEval 92.6%の実証
クラウド埋め込みAPI課金やベクトル次元ロックを廃し、8+2認知チャネルと原文強制バインディングによりLongMemEval 463/500(92.6%)と冷起動3.64msを達成した設計を解説します。
執筆:大連フィドウェル MemoryBox開発チーム | 発行:大連富徳威爾科技有限公司
ベクトルRAGと長コンテキスト直結の構造的限界
長大な会話履歴をそのままプロンプトへ投入する手法では推論コストが急増するうえ「中間喪失」が生じやすく、公開ベンチマークでも約60.2%〜60.6%前後に留まります。また一般的な密ベクトルRAGは、数値や単位(0.5sと500ms)の同等判定や仕様更新(古い規約と現行有効規約の区別)を誤りやすく、Embeddingモデルの世代交代に伴う再構築コストも課題でした。
ゼロモデル宿主共生と8+2適応認知チャネル
MemoryBox 2.0(v2.0.4)は「ホストの推論頭脳を借り、自身の決定論的記憶カーネルで知識を保全する」共生パラダイムを採用しました。L1三語字句・L2概念拡張・L3 Kuzu超グラフ・L4二重時間軸・L5無損失量綱整合・L6話者メタ情報・L7進化上書き・L8マクロ要約に技能チャネルを加えた8+2構造で並列検索を行い、完全性水位線(Completeness Watermark)により切り捨て発生時は正直に通知します。
実機ベンチマークと商業SKU
LongMemEval 500問で463/500(92.6%)を正規表現パッチゼロで記録(knowledge-updateは72/72達成)。256GB NVMe USB版(約3.1MB単体、10年・100万ターンでコア4.70GB、4層誤フォーマット保護付)、ARM64 RK3588エッジ版(3.55MiB静的)、ZeroOS統合エンタープライズ版(5階層スコープDAG搭載)を展開しています。
関連するよくあるご質問
組み込みニューラルネットや有料Embedding APIなしでなぜ高精度な記憶検索ができるのですか?
日中英の決定論的形態正規化、Kuzuネイティブ超グラフの多段探索、二重時間軸バージョニング、無損失十進単位整合を8+2認知チャネルで並列実行し、さらに推論時ホストの同義拡張語をコストゼロで活用するためです。
モデルや開発ツールを変更した場合、過去の記憶を再インデックスする必要がありますか?
不要です。特定のベクトル空間次元に依存しない永続構造のため、Claude Code、Codex、Cursor、Traeや次世代モデルへ切り替えても即座に同一ライブラリを引き継げます。
Dream整理機能が記憶に誤った要約を混ぜる(自己汚染)リスクはありませんか?
書き込みゲートがデータベース実在の原文物理スパン参照を厳格チェックし、根拠を欠く派生データはFail-Closedで拒否します。バッチ単位の原子ロールバックも可能です。