智能体的记忆，过去两年大多被简化成两件事：要么把整段历史塞进上下文窗口，要么用向量数据库做相似度检索。两条路在长程、多源、会变的真实场景里都会露怯。10 月 6 日，past.dev 推出面向智能体的长期记忆 API，把问题重新定义成：此刻什么为真、它替代了什么、谁又能看到。
相似 ≠ 此刻为真
BEAM 这篇发表于 ICLR 2026 的基准，测的是长达千万 token 的对话历史。论文里有个扎心数字：把完整历史直接喂给模型，在 1M token 规模下准确率至多只有 25.9%。原因很简单，相似度检索召回的是「看起来像」的内容，而不是「现在仍然成立」的事实；而把一切塞进上下文，又会被过期信息淹没。
past.dev 的做法是：开发者存入带时间戳的文本，再用「一个问题 + 提问者身份」去召回。它返回的是当前事实、这些事实替代了什么、每条结论对应的带日期来源，以及「此刻这个人不该看到什么」。三调用模型之外，它把真相追踪、来源与访问边界一起做成一等公民，并支持 MCP，提供自托管与专属区域，持有 SOC2 Type II、ISO 27001、ISO 27701 认证。
登顶背后的短板
在 BEAM 各规模上，past.dev 都位居榜首：10M token 拿到 85.03%，高于此前最佳的 68.0%；100K/500K/1M 也分别从 86.2%/80.1%/79.1% 提升到 92.08%/89.63%/90.65%。它同时把评测脚手架开源，任何人都能复现。
但数字不是全部。第三方细读发现，矛盾消解仍停在 73% 到 79% 区间，而多会话推理在 10M 规模会跌到 28.17%。这说明它解决了时序准确性这个老问题，可跨碎片长历史的复杂推理，仍是整个行业的开放课题。把它和 mem0、Hindsight 这类存量方案区分开的关键，也正在于它不追求「召回更多」，而是追求「认出此刻为真的那一条，并说清它从哪来、替了谁」。
记忆层的生意才刚开头
记忆正在从「能查到」升级为「能负责」。当智能体替企业跟进邮件、会议、工单与文档，它必须能判断哪条事实今天有效、它替代了哪条旧结论、以及谁有权看到。past.dev 背后有 General Catalyst、Varsity、Connect Ventures 支持，走的正是「可审计、可私有部署的记忆层」路线。它的数字出自厂商自报、尚待独立复现，但把「真相与权限」作为产品主线，比单纯比检索指标更有长期价值。