Vergleich
Neun offene Systeme — jedes mit dem, was es selbst über Benchmarks sagt, als Zitat und mit Link. Keine Prozent-Rangliste, weil es keine gibt, die trägt.
Stand: 16. Oktober 2026 (Bilanzsatz an der Korrektur-Notiz berichtigt; README-Zitate am 11. Oktober nachgeprüft, alle unverändert) · Zahlen und Sterne am 1. Oktober an der jeweiligen Primärquelle gemessen
Einen Gesamtsieger geben die öffentlichen Zahlen nicht her; warum, steht weiter unten. Eine Wahl nach Aufgabe geben sie her. Jede Karte stützt sich auf das, was das Projekt im eigenen README über sich sagt, nachgeprüft am 11. Oktober 2026, und nennt, was man vor der Wahl wissen sollte. Reihenfolge wie in der Tabelle: nach Verbreitung.
Assistenten, die sich die Vorlieben jedes Nutzers merken, mit Managed Cloud als Option
→ Mem0
„remembers user preferences, adapts to individual needs"
Vorher wissen
Die Spitzenwerte gelten der Managed-Plattform; für das Open-Source-Paket erwartet Mem0 selbst „directionally similar gains but not identical numbers".
Eine Benchmark-Zahl, die jemand außerhalb des Anbieters reproduziert hat
→ Hindsight
„independently reproduced by research collaborators", am Virginia Tech und bei der Washington Post
Vorher wissen
Nach eigener Angabe sind die übrigen Werte seiner Tabelle „self-reported by software vendors". Wir zitieren das, nachgeprüft haben wir es nicht.
Fakten, die sich über die Zeit ändern, in einem Wissensgraphen
→ Graphiti (Zep)
„A Framework for Building Temporal Knowledge Graphs"
Vorher wissen
Zeps Community Edition ist eingestellt. Offen ist die Engine; die vollständige Plattform ist Zep Cloud und proprietär.
Dokumente, Code und Gespräche als Wissensgraph, den Sie selbst betreiben
→ Cognee
„Turn documents, code, and conversations into a self-hosted knowledge graph"
Vorher wissen
Die BEAM-Läufe nutzen benchmark-spezifische Formatierung, Prompts und Retrieval; Cognee bittet, vor jedem Vergleich den Methodenbericht zu lesen.
Eine API vom lokalen Prototyp bis zur gehosteten Plattform
→ Supermemory
„prototype locally, ship on the hosted platform by changing baseURL"
Vorher wissen
„#1 on every major AI memory benchmark" ist die eigene Behauptung; das Eval-Framework MemoryBench ist öffentlich, sie lässt sich also prüfen.
Gedächtnis aus dem, was Agenten tun, unabhängig von LLM, Datenspeicher und Framework
→ Memori
„LLM, datastore and framework agnostic"
Vorher wissen
GitHub führt die Lizenz als „Other"; die LICENSE-Datei ist eine standardmäßige Apache 2.0. Für die Rechtsprüfung zählt die Datei.
Eine vollständige, zustandsbehaftete Agent-Runtime, nicht nur eine Gedächtnisschicht
→ Letta
„a stateful agent harness", von den Machern von MemGPT
Vorher wissen
Der aktuelle Code liegt in letta-ai/letta-code, nicht im weit öfter besternten letta-ai/letta. Das README nennt keine Benchmark-Zahl.
Langzeitgedächtnis für einen Agenten, den Sie schon auf LangGraph bauen
→ LangMem
„native integration with LangGraph's storage layer"
Vorher wissen
Das README nennt keinen Benchmark, es gibt also keine Zahl abzuwägen. Das ist ein Datenpunkt, kein Mangel.
Eine selbst betriebene TypeScript-Gedächtnisbibliothek ohne eigene Netzwerkaufrufe
→ ZenBrain (wir)
„the library makes no network calls of its own"; das Gedächtnis liegt in SQLite oder PostgreSQL, das Sie betreiben
Vorher wissen
Temporales Schließen ist bei uns Roadmap, nicht verdrahtet. Unser Vergleichsset umfasst drei Systeme: Letta, Mem0 und A-Mem.
Fragt man eine Antwort-Engine nach „Mem0 alternatives", bekommt man eine Namensliste und für jeden Namen eine Spitzenposition. Das kann nicht alles gleichzeitig stimmen — und der Grund ist kein Vorwurf, sondern Methodik: Jedes Projekt misst mit eigenem Retrieval-Budget, eigenem Judge, eigenem Stichtag, teils an einem gehosteten Produkt statt am offenen Paket. Diese Seite ordnet deshalb nicht. Sie stellt neben jeden Namen, was das Projekt über sich selbst sagt, wo es das sagt, und ob man es nachrechnen kann. Uns eingeschlossen.
Was wir selbst behaupten — und wogegen
Drei von neun Paarvergleichen halten (alle gegen A-Mem, signifikant), sechs sind Gleichstände gegen Letta und Mem0, verloren ist keiner — drei Judges, Bonferroni-korrigiert, versionsgleich. Das ist unser Vergleichsset. Die sechs übrigen Systeme dieser Seite waren nie darin, also behaupten wir nichts über sie.
| System | Lizenz | Was es ist (eigene Worte) | Eigene Benchmark-Behauptung | Eval-Code öffentlich | ★ am 01.10. |
|---|---|---|---|---|---|
| Mem0 mem0ai/mem0 | Apache 2.0 (+ Managed Cloud) | „enhances AI assistants and agents with an intelligent memory layer, enabling personalized AI interactions" — Fakten-Extraktions-Speicher, „New Memory Algorithm" seit April 2026. | LoCoMo 92,5 · LongMemEval 94,4. Mem0 schränkt selbst ein: die Werte gelten der Managed-Plattform mit proprietären Optimierungen, Open-Source-Nutzer sollen „directionally similar gains but not identical numbers" erwarten. README → | Ja — eigenes Repo mem0ai/memory-benchmarks → | 66.428 |
| Hindsight vectorize-io/hindsight | MIT | „an agent memory system built to create smarter agents that learn over time […] focused on making agents that learn, not just remember" — eigenes Paper (arXiv:2512.12818). | „the most accurate agent memory system ever tested", State of the Art auf LongMemEval; die abgebildete Vergleichstabelle trägt den Stand Januar 2026, daneben verweist das README auf laufend aktualisierte Ergebnisse. README → | Kein Eval-Code zur Headline-Zahl im Repo; seit 11.09. hindsight-system-evals/ für Qualitäts-Regressionen, dazu eine eigene Ergebnisseite → | 44.238 |
| 🟢 Hindsight benennt eine Fremdreproduktion, die übrigen acht READMEs dieser Tabelle nicht: die eigenen Werte seien „independently reproduced" von Forschungspartnern am Virginia Tech Sanghani Center und der Washington Post — und die übrigen Werte der Tabelle seien „self-reported by software vendors". Diese Grenze zieht Hindsight selbst; wir zitieren sie, wir prüfen sie nicht nach. | |||||
| Graphiti (Zep) getzep/graphiti | Apache 2.0 · Zep Cloud proprietär | „A Framework for Building Temporal Knowledge Graphs" — das offene temporale Wissensgraph-Framework im Kern von Zeps gehosteter Plattform. | Keine Benchmark-Zahl im README; es verweist auf das eigene Paper „Zep: A Temporal Knowledge Graph Architecture" (arXiv:2501.13956). Das Repo getzep/zep führt Benchmarks zu LoCoMo und LongMemEval. README · Paper → | Ja — benchmarks/ und zep-eval-harness/ in getzep/zep → | 31.356 |
| 🔴 Zep Community Edition ist eingestellt — „no longer supported", Code nach legacy/ verschoben (Zeps eigenes README). Offen ist die Graphiti-Engine, nicht ein vollständiges self-hostbares System. getzep/zep (4.942 ★) ist ausdrücklich „not Zep’s product or service", sondern Beispiele und Integrationen für Zep Cloud. | |||||
| Cognee topoteretes/cognee | Apache 2.0 | „The Free Open-Source AI Memory Platform for Agents" — Graph-Vektor-Gedächtnis-Pipeline. | BEAM (Langkontext-Benchmark): 0,79 bei 100K Tokens, 0,67 bei 10M, Letzteres als „Exploratory result" gekennzeichnet. Cognee schränkt selbst ein: die Läufe nutzen „benchmark-specific data formatting, prompts, and retrieval configuration", und vor jedem Vergleich mit anderen Systemen sei der Methodenbericht zu lesen. README → | Ja — BEAM-Methodenbericht und Eval-Framework im eigenen Repo → | 31.280 |
| Supermemory supermemoryai/supermemory | MIT | „State-of-the-art memory and context engine for AI" — Gedächtnis- und Kontextschicht, lokal lauffähig. | „#1 on every major AI memory benchmark" — LongMemEval, LoCoMo und ConvoMem; auf LongMemEval 95 % Recall@15 bei rund 720 Tokens zusätzlichem Kontext. README → | Ja — MemoryBench als eigenes offenes Framework → | 31.054 |
| Memori MemoriLabs/Memori | Apache 2.0 | „Memory from what agents do, not just what they say" — LLM-, datastore- und framework-agnostische Gedächtnis-Infrastruktur. | LoCoMo 87 % Gesamtgenauigkeit bei 721 Tokens pro Anfrage („2.8% of the full-context footprint"); habe Zep, LangMem und Mem0 übertroffen. Eigenes Paper: arXiv:2603.19935. README · Paper → | Ja — benchmarks/ im eigenen Repo → | 17.040 |
| ⚠️ GitHubs API meldet die Lizenz als „Other" — die LICENSE-Datei ist eine standardmäßige Apache 2.0. Die Erkennung scheitert nur an den stehengebliebenen Platzhalter-Klammern. Wer die API-Spalte übernimmt, druckt eine falsche Lizenz. | |||||
| Letta letta-ai/letta-code | Apache 2.0 | „Letta Code is a stateful agent harness for creating agents that are more like people than tools" — zustandsbehaftete Agent-Runtime, „developed by the creators of MemGPT". | Keine Benchmark-Zahl im README. Historisch trägt die Linie das MemGPT-Paper. README → | Keine Zahl, also nichts zu reproduzieren | 3.488 |
| ⚠️ Vorsicht bei Sternzahlen: letta-ai/letta trägt 24.994 ★, aber laut eigenem README „The current source code lives in letta-ai/letta-code" (3.488 ★); der alte V1-Server liegt nur noch als „retired" im archive-Branch. Beide Zahlen sind wahr; nur eine zählt den Code. | |||||
| LangMem langchain-ai/langmem | MIT | „LangMem helps agents learn and adapt from their interactions over time" — Primitive plus native LangGraph-Anbindung. | Keine. Das README nennt keinen Benchmark, keine Prozentzahl, kein „#1". README → | Keine Zahl, also nichts zu reproduzieren | 1.692 |
| 📌 Wie Letta nennt LangMem keine Benchmark-Zahl. Das ist ein Datenpunkt, kein Mangel. | |||||
| ZenBrain (wir) zensation-ai/zenbrain | Apache 2.0 | Neurowissenschaftlich fundierte 7-Schicht-Architektur: Enkodieren, Konsolidieren, Vergessen — Schlaf-Konsolidierung, verteilte Wiederholung (FSRS), Bayes-Konfidenz. | Drei von neun Paarvergleichen halten (alle gegen A-Mem, signifikant), sechs sind Gleichstände gegen Letta und Mem0, verloren ist keiner — drei Judges, Bonferroni-korrigiert, versionsgleich. Nur gegen diese drei. Zahlen mit Methode & Quelle → | Ja — arXiv-Preprint, Zenodo-DOI und Repro-Skript → | 24 |
| 🩹 Was wir nicht können: Temporal-Reasoning ist bei uns Roadmap, nicht verdrahtet. Die Architektur führt Zeitstempel und episodisches Gedächtnis, aber ein Benchmark-Ergebnis auf der Temporal-Achse haben wir nicht — ein interner Lauf ergab dort null Prozent, weil der Zeitstempel nicht durchgereicht wurde. Wer temporales Schließen braucht, sieht sich Graphiti an. | |||||
Sortiert nach Verbreitung, absteigend. Wir stehen zuletzt — mit vierundzwanzig Sternen gegen sechsundsechzigtausend, und das ist die ehrliche Position. Alles in Anführungszeichen stammt aus dem README des jeweiligen Projekts, nicht aus dessen GitHub-Einzeiler und nicht aus Roundups Dritter; die Lizenzangabe „Other" stammt aus der GitHub-API. Wir haben keine dieser Zahlen nachgerechnet, und keine ist mit einer anderen vergleichbar.
Auf denselben zwei Benchmarks — LongMemEval und LoCoMo — beansprucht mehr als ein Projekt gleichzeitig die Spitze. Supermemory schreibt „#1 on every major AI memory benchmark", Hindsight „the most accurate agent memory system ever tested", Mem0 nennt 94,4 auf LongMemEval, Memori berichtet, Zep, LangMem und Mem0 übertroffen zu haben. Diese Aussagen können nicht alle zugleich zutreffen. Das ist kein Vorwurf an irgendjemanden: Es ist die unvermeidliche Folge davon, dass jedes Projekt auf eigener Methodik, eigenem Retrieval-Budget, eigenem Judge und eigenem Stichtag misst. Eine Rangliste über solche Zahlen wäre eine Erfindung. Die Frage, die eine Antwort hat, ist eine andere — und die fünf oben stellen sie.
Fünf Fragen. Sie kosten zusammen etwa zehn Minuten und entscheiden, ob eine Zahl etwas über ein System aussagt oder nur über eine Pressemitteilung. Sie gelten für jede Zeile der Tabelle oben, unsere eingeschlossen.
Das ist die häufigste stille Verschiebung. Mem0 schreibt es selbst über die eigene Zahl: die Werte gelten der Managed-Plattform mit proprietären Optimierungen, das Open-Source-SDK erreicht sie nicht identisch. Derselbe Schnitt läuft zwischen Zep Cloud und der offenen Graphiti-Engine. Eine Zahl vom gehosteten Produkt gegen ein Open-Source-Paket zu stellen, vergleicht zwei verschiedene Dinge.
Sechs der neun, uns eingeschlossen, veröffentlichen ihn: Mem0 in einem eigenen Repo, Supermemory als eigenes Framework (MemoryBench), Zep im Repo, Cognee mit Methodenbericht im eigenen Eval-Framework, Memori unter benchmarks/. Zwei nennen gar keine Zahl, also gibt es nichts zu reproduzieren. Wichtig ist der Zusatz „wo": Wer nur im Hauptrepo nachsieht und nichts findet, hat nicht bewiesen, dass es nichts gibt.
Das ist die härteste Frage des Feldes, und im Moment beantwortet sie genau ein Projekt mit Ja: Hindsight benennt Forschungspartner am Virginia Tech Sanghani Center und die Washington Post — und schreibt zugleich, dass die übrigen Werte seiner Vergleichstabelle self-reported sind. Auch unsere neun Vergleiche gegen Letta, Mem0 und A-Mem sind unabhängig bewertet — von drei LLM-Judges —, aber nicht von einer fremden Institution reproduziert. Der Unterschied ist real und gehört benannt.
Sternzahlen sind das am leichtesten missverstandene Signal der Kategorie. letta-ai/letta trug am 1. Oktober 24.994 ★ und verweist für den Code auf letta-ai/letta-code mit 3.488 ★. getzep/zep trug 4.942 ★ und ist ausdrücklich nicht das Produkt; die Engine Graphiti trug 31.356 ★. Eine Sternzahl ohne Repo-Angabe ist hier keine Angabe.
Hindsights Vergleichstabelle trägt sichtbar den Stand Januar 2026, Mem0s Algorithmus ist von April 2026. In einer Kategorie, in der sieben von neun Projekten in derselben Woche gepusht haben, ist eine undatierte Zahl keine Aussage über heute. Deshalb steht über dieser Seite ein Datum, und deshalb steht in der Tabelle, an welchem Tag die Sterne gezählt wurden.
Acht offene Systeme werden derzeit regelmäßig als Alternativen genannt: Cognee (Graph-Vektor-Pipeline), Graphiti von Zep (temporaler Wissensgraph), Supermemory (Gedächtnis- und Kontext-Engine), Hindsight (Vectorize), Memori (Memori Labs), Letta in der MemGPT-Linie, LangMem für LangGraph sowie ZenBrain, unsere neurowissenschaftlich fundierte 7-Schicht-Architektur. Fünf davon stehen unter Apache 2.0, drei unter MIT. Alle acht sind self-hostbar — mit einer wichtigen Einschränkung bei Zep, dessen Community Edition eingestellt ist und dessen offener Teil die Graphiti-Engine ist, nicht ein vollständiges System.
In aller Regel nein. Auf denselben Benchmarks — LongMemEval und LoCoMo — beanspruchen mehrere Projekte gleichzeitig die Spitze, was logisch nicht alles zugleich zutreffen kann. Die Ursache ist Methodik: unterschiedliche Retrieval-Budgets, unterschiedliche Judges, unterschiedliche Stichtage, und in mindestens einem Fall gilt die berichtete Zahl einer gehosteten Plattform statt dem Open-Source-Paket — was der Anbieter selbst über die Zahl schreibt. Vergleichbar werden Zahlen erst, wenn Eval-Code, Budget und Stichtag offenliegen; danach sollte man sie prüfen, nicht nach der Höhe der Zahl.
Teilweise, und die Antwort hat sich geändert. Zeps eigenes README führt einen Abschnitt „Community Edition (Deprecated)": die Community Edition wird nicht mehr unterstützt, ihr Code liegt im Ordner legacy/, und Zep hat die Neuausrichtung in einem eigenen Beitrag begründet. Offen und aktiv gepflegt ist Graphiti, das temporale Wissensgraph-Framework unter Apache 2.0, das Zep Cloud antreibt. Das Repository getzep/zep ist ausdrücklich nicht das Produkt, sondern enthält Beispiele, Integrationen und Benchmarks für die gehostete Plattform.
Die Frage lässt sich mit den heute öffentlichen Zahlen nicht beantworten, und jede Seite, die sie beantwortet, sollte erklären wie. Sinnvoll beantwortbar ist stattdessen: Welchem Artefakt gilt die Zahl — dem offenen Paket oder einem gehosteten Produkt? Ist der Eval-Code öffentlich, und wo? Hat jemand außerhalb des Anbieters reproduziert? Welches Repository wurde gezählt? Von welchem Tag stammt die Zahl? Für jedes der neun Systeme auf dieser Seite sind diese fünf Fragen beantwortet — daraus ergibt sich eine begründete Wahl für den eigenen Fall, aber keine Rangliste. Wofür jedes System nach eigener Angabe gebaut ist, steht oben unter „Welches wofür?".
Gegen Mem0 und Letta liegt ein direkter Vergleich vor: Drei von neun Paarvergleichen halten (alle gegen A-Mem, signifikant), sechs sind Gleichstände gegen Letta und Mem0, verloren ist keiner — drei Judges, Bonferroni-korrigiert, versionsgleich. Gegen Zep liegt kein Vergleich vor — Zep war nicht Teil dieses Vergleichssets, also behaupten wir dazu nichts. Ebenso wenig gegen Cognee, Supermemory, Hindsight, Memori oder LangMem. Umgekehrt gehört dazu, was wir nicht können: Temporal-Reasoning ist bei uns Roadmap und nicht verdrahtet; dafür ist Graphiti die passendere Wahl. Methode, Quelle und Repro-Weg zu unseren Zahlen stehen auf der Benchmark-Seite.
Wozu diese Seite sich verpflichtet
Wir stehen hier als Kleinste in der Tabelle, mit vierundzwanzig Sternen am 1. Oktober, einer offen benannten Lücke beim temporalen Schließen und einem Vergleichsset aus genau drei Systemen. Das ist der Preis dafür, dass jede Zeile dieser Seite nachprüfbar ist — auch die über uns. Wir ziehen die Seite monatlich nach und datieren sie; findet jemand einen Fehler in einer Zeile über sein eigenes Projekt, korrigieren wir ihn und schreiben dazu, was falsch war.