Supermemory เปิดตัวโมเดลใหม่ชื่อ learner-1 เป็นตัวที่แก้ปัญหาที่…
ปกติเวลาเราคุยกับ AI จบบทสนทนาแล้วเปิดใหม่ มันจะลืมทุกอย่างที่คุยไว้ก่อนหน้า หรือถ้าจำได้ก็แค่ดึงข้อมูลเก่ามาแปะๆ ซึ่งบางทีก็ซ้ำกัน ขัดแย้งกัน หรือล้าสมัยไปแล้ว
Supermemory วางตัวเองเป็นเหมือนคลาวด์หน่วยความจำที่ agent ตัวไหนก็ใช้ร่วมกันได้ ไม่ว่าจะเป็น Claude, GPT, Gemini หรือ Cursor ผ่าน API และ MCP ส่วน learner-1 คือสมองที่อยู่เบื้องหลังระบบนี้ ทำหน้าที่ดึงข้อมูล สรุป เชื่อมโยง อัปเดต และตัดสินใจว่าจะลืมอะไรทิ้งไปบ้าง
จุดที่น่าสนใจคือมันไม่ใช่การเทรนโมเดลใหม่ทุกครั้งที่มีข้อมูลเพิ่ม แต่เป็นการจัดการความจำแบบ in-context คือเก็บเป็นกราฟความรู้แยกต่างหาก แล้วดึงเฉพาะส่วนที่เกี่ยวข้องมาฉีดใส่โมเดลหลักแบบเรียลไทม์ ตอนใช้งานจริงเคลมว่าเร็วกว่า 300 มิลลิวินาที
บริษัทอ้างผลเทสบน benchmark ความจำระยะยาวหลายตัวว่าทำได้ดีเป็นอันดับต้นๆ และตอนนี้มีองค์กรใช้งานอยู่แสนกว่าราย ประมวลผลกว่าแสนล้านโทเคนต่อวัน
เพิ่งประกาศมาไม่ถึงวัน เลยยังไม่มีรีวิวอิสระลึกๆ ส่วนใหญ่บน X เป็นคำถามมากกว่าคำชม คนสงสัยว่านี่คือ continual learning จริงหรือแค่ retrieval ที่ฉลาดขึ้น เพราะความรู้ยังอยู่นอกโมเดลหลัก ไม่ได้เขียนลงน้ำหนักโมเดลจริงๆ ก็มีคนเอาไปเทียบกับ Mem0, Zep, MemGPT ที่แนวคิดคล้ายกัน
ผมมองว่าทิศทางนี้สำคัญมาก เพราะต่อให้โมเดลเก่งแค่ไหน ถ้า agent ไม่จำบริบทของงานที่ทำอยู่ต่อเนื่อง มันก็ยังทำงานแทนคนได้ไม่เต็มที่
อยากใช้ AI กับงานจริงเป็นระบบ?
เรียน Claude Method — วิธีคิดและลงมือใช้ Claude/AI กับงานจริง ตั้งแต่วันแรก
📍 โพสต้นฉบับบน Facebook: AI กับ Peesamac