La memoria de los agentes de IA en 2026: Mem0, Letta, Zep y la comparación con las plataformas en la nube.

Al iniciar una sesión nueva con la mayoría de los agentes de IA, te encuentras con un desconocido. No sabe tu nombre, qué estás desarrollando, ni que ayer pasó una hora contigo intentando solucionar el mismo error. La solución habitual ha sido pegar la transcripción anterior en el siguiente prompt, pero eso siempre ha supuesto una carga: más tokens, respuestas más lentas y menor precisión. Durante 2026 esa carga se volvió demasiado pesada como para seguir soportándola, por lo que aparecieron capas de memoria diseñadas específicamente para reemplazarla.

Algunas cifras muestran la magnitud de este cambio. El algoritmo de tercera generación de Mem0 obtuvo una puntuación de 94.4 en LongMemEval, utilizando aproximadamente 7,000 tokens por consulta; mientras que utilizar toda la historia histórica requiere 25,000 tokens o más. Además, su latencia p95 disminuyó en un 91%, pasando de 17.12 segundos a 1.44 segundos. El grafo de conocimiento temporal de Zep alcanzó un 94.8% en la prueba Deep Memory Retrieval, frente al 93.4% de MemGPT, con tiempos de respuesta un 90% más bajos. Anthropic lanzó la memoria persistente para los Claude Managed Agents en beta pública el 23 de abril de 2026, y Rakuten, uno de los primeros en adoptarla, informó una reducción del 97% en errores en la primera pasada, un descenso del 27% en costos y una reducción del 34% en latencia para los agentes que ejecutan tareas prolongadas. AWS y Microsoft transformaron la misma idea en productos para sus nubes. Y en mayo de 2026, OWASP inició un proyecto dedicado llamado Agent Memory Guard, ya que un almacenamiento que persiste entre sesiones se había convertido en objetivo de los atacantes.

A continuación se presenta un recorrido por ese terreno: qué es realmente la memoria, cómo se construyen los sistemas principales, qué información ofrecen y qué no los puntos de referencia, dónde falla la memoria y hacia dónde se dirige.

El problema de la amnesia

Cualquiera que haya lanzado un agente en los últimos años conoce ese obstáculo. Dentro de una misma sesión el modelo funciona de manera óptima. Pero entre sesiones se comporta como un pez dorado. Cada inicio de sesión comienza desde cero, se vuelven a solicitar todas las preferencias, y cada dato sobre el usuario, el proyecto o el flujo de trabajo debe reconstruirse a partir de una transcripción bruta o introducirse en el prompt del sistema, hasta que los costos relacionados con el contexto dominen los gastos totales de despliegue.

Los productos para consumidores intentaron ocultar esta brecha. OpenAI lanzó ChatGPT Memory en todas las versiones de pago para septiembre de 2024, la amplió en abril de 2025 para incluir todas las conversaciones anteriores y la hizo disponible también para usuarios gratuitos en junio de 2025. Anthropic añadió memoria automática a Claude en octubre de 2025, la hizo gratuita para todos en marzo de 2026 y lanzó una herramienta de memoria programática para Claude Managed Agents en beta pública, la cual expone un directorio persistente /memory con archivos que se mantienen entre sesiones. Se trata de funciones útiles, aunque ninguna de ellas es un componente que se pueda integrar en el propio agente.

Para los desarrolladores, la alternativa poco eficiente de volver a procesar toda la historia en cada llamada parece aceptable en una demostración, pero falla a gran escala. LongMemEval, un benchmark de NeurIPS 2024 para la memoria de los asistentes de chat, lo cuantificó. Con historias que alcanzan unos 115K tokens, incluso los modelos de contexto largo más avanzados perdieron entre 30 y 60 puntos absolutos de precisión en comparación con un oráculo al que se le proporcionan directamente las pruebas relevantes. GPT-4o, al leer toda la historia, obtuvo resultados entre aproximadamente el 60.6% y el 64%, frente a un límite máximo del oráculo del 87% al 92%. Una ventana de un millón de tokens no sirve de ayuda; simplemente proporciona un montón aún mayor en el que el modelo puede perder la pista.

Hasta 2026 el campo llegó a una idea más clara: la memoria es un componente por sí mismo. No se trata de un truco basado en ventanas de contexto, ni de un índice RAG sobre registros de chat, ni de un modelo de prompt. Es un almacén de primera clase con su propio método de escritura, reglas de eliminación, API de recuperación, modelo de seguridad y pruebas de rendimiento. La actividad tiene lugar en cuatro lugares al mismo tiempo:

• SDKs de código abierto: Mem0, Letta, Zep con Graphiti, Cognee, LangMem y Memori.
• Productos de hyperscalers: AWS Bedrock AgentCore Memory, la memoria con alcance por usuario de Microsoft Foundry y la memoria de Claude Managed Agents de Anthropic.
• I+D: A-MEM, HippoRAG 2, MemoryOS, M3-Agent para entrada multimodal, MemRL para agentes que evolucionan por sí mismos, AgeMem y el afinamiento de memoria dispersa de Meta.

Dentro del modelo: DeepSeek V4 (marzo de 2026) introdujo Engram, un diseño de memoria O(1) basado en hashing que puede manejar un contexto de 1 millón de tokens al costo aproximado de uno de 128K, alcanzando un 97% en pruebas de tipo “aguja en un pajar” con esa longitud. La línea que separa la memoria dentro del modelo de la memoria en un almacenamiento externo se está volviendo cada vez más difusa.

El informe de Mem0 sobre el Estado de la Memoria de los Agentes de IA en 2026 denomina a este resultado como ingeniería de memoria: una disciplina de producción con sus propios puntos de referencia, compromisos y prácticas operativas, siguiendo el mismo camino que tomó la ingeniería de prompts para llegar a la ingeniería de contexto. El resto de este texto utiliza ese vocabulario, basándose en el artículo Mem0 ECAI 2025 y su actualización de abril de 2026, el artículo de Zep, las pruebas LongMemEval y LoCoMo, el marco CoALA, los trabajos MemGPT y Letta, HippoRAG 2, MemoryOS, M3-Agent, el lanzamiento de Claude Managed Agents, AgentCore Memory y las guías de OWASP.

Las ventanas de contexto, RAG y los registros de chat no son memoria

En casi todas las reuniones en las que se plantea “añadir memoria” surgen tres confusiones que vale la pena aclarar antes de que las arquitecturas tengan sentido.

Una ventana de contexto no es memoria. La ventana tiene vida breve, es volátil y se vuelve a cargar en cada turno. La memoria persiste entre sesiones y cuenta con su propio nivel de almacenamiento, reglas de evolución y política de olvido. Se complementan mutuamente, pero ninguna reemplaza a la otra. LongMemEval demostró que incluso los modelos más avanzados con ventanas de millones de tokens pierden más del 30% de precisión cuando se les pide recordar hechos de sesiones anteriores sin una capa de memoria.

RAG no es memoria. La generación mejorada por recuperación clásica busca en un corpus estático, documentos que ya existen antes de que el agente hable con alguien. La memoria, en cambio, examina el propio pasado del agente: mensajes, llamadas a herramientas, hechos declarados por el usuario y resúmenes derivados de ellos. La característica distintiva en 2026 es la vía de escritura. Un índice RAG es en su mayor parte de solo inserción y sin estado, mientras que la memoria cambia con el tiempo, puede contener versiones contradictorias de un hecho, debe corregirse cuando está equivocada y es escrita por el propio agente.

Un registro de chat no es memoria. Una transcripción conserva todo, incluido el ruido. La memoria debe contener hechos extraídos como “el usuario prefiere unidades métricas”, “la fecha límite del tercer trimestre se trasladó al 14 de noviembre” o “la clave API de Stripe se rotó el 2026-04-12”, cada uno con su origen y un período de validez, en lugar de 80,000 tokens de conversaciones triviales. Esa compresión, realizada con alta precisión y publicada a través de una API que tanto el agente como el equipo de seguridad pueden auditar, constituye la función principal de una capa de memoria.

Todos los sistemas mencionados abajo persiguen el mismo objetivo: el agente debe actuar como si existieran meses de historia compartida, pero la carga de trabajo debe mantenerse por debajo de la reproducción de todo el contexto; el agente no debe inventar hechos sobre su usuario, y nadie debe poder introducir datos erróneos en lo que recuerda.

El vocabulario compartido de CoALA

Casi todos los frameworks actuales, ya sean Mem0, Letta, LangMem, Cognee, Memori o AgentCore, adoptan la misma taxonomía. Esta proviene de CoALA, el artículo publicado en 2023 por Princeton y CMU sobre arquitecturas cognitivas para agentes lingüísticos, el cual relacionó cuatro tipos de memoria humana con los agentes basados en LLM:

• Memoria de trabajo es la ventana de contexto activa, las variables utilizadas en el ciclo de decisión actual. Es volátil.
• Memoria episódica almacena experiencias pasadas específicas junto con su momento y narrativa: “el usuario preguntó sobre los webhooks de Stripe el 4 de marzo y se produjo el error X.”
• Memoria semántica contiene hechos generalizados: “al usuario le gustan las respuestas breves”, “el año fiscal de ACME finaliza el 30 de septiembre.”

Memoria procedural abarca habilidades, rutinas y código. Por lo general se encuentra en los pesos del modelo, las instrucciones del sistema y los registros de herramientas, aunque cada vez más sistemas la escriben en tiempo de ejecución. LangMem mantiene un almacén de reglas de instrucciones, mientras que A-MEM conserva una red en constante evolución de notas.

Esta división es importante porque cada proveedor adopta un enfoque distinto. Mem0 se basa principalmente en la semántica. Zep abarca la memoria episódica y temporal-semántica sobre la base de un grafo de conocimiento. Letta ofrece una máquina de memoria virtual que cubre los cuatro tipos. LangMem incluye almacenes separados para lo semántico, lo episódico y lo procedural. A-MEM difumina la línea entre la memoria episódica y la semántica mediante enlaces al estilo Zettelkasten, y Memori serializa todo en SQL. Saber para qué tipo de memoria se optimiza un sistema resuelve la mitad de las decisiones arquitectónicas.

Mem0: extraer primero, luego actualizar

Mem0 (de Y Combinator W24, que recaudó 24 millones de dólares en octubre de 2025 de Basis Set, Peak XV, GitHub Fund y Kindred Ventures) se convirtió en la capa de memoria de código abierto por defecto en 2026, al igual que pgvector se convirtió en el índice vectorial por defecto dos años antes: gestionaba el 80% de los casos sencillos con unas tres líneas de Python y funcionaba sin problemas en entornos de producción. A mediados de 2026 ya contaba con más de 41,000 estrellas en GitHub, más de 14 millones de descargas y 80,000 desarrolladores registrados, mientras que las llamadas a su API pasaron de 35 millones en el primer trimestre de 2025 a 186 millones en el tercero.

El diseño es intencionadamente sencillo. Mem0 se sitúa entre el modelo y un almacén de vectores, y ejecuta un proceso en dos pasos en cada interacción:

1. Extracción. El último intercambio entre el usuario y el asistente, junto con el contexto anterior, se envía a un extractor de LLM que propone hechos candidatos. Aquí también tiene lugar la compresión.

Actualización. Para cada candidato, Mem0 extrae los recuerdos almacenados más similares y le pide al modelo, a través de una instrucción de uso de herramientas, que elija entre ADD (un nuevo hecho), UPDATE (ampliar uno existente), DELETE (el candidato contradice un hecho almacenado) o NOOP.

Qué cambió en la versión 3

El algoritmo v3, integrado el 14 de abril de 2026, es el que convirtió a Mem0 en la opción estándar. Tres rediseños fueron clave:

• Extracción de una sola pasada y solo con adiciones. En lugar de que el modelo elija entre ADD, UPDATE, DELETE y NOOP en cada turno —lo que implica dos llamadas al LLM y muchos tokens—, v3 realiza una sola pasada de extracción que solo genera nuevos hechos, y trata los hechos generados por el agente como equivalentes a aquellos indicados por el usuario. La deduplicación y el enlace de entidades se realizan posteriormente, fuera del proceso principal.

Recuperación de múltiples señales. Tres métodos de puntuación funcionan en paralelo y se combinan en una sola puntuación: similitud semántica densa, coincidencia de palabras clave BM25 y coincidencia de entidades. La combinación se adapta a las señales disponibles en el momento de la consulta.

Vinculación de entidades en lugar de un grafo. La versión v3 eliminó por completo la variante basada en Neo4j. Ahora las entidades se extraen con spaCy, sin la participación de un LLM, y se almacenan en una colección vectorial {collection}_entities donde cada fila contiene una lista linked_memory_ids. Esa estructura tipo núcleo y radios mantiene la mayor parte de las funcionalidades que ofrecía un grafo, pero a una fracción del costo operativo.

Resultados reportados:

• LoCoMo: 92.5 en general, con +29.6 en preguntas temporales y +23.1 en preguntas de múltiples pasos en comparación con el contexto completo.
• LongMemEval: 94.4 en total, con un puntaje de +53.6 en preguntas del asistente de sesión única, +42.1 en razonamiento temporal y +16.7 en actualizaciones de conocimiento.
• BEAM con 1M y 10M tokens: 64.1 y 48.6.
• Costo por token: aproximadamente 7,000 por llamada de recuperación frente a 25,000 o más para obtener el contexto completo, lo que representa una reducción de casi el 90%.
• Latencia p95: 1.44 segundos frente a 17.12, lo que supone una reducción de casi el 91%.
• Frente a OpenAI Memory: 66.88% frente al 52.90% en la puntuación general con un LLM como juez, lo que representa una mejora relativa del 26%.

Impacto en el entorno de producción

La documentación de integración de Mem0 enumera 21 frameworks y plataformas tanto en Python como en TypeScript, entre las que se encuentran LangChain, LangGraph, LlamaIndex, CrewAI, AutoGen, el SDK de IA de Vercel, AgentOps y Raycast, además de 20 servidores de almacenamiento vectorial como Qdrant, Chroma, Weaviate, Pinecone y pgvector. También puede ejecutarse como servidor MCP, lo que permite que Claude Code, Cursor o cualquier otro cliente compatible con MCP se comunique con él. Los agentes de voz son una opción natural, ya que existe integración específica para ElevenLabs Conversational AI (herramientas asíncronas addMemories y retrieveMemories a través de llamadas a funciones), LiveKit y Pipecat.

La historia de cliente más citada es la de RevisionDojo, una plataforma educativa que reemplazó su sistema de personalización basado en contexto completo por Mem0 y registró una disminución del 40% en los costos de tokens, además de un aprendizaje más personalizado. Mem0 afirma que miles de equipos, desde startups hasta empresas de la lista Fortune 500, lo utilizan en entornos de producción, pero pocos nombres de empresas grandes son públicos.

Letta: la memoria como sistema operativo de memoria virtual

Mientras Mem0 funciona como una API de complemento, Letta actúa como el sistema operativo. Fue desarrollado en 2024 por el Sky Computing Lab de Berkeley como sucesor en producción del trabajo académico MemGPT (arXiv:2310.08560), y trata la ventana de contexto del modelo como RAM, cargando e descargando información de forma intencionada. Cuenta con tres niveles explícitos:

• Memoria principal es el equivalente a la RAM: un bloque pequeño que siempre está en contexto, albergando la identidad, la personalidad y el estado de la tarea activa.

Memoria de recuperación funciona como una caché de disco: un historial de conversaciones buscable almacenado fuera de la ventana.

Memoria de archivo es un almacenamiento a largo plazo: hechos semánticos a los que el agente mismo da forma.

Tres decisiones de diseño distinguen a Letta de todo lo demás que existe en el mercado.

Memoria autoeditable. El agente mantiene su propia memoria durante el proceso mediante herramientas como core_memory_append, archival_memory_insert y memory_replace. No hay un extractor separado que funcione en segundo plano. El modelo decide en el momento de razonar qué información merece conservarse.

Procesamiento durante el tiempo de inactividad. Puedes adjuntar un agente separado que funcione de forma asíncrona mientras el agente principal está inactivo. Este analiza el historial de conversaciones, los archivos derivados y las huellas de las herramientas, y genera un bloque resumido del contexto aprendido que el agente principal carga en su siguiente turno. El agente de tiempo de inactividad puede ejecutar un modelo diferente, generalmente más grande, que el principal, de modo que se procesa a bajo costo mientras se brinda servicio y se invierte más tiempo en la consolidación. Esto es lo opuesto a cómo escala normalmente la inferencia autoregresiva, y recuerda cómo los cerebros transforman los recuerdos episódicos en semánticos durante el sueño.

Archivo del agente (.af). Letta puso a disposición de forma open source un formato de serialización que agrupa el prompt del sistema, bloques de memoria editables, código y esquemas de herramientas, además de los ajustes del modelo en un único archivo. Dichos archivos pueden guardarse como puntos de control, versionarse y transferirse entre entornos compatibles, lo que representa en este campo el equivalente más cercano a una imagen Docker para agentes con estado. Al exportarlos, los secretos se eliminan.

Código Letta y su puntuación en Terminal-Bench

A finales de 2025, Letta lanzó Letta Code, un agente de programación en línea de comandos de código abierto desarrollado sobre su SDK para agentes con estado. La idea es que herramientas basadas en sesiones como Cursor, Aider o Cline comienzan desde cero cada vez, mientras que un agente con estado acumula conocimiento sobre la estructura de un proyecto, tus preferencias, sesiones anteriores de depuración y convenciones del equipo. Se obtiene un agente por proyecto, y este permanece activo mientras dure el proyecto.

La afirmación sobre el rendimiento es concreta. En Terminal-Bench, Letta Code ocupa el primer lugar entre los agentes de código abierto independientes del modelo, con un 42,5% en general (el cuarto en total y el segundo entre los agentes impulsados por Claude 4 Sonnet); además, el código del agente tiene menos de 200 líneas además del SDK. Puede alternar entre Claude, GPT, Gemini, GLM y Kimi manteniendo intacta la memoria, que es precisamente el escenario para el cual se diseñó Agent File.

Zep y Graphiti: un grafo de conocimiento temporal

Tanto Mem0 como Letta utilizan un almacén de vectores como sustrato principal. Zep (arXiv:2501.13956) toma un enfoque opuesto y modela la memoria como un grafo de conocimiento temporal. Graphiti, su motor de núcleo abierto, se basa en tres capas de subgrafos y un modelo bitemporal que registra por separado cuándo ocurrió algo y cuándo lo descubrió el sistema.

• El subgrafo de episodios conserva las entradas en bruto y de alta fidelidad (mensajes de conversación, documentos JSON, instantáneas transaccionales), cada una marcada con la hora del evento original. Nunca se vuelve a escribir.
• El subgrafo de entidades semánticas almacena las entidades y hechos extraídos, integrados como vectores de 1024 dimensiones y conectados mediante relaciones tipadas. Las entidades cuentan con intervalos de validez.
• El subgrafo comunitario forma clústeres de orden superior sobre la capa de entidades mediante el método de detección de comunidades basado en propagación de etiquetas, que se actualiza de forma incremental, a diferencia de Leiden.

El modelo bitemporal es la parte más difícil de replicar con un almacén de vectores simple. Cada arista en Graphiti contiene cuatro marcas de tiempo:

t_valid    : when this fact started being true in the world
t_invalid  : when it stopped being true (open if still true)
t'_created : when the system first learned the fact
t'_expired : when the system superseded or removed it

Ese diseño permite a Zep responder a “¿en qué creía el agente el pasado martes?” con la misma facilidad que a “¿qué es lo correcto en este momento?”. Los equipos de cumplimiento y cualquiera que defienda las decisiones anteriores de los agentes necesitan exactamente eso. Si un usuario cambia de empleador, el anterior no se elimina: el hecho anterior se marca con t_invalid, se agrega el nuevo y ambos siguen siendo buscables.

Resultados reportados en el artículo de Zep: 94.8% en recuperación de memoria profunda frente al 93.4% de MemGPT; hasta un 18.5% más de precisión en LongMemEval con una latencia aproximadamente un 90% menor que la del contexto completo. Comparaciones independientes indican que la recuperación de tipo gráfico, incluyendo Graphiti, supera en unos 35% la precisión de la recuperación basada únicamente en vectores en consultas relacionales de múltiples pasos.

Más opciones de código abierto

Estos tres no son los únicos. Varios otros diseños merecen atención.

Cognee

Cognee (con aproximadamente 12,000 estrellas en GitHub a mediados de 2026) integra un grafo, un almacén vectorial y un almacén relacional detrás de una única API. La ingesta se realiza a través de un pipeline de seis etapas llamado “cognify”, seguido por un proceso de refinamiento automático denominado “memify” que elimina nodos obsoletos, reajusta el peso de las aristas según su frecuencia de uso y agrega hechos derivados. Están disponibles catorce modos de recuperación, que van desde la simple similitud vectorial hasta el recorrido por grafo guiado por una cadena de razonamiento, e incluye un servidor MCP.

LangMem

El SDK de LangChain ofrece funcionalidades de memoria en dos puntos de integración: una ruta principal con herramientas síncronas que el agente llama durante cada turno, y un gestor en segundo plano que extrae, consolida y elimina duplicados de forma asíncrona. Cuenta con almacenamientos semánticos, episódicos y procedimentales de primera clase, y es el único SDK importante que trata la memoria procedimental, como “cuando el usuario diga ‘lo antes posible’, elevar la prioridad”, como una característica principal.

Memori

Memori (Memori Cloud, lanzado el 2 de marzo de 2026) guarda la memoria en SQLite o Postgres en lugar de en una base de datos vectorial. Esto le brinda pleno control sobre los datos sin necesidad de nueva infraestructura, y el proyecto afirma lograr una reducción del 80% al 98% en los costos de inferencia al insertar únicamente el contexto relevante extraído con SQL. Una sola línea de Python permite añadir memoria persistente a un agente de OpenAI, Anthropic o LangChain.

A-MEM

A-MEM (NeurIPS 2025, arXiv:2502.12110) convierte cada memoria en una nota al estilo Zettelkasten atómica con atributos estructurados. Una nueva nota se conecta con las anteriores y actualiza sus atributos a la luz de la nueva información, de modo que la red sigue evolucionando. Es la arquitectura más “viva” en la literatura de investigación, y supera al estado del arte en LoCoMo en seis modelos base.

HippoRAG 2

HippoRAG 2 (ICML 2025, arXiv:2502.14802) extrae triples de grafos de conocimiento abiertos de los pasajes y conecta sinónimos para formar lo que los autores denominan un índice hipocampal artificial. En el momento de la consulta, ejecuta Personalized PageRank partiendo de nodos semilla, imitando el proceso de completación de patrones hipocampales. Reporta una mejora del 7% en la memoria asociativa respecto a las bases de referencia más potentes, y cada vez sirve más como capa de recuperación en arquitecturas al estilo Zep y Cognee.

MemoryOS

MemoryOS (EMNLP 2025 Oral, arXiv:2506.06326) es el pariente de investigación de Letta. Formaliza tres niveles de memoria personal: a corto plazo, a medio plazo y a largo plazo, con reglas de transición explícitas: primero en entrar, primero en salir desde el nivel a corto plazo al medio plazo, y organización por páginas segmentadas desde el nivel a medio plazo al largo plazo. Cuatro módulos (almacenamiento, actualización, recuperación y generación) funcionan en todos estos niveles. Con las bases de referencia LoCoMo y GPT-4o-mini, logra un aumento del 48.36% en F1 y del 46.18% en BLEU-1, la mayor mejora reportada hasta ahora por cualquier artículo de 2025 en esa prueba de rendimiento. Se espera que la funcionalidad de paginación a nivel medio llegue a los SDKs de producción durante 2026.

MemRL

MemRL (enero de 2026) es la nueva dirección a seguir. Trata la memoria como un sustrato para el aprendizaje por refuerzo. Cada interacción se registra como un trípode (Intento, Experiencia, Utilidad), donde la utilidad es un valor Q aprendido que indica qué tan bien esa experiencia sirvió para intentos similares. Un proceso de recuperación en dos fases muestra las experiencias pasadas más útiles para la tarea actual, y los valores Q se actualizan a medida que el agente opera. La memoria del agente se vuelve más inteligente y no solo más grande, lo cual representa lo más cercano al aprendizaje a partir de la experiencia que se puede lograr sin modificar los pesos del modelo.

SuperLocalMemory

SuperLocalMemory (arXiv:2603.02240) toma un enfoque opuesto, alejándose de la nube y dirigiéndose al dispositivo. Este sistema multiagente centrado en lo local utiliza SQLite con búsqueda de texto completo FTS5, agrupa su grafo de conocimiento mediante Leiden, coordina las operaciones a través de una capa basada en eventos con información sobre el origen de cada agente, y se protege contra la manipulación mediante puntuación de confianza bayesiana, todo ello sin dependencia de la nube ni uso de modelos LLM en el proceso de recuperación. Junto con la plataforma SQLite-AI más amplia, que integra la inferencia, la recuperación de datos, la memoria, el análisis y la sincronización en un único archivo, representa una opción fiable para proteger la privacidad en agentes personales, cargas de trabajo reguladas e implementaciones periféricas.

AgeMem

AgeMem (2026) amplía las cuatro operaciones de actualización de Mem0 a seis herramientas, a saber ADD, UPDATE, DELETE, RETRIEVE, SUMMARY y FILTER, e incluye reglas TTL para que los recuerdos antiguos caduquen. Su objetivo es abordar un problema que el sector solo comenzó a tomar en serio este año: un almacén que sigue creciendo indefinidamente termina dañándose a sí mismo.

La entrada de los hyperscalers

El mayor avance de 2026 es que los proveedores de nube dejaron de observar desde la periferia. Los tres principales lanzaron servicios de memoria como productos de primera categoría en aproximadamente seis meses.

AWS Bedrock AgentCore Memory

Presentado en el AWS Summit New York en 2025 y perfeccionado constantemente a lo largo de 2026, AgentCore Memory es la versión comercializada por Amazon:

• Memoria a corto plazo: registra el estado paso a paso dentro de una sesión.

Memoria a largo plazo extrae automáticamente las preferencias del usuario, los hechos clave y resúmenes de sesiones a lo largo de diferentes sesiones.

Episodios estructurados (disponibles generalmente en 2026) capturan el contexto, el razonamiento, las acciones y los resultados de cada episodio, para que los agentes puedan aprender de trayectorias anteriores y no solo de hechos.

Metadatos sobre la memoria a largo plazo (mayo de 2026) permiten etiquetar, filtrar y recuperar información mediante atributos estructurados además de la búsqueda semántica.

Notificaciones en tiempo real (marzo de 2026) eliminan la necesidad de consultar periódicamente los cambios en la memoria.

Almacenamiento gestionado de sesiones (vista previa de marzo de 2026) mantiene el estado del sistema de archivos cuando un agente se detiene y vuelve a iniciarse.

Precio: $0.75 por cada 1,000 registros para operaciones de memoria, con la inferencia de extracción incluida. AgentCore Runtime añade $0.0895 por vCPU-hora y $0.00945 por GB-hora; el tiempo dedicado a esperar operaciones de E/S es gratuito, lo cual es importante ya que las cargas de trabajo de los agentes pasan del 30% al 70% de su tiempo total esperando.

Memoria con alcance por usuario en Microsoft Foundry

La capa de memoria persistente de Microsoft Foundry, anunciada como disponible para todos en Build 2026, tiene una estructura diferente:

• Particionamiento por usuario. La memoria de cada usuario se encuentra en su propio contenedor de Azure Cosmos DB, particionada según la identidad, de modo que los contextos permanecen separados y se gestionan uno por uno.
• Señales curadas y de larga duración, como preferencias, intenciones recurrentes y resultados resumidos, en lugar de transcripciones en bruto. La transcripción permanece en el almacén de conversaciones del lado del servidor y solo las señales comprimidas se convierten en memoria duradera.
• DevUI, un depurador local basado en navegador para observar en tiempo real la ejecución del agente, las lecturas y escrituras de memoria, así como su comportamiento de orquestación.
• Herramientas de evaluación con seguimiento, pruebas de reproducción y pruebas automatizadas de tipo “red-teaming” de los caminos de decisión del agente, lo cual es importante porque la memoria específica del usuario genera modos de fallo propios de cada usuario.

La estrategia es clara: Microsoft mantiene separados, en la capa de almacenamiento, el contexto de sesión de corta duración y la memoria duradera del usuario, evitando el deterioro lento que ocurre cuando un único almacén debe realizar ambas funciones.

Memoria de los agentes gestionados por Anthropic Claude

Anthropic proporciona el estudio de caso con las mayores cifras de producción del año. La función de memoria para los agentes gestionados por Claude se puso a disposición en beta pública el 23 de abril de 2026. La persistencia se logra a través de archivos en un sistema de archivos que el agente, o usted mediante la API o la Consola de Claude, puede exportar, editar y gestionar.

Los resultados de los primeros usuarios son excepcionalmente concretos:

• Rakuten utiliza la memoria para que los agentes encargados de tareas de larga duración eviten repetir errores anteriores, y reporta una reducción del 97% en errores en la primera pasada, del 27% en costos y del 34% en latencia, todo dentro de límites observables y específicos para el espacio de trabajo. Es la cifra más citada de 2026 sobre cómo la memoria se paga por sí misma.
• Netflix mantiene el contexto a lo largo de las sesiones, incluyendo información obtenida en múltiples interacciones y correcciones realizadas por un revisor humano durante la conversación, lo que sustituye a las actualizaciones manuales de los prompts.

Wisedocs realiza la verificación de documentos en los agentes gestionados y logró comprobaciones un 30% más rápidas, gracias a los registros en memoria que indican qué problemas se repiten en qué plantillas, lo que permite al agente omitir análisis redundantes.

Ando utiliza la memoria a lo largo de las sesiones dentro de un flujo de trabajo financiero con muchas etapas.

Anthropic también presentó una función de investigación llamada “dreaming”: un proceso de reflexión sin conexión en el que los agentes gestionados reproducen los resultados de tareas anteriores para extraer lecciones duraderas. Es la misma idea que el sistema de cálculo durante el sueño de Letta, pero escalado a nivel de empresas de gran tamaño.

Lo que une a estas tres soluciones es el hecho de que la memoria ya no es una opción del SDK, sino una característica de la plataforma. Eso cambia la posición de los proveedores de código abierto, ya que Mem0, Letta y Zep ahora compiten con la nube que cada cliente ya utiliza. Sus argumentos se centran en la portabilidad (Agent File), la especialización (el modelo bi-temporal de Zep) y el costo (la propuesta de Memori basada en SQL).

Memoria que ve y oye

Todos los sistemas mencionados anteriormente suponen que la memoria es texto. Durante 2026 esa suposición se rompió, y en la segunda mitad del año la memoria de imágenes, videos y voz se convirtió en un campo de investigación por sí mismo.

M3-Agent de ByteDance Seed (arXiv:2508.09736) es el diseño de referencia principal. Recibe entrada visual y auditiva en tiempo real y crea un grafo de memoria multimodal centrado en entidades: cada persona, objeto o lugar se convierte en un nodo, y el agente relaciona las identificaciones faciales y vocales con ese mismo nodo. Esto permite responder a preguntas como “¿qué dijo el hombre junto a Sarah sobre el proyecto la semana pasada?”, algo que una tienda basada únicamente en texto no puede hacer. Funciona con dos procesos: un bucle de memorización extrae continuamente rostros, voces y hechos semánticos del audio y video en streaming para incluirlos en el grafo, mientras que un bucle de control separado analiza el grafo para responder a las preguntas.

Para probar esta clase de sistemas, el equipo lanzó M3-Bench, que incluye 100 videos recién grabados desde la perspectiva de un robot y 929 videos obtenidos de Internet en diversos escenarios, con pares de preguntas y respuestas que evalúan la comprensión humana, la extracción de conocimientos generales y el razonamiento intermodal. M3-Agent supera a los modelos basados en visión y lenguaje más potentes (Gemini 1.5 Pro y GPT-4o), con ventajas de 6.7, 7.7 y 5.3 puntos respectivamente en las pruebas M3-Bench-robot, M3-Bench-web y VideoMME-long.

Cada vez hay más trabajos relacionados. M2A ofrece una memoria híbrida de doble capa para interacciones multimodales personalizadas. VideoAgent almacena descripciones generales de eventos junto con los estados de los objetos rastreados, mientras que WorldMM organiza memorias episódicas, semánticas y visuales a partir de flujos de video. Mem-Gallery (arXiv:2601.03515) es una prueba de referencia diseñada para medir cómo se conserva, organiza y evoluciona la memoria a lo largo de conversaciones multimodales prolongadas.

Las implicaciones prácticas son sencillas. Una cámara web, una pantalla compartida, una línea de voz o un documento lleno de cifras le indican a un agente que una tienda basada únicamente en texto simplemente no funciona. En aproximadamente un año, los principales SDK deberían ofrecer componentes para construir memoria multimodal, y el grafo centrado en entidades de M3-Agent parece ser la opción más segura para convertirse en el modelo a seguir.

Qué miden las pruebas de referencia

Cuatro pruebas de referencia sirven como punto de referencia en la mayoría de las comparaciones.

• LongMemEval (NeurIPS 2024, arXiv:2410.10813) consta de 500 preguntas relacionadas con cinco habilidades, ubicadas dentro de historiales de chat de diferentes longitudes: aproximadamente 115K tokens para la variante S y unos 1.5M tokens en 500 sesiones para la variante M. Su principal hallazgo es que los asistentes comerciales pierden un 30% en precisión con la memoria entre sesiones, y hasta un 60% en las categorías más difíciles.

LoCoMo (ACL 2024) se centra en conversaciones largas con preguntas basadas en el tiempo y de múltiples saltos. Mem0 obtiene +29.6 en el aspecto temporal y +23.1 en las preguntas de múltiples saltos, mientras que MemoryOS logra un F1 del +48.36% en comparación con las bases de referencia GPT-4o-mini.

Deep Memory Retrieval proviene del trabajo MemGPT. Zep alcanza un 94.8% frente al 93.4% de MemGPT.

M3-Bench es la primera prueba de rendimiento seria para la memoria a largo plazo multimodal, que utiliza videos de robots y de internet. M3-Agent supera a Gemini 1.5 Pro y GPT-4o por una ventaja de 5 a 8 puntos.

Varios de los más recientes también cuentan ahora. BEAM examina la memoria con 1M y 10M de tokens, mientras que Mem0 v3 obtiene puntuaciones de 64.1 y 48.6 respectivamente. Context-Bench, desarrollado por Letta (2026), evalúa la ingeniería de contexto agente, es decir, si un modelo sabe qué colocar en su propio contexto y cuándo. MemoryAgentBench (ICLR 2026, arXiv:2507.05257) es el nuevo instrumento más importante. Su método consiste en inyectar un documento una vez y luego consultarlo repetidamente: los textos largos se dividen en trozos de 512 o 4,096 tokens y se introducen mediante intercambios múltiples. Dos conjuntos de datos diseñados específicamente, EventQA y FactConsolidation, verifican la recuperación de información, el aprendizaje en tiempo de prueba y el manejo de hechos contradictorios. MemBench (arXiv:2506.21605) añade otro criterio al evaluar a los agentes en términos de efectividad, eficiencia y capacidad, además de puntuar por separado la memoria factual y reflexiva, así como la participación frente a la mera observación. Para finales de 2026, estos dos probablemente serán los estándares por defecto.

La forma de preguntar qué hace realmente un sistema de memoria, el papel que desempeñó LongMemEval en las conversaciones en 2025.

Advertencia: cada proveedor realiza pruebas de rendimiento con la configuración que mejor se adapta a su arquitectura, por lo que es mejor leer los desgloses por categoría en lugar del título general. En entornos de producción, el costo de los tokens y la latencia son tan importantes como la precisión. Reproducir todo es un punto de referencia legítimo, y cualquier capa de memoria que no pueda superarlo en ambos aspectos al mismo tiempo debería avergonzarse. Para 2026, todos los sistemas principales superarán ese umbral.

Cómo se comparan los diseños

Analicemos cada componente por separado:

• Sustrato. Mem0 utiliza un almacén vectorial con enlaces tipo hub-and-spoke entre entidades. Letta emplea una jerarquía de memoria virtual por niveles, Zep un grafo de conocimiento temporal en Neo4j, Cognee un grafo unificado, además de almacenes vectoriales y relacionales, y Memori SQL. AgentCore se gestiona dentro de Bedrock, Microsoft Foundry utiliza Cosmos DB particionado por usuarios, y los Agentes Gestionados de Anthropic emplean un sistema de archivos.
• Tipos de memoria soportados. Mem0 abarca la memoria semántica y las entidades. Letta cubre los cuatro tipos de CoALA. Zep maneja la memoria episódica, temporal-semántica y comunitaria. LangMem cuenta con almacenes semánticos, episódicos y procedimentales; Memori incluye memoria semántica y episódica en SQL; AgentCore almacena episodios estructurados; y Foundry solo soporta señales de larga duración.

Escribir ruta. Mem0 v3 realiza una extracción en un solo paso con deduplicación posterior. Letta edita la memoria dentro del bucle y la consolida durante el tiempo de inactividad. Zep escribe bordes bitemporales, AgentCore integra la inferencia de extracción en su precio, y Foundry selecciona las señales mientras el texto sin procesar permanece en el almacén de conversaciones.

Razonamiento temporal. Mem0 mantiene metadatos con marcas de tiempo. Letta cuenta con marcas de tiempo de archivo además del procesamiento durante el tiempo de inactividad. Zep es nativamente bitemporal y lidera la industria en este aspecto. AgentCore etiqueta la memoria a largo plazo con metadatos y Foundry maneja el tiempo de forma implícita a través de los tipos de señales.

Señales de recuperación. Mem0 fusiona puntuaciones semánticas, BM25 y de entidades. Zep combina recorrido por grafos, vectores, BM25 y tiempo. Cognee ofrece 14 modos, mientras que Memori depende de consultas SQL.

Portabilidad. Letta cuenta con el estándar abierto .af y Anthropic permite la exportación al sistema de archivos. Otros ofrecen formatos específicos del fabricante.

Más adecuado para cada caso. Mem0 es ideal para personalizaciones rápidas, agentes de voz y aplicaciones para consumidores. Letta es adecuado para agentes que funcionan durante mucho tiempo, al estilo de los sistemas operativos, y para agentes de programación. Zep está dirigido a empresas reguladas que necesitan auditorías, a los equipos de investigación y desarrollo de Cognee que desean control gráfico, y a los pequeños equipos de Memori que prefieren SQL. AgentCore es adecuado para entornos de AWS, Foundry para entornos de Microsoft, y Claude Managed Agents para quienes ya utilizan la plataforma Claude.

Punto de prueba clave. Mem0: 94.4 en LongMemEval. Zep: 94.8% en DMR. MemoryOS: +48.36% F1 en LoCoMo. Letta Code: 42.5% en Terminal-Bench, el primero entre los agentes de código abierto. HippoRAG 2: +7% en memoria asociativa. Anthropic con Rakuten: un 97% menos de errores en la primera pasada, un 27% menor costo y un 34% menos de latencia. M3-Agent: de 5 a 8 puntos más que los modelos de referencia visión-lenguaje en pruebas multimodales.

Cuando la memoria se convirtió en una superficie de ataque

En mayo de 2026, la memoria de los agentes dejó de ser solo un factor de precisión y costo para convertirse en uno de seguridad.

Los signos de alerta aparecieron a principios de año. Microsoft Security escribió sobre el “envenenamiento por recomendaciones de IA”, práctica que consiste en manipular la memoria de un asistente con fines de lucro, en febrero de 2026. Radware presentó posteriormente una prueba de concepto llamada ZombieAgent: un archivo trampa en un correo electrónico instala una entrada en la memoria de un agente ChatGPT conectado a la bandeja de entrada de la víctima, de modo que cada interacción activa esa entrada envenenada y filtra datos a través de canales secundarios codificados con URL. En un escenario empresarial documentado, un agente de análisis financiero secuestrado aceptó un resultado intermedio contaminado y inició un flujo de trabajo que movió fondos sin autorización antes de que alguien pudiera revisarlo.

El envenenamiento de la memoria es algo distinto a la inyección habitual de comandos, por tres razones:

• Persistencia. La inyección de comandos corrompe una sola respuesta. Una memoria envenenada corrompe todas las respuestas posteriores que acceden a la clave afectada.
• Se oculta bien. Una entrada envenenada se parece exactamente al contexto almacenado legítimo.
• Autonomía. Los agentes actúan sobre la memoria a través de llamadas a herramientas, por lo que una memoria envenenada puede causar efectos secundarios en el mundo real sin la intervención humana.

La defensa llegó rápidamente. OWASP incluyó el envenenamiento de memoria en su lista Top 10 de 2026 para aplicaciones agentes como ASI06 (Envenenamiento de memoria y contexto) y publicó la implementación de referencia Agent Memory Guard a mediados de 2026:

• Lineamientos SHA-256 basados en claves de memoria inmutables como identity.user_id, de modo que cualquier manipulación externa sea detectada.

Políticas de seguridad YAML que relacionan las detecciones (intentos de inyección, fugas de datos sensibles, cambios en claves protegidas, cambios rápidos, anomalías de tamaño) con acciones: allow, redact, quarantine o block.

Hoja de ruta hacia v0.4.0 (T3 2026) que incluye detección de anomalías basada en IA, protección mediante almacenes vectoriales y un panel de monitoreo en tiempo real.

Un mínimo razonable para cualquier implementación basada en memoria este año incluye tiempos de vida limitados, ventanas de validez, registro de origen en cada escritura, parámetros criptográficos para claves de identidad, pruebas adversarias regulares y un paso de aprobación humana antes de que cualquier herramienta gestionada por memoria acceda a dinero o datos sensibles. El artículo de referencia sobre ataques y defensas es arXiv:2601.05504, y la Herramienta de Gobernanza de Agentes de Microsoft ahora incluye mitigaciones ASI06 explícitas.

Problemas que nadie ha resuelto

Incluso con la capa de seguridad implementada, aún quedan muchas cuestiones sin resolver:

• Memoria obsoleta. Un dato que hoy es correcto puede convertirse fácilmente en falso al día siguiente, y los almacenamientos de solo escritura se deterioran con el tiempo. Los TTL y los intervalos de validez son la solución, aunque aún no son la opción predeterminada.
• Identidad entre sesiones. Determinar si dos sesiones corresponden a la misma persona o al mismo proyecto es el subproblema más complicado sin resolver, especialmente en un espacio de nombres Mem0 multiinquilino con miles de identidades.
• Límite en la recuperación. La precisión alcanza su punto máximo con tres a cinco fragmentos de memoria recuperados y luego disminuye. La combinación de señales vectoriales, por palabras clave, entidades y recencia es el estándar actual, razón por la cual Mem0 v3 pasó a utilizar múltiples señales.

Contabilidad de costos. La afirmación de que “el almacenamiento en memoria ahorra tokens” solo es válida cuando las llamadas del modelo LLM de tipo extraer y actualizar cuestan menos que los tokens de contexto que evitan. En el caso de agentes con bajo volumen de operaciones, las cuentas matemáticas a veces cambian, por lo que el costo por resultado exitoso es la única cifra fiable.

Jerarquía mal clasificada. El estudio xMemory de 2026 reveló que el 44.91% de los recuerdos son reasignados entre diferentes niveles de jerarquía en un sistema en funcionamiento, lo que demuestra que la clasificación plana o de un solo uso falla. Los sistemas que realizan una nueva clasificación, como A-MEM, memify de Cognee, los agentes de tiempo de sueño de Letta y la paginación de nivel medio de MemoryOS, son los primeros en destacar como soluciones efectivas.

Evaluación limitada. LongMemEval y LoCoMo son sólidos, pero solo trabajan con texto y están diseñados para conversaciones. M3-Bench y Mem-Gallery abarcan el ámbito multimodal, mientras que Context-Bench y Terminal-Bench se enfocan en agentes que utilizan herramientas. Hasta el momento nadie ha creado una sola prueba para evaluar completamente todas las capacidades de un agente.

Una línea difusa entre empresas hyperscaler y código abierto. La cifra del 97% de Rakuten con Anthropic Managed Agents ejerce presión sobre todos los proveedores de código abierto para que demuestren un rendimiento comparable.

Elegir según la situación

Una guía práctica para 2026:

• Personalización del consumidor y agentes de voz: Mem0. Se implementa rápidamente, con SDKs maduros disponibles en 13 frameworks, 20 almacenamientos vectoriales y 3 plataformas de voz.
• Agentes y coaches personales de larga duración: Letta. La jerarquía del sistema operativo y el cálculo durante el tiempo de inactividad se adaptan perfectamente a tareas que duran varias semanas.
• Agentes de programación en una base de código privada: Letta Code, con un agente con estado por proyecto.
• Empresas reguladas que necesitan auditorías: Zep con Graphiti. El modelo bitemporal es su característica más destacada.
• Equipos de investigación y desarrollo que desean control gráfico: Cognee, o HippoRAG 2 como base.
• Equipos que ya utilizan LangGraph: LangMem, con el costo de integración más bajo y la única memoria procedural de primera clase.
• Equipos que simplemente desean usar SQL: Memori.
• Empresas de AWS: Bedrock AgentCore Memory, con precios por uso, versiones generalmente disponibles y notificaciones en tiempo real.
• Tiendas de Microsoft: memoria con alcance por usuario en Azure AI Foundry, con particionamiento de Cosmos DB, depuración mediante DevUI y evaluaciones integradas.
• Teams en la plataforma Claude: memoria de los Agentes Gestionados por Claude, portable en formato de archivos y con la mejor tasa de satisfacción del cliente publicada para 2026.
• Agentes multimodales con visión o voz: el patrón M3-Agent basado en un grafo centrado en entidades que vincula identificadores faciales y de voz. Aún no existe un SDK para producción, por lo que debes desarrollarlo tú mismo.
• Trabajos regulados de alta confianza en derecho, salud o finanzas: Zep o Cognee, además de políticas OWASP Agent Memory Guard, tiempos de vida limitados y un registro de auditoría. Nunca se utiliza un almacenamiento de solo escritura.

Hacia dónde se dirige la memoria

Al observar el resto de 2026 y 2027, destacan varias tendencias.

• La memoria pasa a formar parte de la arquitectura. El Engram de DeepSeek V4 es el dato más relevante: una recuperación basada en hashing con complejidad O(1) que puede manejar 1 millón de tokens con un costo similar al de 128K, alcanzando el 97% en pruebas de tipo “aguja en un pajar” a esa escala. Un diseño con dos vías separa la recuperación de conocimientos estáticos del cálculo en memoria de trabajo dinámica, lo que representa el paso más cercano que ha dado hasta ahora cualquier modelo de vanguardia para tratar la memoria como un elemento arquitectónico y no como una solución temporal basada en ventanas de contexto.

La memoria y el aprendizaje continuo convergen. El artículo de Meta sobre el ajuste fino de memoria dispersa (arXiv:2510.15103) reveló que aprender nuevos hechos a través de capas de memoria reduce el rendimiento en tareas no entrenadas solo en un 11%, frente al 89% obtenido con ajuste fino completo y el 71% con LoRA. Esto elimina la barrera entre una capa de memoria externa y la memoria basada en parámetros internos. Los modelos de vanguardia en 2027 podrían incluir capas nativas de memoria dispersa que funcionen como una vía de bajo olvido desde el almacenamiento de memoria del agente hasta los pesos del modelo.

La memoria como sustrato para el RL. El registro por parte de MemRL de la intención, la experiencia y la utilidad, junto con valores Q actualizados a partir de los resultados, convierte la recuperación de información en una señal para mejorar las políticas. Es probable que los SDKs de producción lo adopten a finales de 2026 bajo un nombre como recuperación ponderada por resultados.

La recuperación y la memoria se unifican. HippoRAG 2, A-MEM, MemoryOS y el almacén vinculado a entidades de Mem0 tratan la historia de un agente como otro corpus más dentro de un grafo. Las futuras plataformas ofrecerán una única API de recuperación para documentos y memoria de agentes, con un backend híbrido compartido.

La consolidación durante el tiempo de sueño se vuelve estándar. Los agentes que funcionan durante el sueño de Letta, la función de sueños de Anthropic y la paginación segmentada de MemoryOS comparten una misma idea: una reflexión fuera de línea que convierte rastros episódicos transitorios en conocimiento semántico duradero. Se espera que cada framework importante lance su propia versión para finales de 2026.

Memoria multimodal en los SDKs. Pruebas de rendimiento como Mem-Gallery y M3-Bench avanzan en esta dirección. El diseño basado en grafo de M3-Agent es el más probable que aparezca en Mem0, Letta o Zep para 2027.

La gobernanza se convierte en regulación. Tras ZombieAgent y ASI06, los registros de auditoría, las reglas de retención y el olvido consentido pasarán a ser requisitos del producto, y los auditores que trabajan según SOC 2 e ISO 42001 comenzarán a preguntar directamente sobre la higiene de la memoria.

La memoria procedural despega. La mayor parte del trabajo realizado hasta ahora ha sido semántico y episódico. El almacenamiento procedural de LangMem, las notas en evolución de A-MEM, el núcleo autoeditado de Letta y la capacidad de soñar de Anthropic apuntan a un objetivo más ambicioso: agentes que actualicen su propio comportamiento y no solo sus propios datos.

Memoria compartida entre agentes. Los equipos de agentes que trabajan como enjambre necesitan un repositorio al que todos los miembros puedan leer y escribir, ya que los almacenamientos privados por agente no son suficientes. Un tablero negro con protocolos de transferencia y una división clara entre la memoria en tiempo real para la ejecución actual y la memoria persistente a lo largo de las ejecuciones. Las API multiinquilino de Mem0, el almacenamiento archivístico compartido de Letta, la portabilidad de archivos de agentes y investigaciones como SRMT para el hallazgo de rutas multiagente son pasos iniciales en esta dirección.

Memoria privada y local. SuperLocalMemory y SQLite-AI ofrecen una alternativa creíble a los diseños basados únicamente en la nube: SQLite, FTS5, evaluación de confianza bayesiana y clustering Leiden, todo en el dispositivo, sin inferencia de LLM en el proceso de recuperación. Apple, Google y Microsoft trabajan cada uno en entornos de ejecución de agentes a nivel del sistema operativo que priorizan la memorización local, y los diseños nativos de SQL como Memori y las pipelines de extracción al estilo Mem0 deberían llegar a los SDKs móviles a finales de 2026.

El ingeniero en memoria se convierte en un cargo profesional. El informe de Mem0 presenta la ingeniería en memoria como una disciplina paralela a la ingeniería de prompts y contexto, con cuatro ámbitos de memoria (usuario, agente, equipo y flujo de trabajo), cada uno con responsables, reglas de retención y perfiles de riesgo diferentes. Se espera que este rol aparezca en las contrataciones para infraestructuras de IA para 2027.

La conclusión práctica

Durante la mayor parte de la era de los LLM, la gestión de la memoria era algo improvisado: un prompt del sistema oculto, RAG aplicado a chats antiguos, o una ventana de un millón de tokens que costaba 5 dólares por solicitud y aun así no lograba dar la respuesta correcta. En 2026 se convirtió en una capa verdadera con proveedores, productos en la nube, pruebas de rendimiento, rutas de escritura, un modelo de seguridad y sus propios modos de fallo.

Si su agente sigue pidiendo el nombre del usuario el lunes, está renunciando no solo a la precisión. Sigue pagando por un contexto completo y obtiene resultados que serían superiores con una búsqueda en memoria de 7,000 tokens, al tiempo que deja abierta una superficie de ataque sin controlar, mientras que los competidores como Mem0 v3, los agentes Letta sleep-time, el grafo temporal de Zep, AgentCore, la memoria particionada Cosmos de Foundry o los agentes gestionados por Claude ya están logrando ahorros. La combinación del 97% / 27% / 34% de Rakuten es la nueva referencia para que la memoria se pague por sí misma, y el 40% de reducción en tokens de RevisionDojo es la versión para equipos pequeños. M3-Agent muestra el camino a través de la visión y la voz, OWASP Agent Memory Guard proporciona el cinturón de seguridad, y el Fine-tuning de memoria esparsa de Meta sugiere cómo la memoria y los pesos eventualmente se fusionarán.

El próximo año en el diseño de agentes no dependerá de nuevos modelos base. Dependerá de tratar la memoria como un sistema: escrito, evaluado, regulado, protegido, consolidado y mejorado como cualquier otro software de producción. Los agentes que triunfen no serán aquellos con las ventanas más grandes, sino aquellos que realmente recuerden, recuerden a través de diferentes modalidades y lo hagan de manera segura.