本文へ移動
始める

AIに、すべてを読み直させない。
必要なのは、適切な文脈。

89.24%

トークンを削減

繰り返す文脈を減らし、知識は保存。
コンテキストを絞っても、同じ回答。

同じ正答を、 より少ないトークンで。

知識をGomindに保存し、質問に関連する事実を取得。AIへ繰り返し送る履歴を減らします。

89.24%

のクライアント側モデルトークンを削減。履歴全体を送信した場合との比較結果です。

履歴を保存。 必要な情報を取得。

履歴が増えても、新しい質問のたびに全体を送る必要を減らせます。

  1. 知識は残る。

    決定事項、参考情報、学びをコレクションに整理。AIが参照できる形で保存します。

  2. 質問が検索を導く。

    Gomindが知りたいことに関連する事実を取得。その検索結果が回答のコンテキストになります。

  3. AIに文脈が届く。

    取得した事実を質問と一緒に渡します。AIは履歴全体を再度受け取らずに回答できます。

Gomindのメモリ
あなたの質問
あなたのAI
測定方法

数値を詳しく見る。

同じ質問、同じモデル、同じ評価ルール。

質問
1
会話セッション
53
共通のモデル
1
手法で正答
3/3

同じ回答に至る、3つの方法。

準備回答
手法別の準備と回答のトークン数
手法準備回答合計正答
履歴全体0129,759129,7591/1
逐次要約954,01014,027968,0371/1
Gomind0*13,96113,9611/1

逐次要約:準備として53回更新。

* クライアント側モデルへの準備用呼び出しは0回。

集計に含むもの

  • Codexが報告した準備と回答の入力・出力。
  • キャッシュ入力は1回分として集計。

集計に含まないもの

  • 評価用の呼び出し。
  • Gomind内部の処理とクレジット。
モデルと評価
gpt-6.1-sol · LongMemEval公式プロンプト
公開データ
LongMemEval-S cleaned · e47becba · 500問中の先頭
実行日

もっと記憶を。 文脈の繰り返しを減らす。

知識を保存する場所を。そして、AIがそれを見つける方法を。

今すぐ始める