Telah membangun di ruang ini selama bertahun-tahun sekarang, dan telah mengikuti Nishkarsh selama bertahun-tahun juga - selamat atas peluncurannya! Karena ini berada di ruang yang sama dengan tempat kami membangun, saya menyelam jauh ke dalamnya dan memiliki pikiran. Peluncuran itu sendiri sangat hype-y, dan dimaksudkan untuk memicu umpan kemarahan 1. Ini diposisikan sebagai database, tetapi hampir merupakan sistem seperti @supermemory 2. Contoh mereka tentang "vektor DBS" yang tidak dapat melakukan ini, benar-benar masalah "menyematkan model". Dan model penyematan memiliki superposisi, murah dan mudah dapat menyimpulkan perbedaan di antara mereka. Tidak sulit untuk meminta Claude melakukan eksperimen mini untuk membuktikan hal ini (terlampir di bawah). Yang penting adalah: apakah ia mampu melacak bagaimana pengetahuan berkembang? Waktu berlalu? Ini membuat saya penasaran jadi saya membaca makalah mereka 3. Makalah penelitian mereka adalah hardcoding dan mempermainkan tolok ukur dengan prompt yang berbeda untuk setiap kategori!! (lihat gambar di bawah). Jika benchmarking mereka tetap, supermemory akan tetap menjadi SOTA. 4. mereka menemukan kembali makalah pengambilan kontekstual oleh Anthropic dari tahun 2024 dan menyebutnya "paradoks kata ganti yatim piatu" 5. mereka menyebutkan bahwa mereka menggunakan "penyimpanan vektor dalam memori" khusus = sekitar 500GB, Anda harus membayar lebih dari $10k hanya untuk RAM. 6. inferensi dijalankan terlalu sering dalam pipeline - yang berarti untuk setiap token LLM yang Anda cerna, Anda akan membayar 5x lebih banyak dari biaya token untuk grafik + kontekstualisasi + penyimpanan. 7. Angka latensi dan biaya tidak pernah dilaporkan. Firasat saya adalah karena arsitekturnya, latensi akan berjuang dalam skala besar. Tapi saya tidak tahu - produk mereka ada di belakang gerbang demo. 8. kode benchmarking bukan OSS (dari apa yang saya tahu). Tidak dapat direplikasi + siapa yang tahu berapa banyak konteks yang mereka suntikkan ke dalam model? apa itu K? 9. Iklan anorganik yang tidak diungkapkan (baca saja tweet kutipan). Akun influencer dengan 400k+ pengikut semuanya mengatakan hal yang sama. Orang-orang terus lolos dengan @nikitabier ini lol Saya semua ingin persaingan dan kemajuan yang sehat di bidang ini, menikmati melihat pekerjaan baik dilakukan oleh orang lain. Tapi mudah untuk hanya mengatakan sesuatu. "Tidak ada yang akan memeriksanya." Memainkan game dengan cara yang benar itu sulit, dan semua orang hanya mengatakan apa pun yang mereka bisa untuk mengesankan orang. TLDR adalah: Anda harus menggunakan ini jika Anda ingin menghabiskan 2-5x lebih banyak tanpa peningkatan marjinal yang nyata dan menikmati penelitian dan praktik bisnis yang tidak sehat. Terlampir: 1. Eksperimen untuk membantah hipotesis DB vektor tidak memahami abu-abu vs abu-abu 2. Salah satu petunjuk mereka, yang hanya mengatakan "katakan saya tidak tahu". Mereka mencetak 100% :)

wah. @solofounding podcast ada di sini (DAN SAYA ADA DI VIDEO)

Claude baru saja memvalidasi (membunuh) produk kami :) Peluncuran plugin kode Claude @supermemory memiliki kata-kata yang tepat ini (mempelajari pola debugging, pendekatan yang disukai, konteks proyek). Luar biasa melihat laboratorium besar mengadopsi memori!