Mejores Sistemas de Memoria Persistente para Agentes de IA en 2026

Mem0 es el mejor sistema predeterminado de memoria persistente para un agente de IA que estés construyendo, mientras que Perplexity Brain es la mejor opción sin desarrollo previo. La señal de negocio más reciente es el resultado reportado por el proveedor de Perplexity: un 25% más de precisión, un 16% más de recuperación (recall) y un coste un 13% menor en tareas de Computer que requerían contexto histórico.

La Respuesta Rápida: ¿Qué Sistema de Memoria Persistente Elegir?

Elige Mem0 cuando necesites una API de memoria dentro de tu propio producto y busques una transición lógica desde un prototipo gratuito hasta un servicio gestionado para producción. Elige Perplexity Brain cuando el agente ya opere dentro de Perplexity Computer y el objetivo sea eliminar el trabajo repetitivo de recapitulación sin necesidad de construir infraestructura de memoria. Elige Hindsight cuando el agente deba razonar sobre hechos cambiantes e historiales extensos, o Zep cuando el núcleo del diseño sea un grafo de conocimiento temporal gobernado.

El resto de la clasificación atiende a casos más especializados. Supermemory destaca cuando conversaciones, documentos y conectores necesitan una capa única de contexto multimodal. Cognee encaja con equipos que buscan un motor híbrido (grafo, vectorial y relacional) que puedan ejecutar en local o desplegar en su propia nube. Los almacenes de memoria de Claude Managed Agents son la opción más limpia centrada en auditoría dentro del entorno gestionado de Anthropic. Letta es la elección ideal por portabilidad para agentes de programación cuya identidad deba mantenerse intacta a pesar de los cambios de modelo. LangMem es la alternativa prioritaria en formato librería si ya construyes con LangGraph y quieres tener el control total del almacenamiento y las políticas.

Los precios detallados abajo fueron verificados el 28 de agosto de 2026. La etiqueta "Gratis" puede referirse a un plan gratuito alojado, a una vía de código abierto autoalojada o a una aplicación sin coste con cobros independientes por modelos e infraestructura. Al no ser equivalentes a nivel económico, cada sección especifica la factura real.

Esta clasificación evita deliberadamente limitarse a una tabla de benchmarks sintéticos. Un sistema de memoria puede destacar en métricas de recuperación y, aun así, ser una mala adquisición si no cumple con tus políticas de eliminación, fronteras de aislamiento multinquilino (tenancy), objetivos de latencia o modelo de operación. El sistema adecuado es aquel cuyos límites de persistencia coinciden con lo que necesitas recordar.

Si esa premisa suena abstracta, utiliza esta regla de decisión: adquiere un producto gestionado cuando su prima mensual sea inferior al coste en horas de ingeniería necesario para operar la extracción, consolidación, recuperación, corrección y borrado por tu cuenta. Mantén el control de la infraestructura propia cuando la frontera de los datos o el comportamiento de la memoria sean innegociables. Esta regla redefine más decisiones de compra que una pequeña ventaja en benchmarks.

Qué Compras Realmente en los Sistemas de Memoria Persistente para Agentes de IA

La memoria persistente no equivale a un prompt más grande. Una ventana de contexto es lo que el modelo puede observar durante una única inferencia. Un checkpoint permite reanudar un flujo de trabajo a partir de un estado guardado. La memoria duradera decide qué información sobrevive, cómo evoluciona y qué fragmento exacto debe transferirse a una sesión posterior. Una capa de conocimiento gobernada añade propiedad, procedencia, retención y borrado sobre esa memoria.

Estas capas resuelven fallos diferentes. Si un agente necesita retomar el paso exacto tras una caída, se utiliza un checkpoint. Si debe recordar que un cliente modificó sus contactos de facturación el mes pasado, se recurre a la memoria duradera con validez temporal. Si está obligado a demostrar por qué ese contacto apareció en una respuesta, se incorporan enlaces de origen o versiones inmutables. Si los datos de un cliente jamás deben filtrarse a la sesión de otro, el aislamiento entre inquilinos es parte integral de la memoria, no un añadido posterior.

La repercusión económica es la factura por recarga de contexto: consumo de tokens de entrada del modelo al reenviar datos anteriores, tiempo humano invertido en recapitular y errores derivados de un contexto desactualizado o contradictorio. Perplexity cuantifica este problema en su informe de lanzamiento de Brain, señalando que las tareas de Computer que requerían contexto histórico redujeron su coste un 13% con Brain en sus mediciones preliminares, junto con un incremento del 25% en precisión y un 16% más de recuperación. Son cifras publicadas por el proveedor en su propio producto, no un benchmark universal, pero apuntan al objetivo financiero adecuado: menos llamadas a la API y menor duplicidad de contexto junto con respuestas de mayor calidad.

Los sistemas más eficaces abordan esa factura mediante diversos mecanismos:

• Recuperación selectiva: devuelve un subconjunto relevante y reducido en lugar de reenviar todo el historial.
• Consolidación: elimina duplicados y transforma patrones recurrentes en un modelo operativo más sintético.
• Razonamiento temporal: distingue lo que fue verídico de lo que es verídico hoy.
• Corrección: permite que el usuario o la aplicación reparen recuerdos erróneos antes de que afecten a decisiones posteriores.
• Procedencia: hace que los datos recordados sean auditables y verificables, no simplemente verosímiles.
• Controles multinquilino: mantienen la memoria acotada a un usuario, proyecto, agente u organización específica.

Por este motivo, una base de datos vectorial por sí sola resulta insuficiente. Puede almacenar embeddings y devolver fragmentos similares, pero no determina de forma automática si un dato ha quedado obsoleto, si una corrección debe sustituir a una observación previa, si un origen antiguo debe eliminarse o si una preferencia pertenece al usuario, al agente, a la ejecución o a la empresa. Soluciones como Hindsight, Zep, Mem0, Supermemory y Cognee aportan políticas y estructura a la recuperación. Los sistemas basados en ficheros, como los almacenes de Claude o los repositorios de contexto de Letta, ofrecen inspección del estado desde otro enfoque.

La delimitación de la persistencia es más determinante que la propia interfaz. Perplexity Brain recuerda el trabajo realizado dentro de Computer; no es una API neutral para tu SaaS. Los almacenes de Claude persisten documentos breves dentro de Managed Agents; no son un grafo de conocimiento automatizado. Mem0 y Supermemory funcionan como servicios de aplicación; aun así exigen definir cuándo el agente debe escribir, buscar y olvidar. Cognee y Graphiti otorgan mayor control sobre los datos a cambio de asumir más responsabilidad en la infraestructura.

Aquí es donde se separan las habilidades de los agentes y su memoria. Una habilidad suele ser una directriz duradera sobre cómo trabajar; la memoria es el estado dinámico sobre qué ocurrió, qué cambió y qué es relevante en este instante. Esta diferencia es clave al elegir entre habilidades persistentes para agentes y contexto aprendido. Las políticas estables deben residir en una habilidad o configuración del sistema. La limitación contractual más reciente de un cliente pertenece a la memoria. Mezclarlas complica la auditoría de ambas.

El Cálculo de Costes Antes de la Clasificación

Las tarifas de memoria parecen equiparables hasta que se desglosa la unidad de facturación. Un proveedor factura por tokens de entrada retenidos, otro por tokens únicos incrustados, otro por tokens procesados y otro por Episodes de pequeño tamaño. Comparar precios por millón sin clarificar estas métricas conduce a errores de cálculo.

Analicemos la ingesta de 10 millones de tokens:

• Hindsight cobra $100 por aplicar Retain a 10 millones de tokens de entrada a $10 por millón. Si esos 10 millones se conservan más allá del periodo de cortesía de 30 días, el almacenamiento añade $2.50 al mes. Aplicar Recall a 10 millones de tokens de salida supondría $7.50, aunque una arquitectura bien diseñada recupera mucho menos de lo que almacena.
• Supermemory factura $50 por 10 millones de tokens SM únicos estándar en su grafo de memoria a $0.005 por cada 1,000. Si se trata de contenido enriquecido, la tarifa asciende a $100. El factor determinante es la unicidad: el contenido repetido o inalterado no se vuelve a cobrar.
• Cognee Standard factura $25 por procesar 10 millones de tokens a $2.50 por millón. Tres espacios de trabajo adicionales suman $15, lo que resulta en una factura estimada de $40 mensuales para ese volumen y estructura.

Estas cifras no significan que Cognee sea cuatro veces más económico que Hindsight. La operación Retain de Hindsight realiza un proceso específico de extracción y memorización; Supermemory factura según su propia definición de tokens deduplicados; Cognee mide los tokens que procesa su motor. Son tres métricas asociadas a tres tipos de carga operativa distintos.

Zep establece un cambio de plan muy evidente. Flex cuesta $125 e incluye 50,000 créditos, sumando 10,000 créditos adicionales por $25. Diez ampliaciones elevan la factura a $375 para una capacidad total de 150,000 créditos. Flex Plus tiene un precio directo de $375 e incluye 200,000 créditos. A partir de una estimación mensual de 150,000 créditos, Flex Plus resulta más económico antes de considerar sus límites más amplios o el periodo extendido de acumulación. Con 160,000 créditos, Flex costaría $400, mientras que Flex Plus se mantendría en $375.

El esquema de Perplexity se basa en licencias de usuario y no en consumo de API. Consumer Max cuesta $200 al mes o $2,000 al año. Diez usuarios suponen $24,000 si se pagan mes a mes frente a los $20,000 del pago anual: una diferencia anual de $4,000. Enterprise Max se sitúa en $325 por usuario al mes o $3,250 al año, de modo que diez licencias ahorran $6,500 al año bajo facturación anual. El compromiso anual solo tiene sentido tras validar que Brain reduce el tiempo de recapitulación lo suficiente para compensar la permanencia.

Claude introduce otra variable de coste. Sonnet 5 cuesta $2 por millón de tokens de entrada y $10 por millón de salida. Un flujo combinado de 10 millones de tokens de entrada y 1 millón de salida cuesta $30 antes de otros costes de ejecución. Reenviar un documento de 100,000 tokens a lo largo de 100 sesiones genera 10 millones de tokens de entrada, equivalentes a $20 a tarifa oficial antes de aplicar técnicas de caché. Un almacén de memoria no hace que las lecturas sean gratuitas, pero permite al agente extraer únicamente el fichero pertinente en vez de saturar el prompt inicial con el documento completo.

Por tanto, la pregunta presupuestaria no es "¿Qué proveedor tiene el precio base más bajo?", sino "¿Qué constituye una unidad de memoria en este caso, con qué frecuencia se escribirá y leerá, y quién asume el coste si el dato es erróneo?" Calcula por separado la escritura, la recuperación, el almacenamiento retenido, la inferencia del modelo y el esfuerzo de corrección. Luego, añade la prima del servicio gestionado o las horas de ingeniería que demandará la opción de código abierto.

Criterios de Selección de Estos Sistemas

Se seleccionaron nueve sistemas porque cada uno aporta un mecanismo de persistencia real y un argumento claro de adopción. La selección se definió mediante seis criterios:

1. Frontera de persistencia: ¿El estado se mantiene tras reiniciar el proceso, iniciar una nueva sesión, cambiar de modelo o desplegar una nueva versión de la app? ¿Quién controla ese estado?
2. Calidad de recuperación: ¿Combina señales semánticas, léxicas, de grafo y temporales, o se limita a una búsqueda por vecinos cercanos?
3. Corrección y procedencia: ¿Es posible auditar el origen de un recuerdo, actualizarlo de forma controlada, trazar versiones y borrarlo?
4. Aislamiento y control: ¿Permite segmentar usuarios, proyectos, agentes y organizaciones? ¿Admite autoalojamiento, despliegues BYOC o permisos de solo lectura?
5. Carga operativa: ¿Qué parte de la extracción, consolidación, evaluación, monitorización, retención y seguridad debe asumir tu equipo?
6. Estructura de facturación: ¿Se factura por usuario, petición, token, Episode, antigüedad de almacenamiento, operación o consumo de infraestructura?

Cada tarifa, plan, límite y función indicada aquí se contrastó con la documentación oficial, páginas de precios, repositorios o anuncios de producto al 28 de agosto de 2026. Los sistemas no fueron probados experimentalmente para este artículo, motivo por el cual no se utiliza la etiqueta "Probados" en el titular. Los benchmarks de los proveedores se identifican explícitamente como datos publicados por ellos y no como evaluaciones independientes.

Las soluciones descartadas también resultan ilustrativas. Las bases de datos vectoriales estándar quedaron fuera como sistemas completos porque el almacenamiento y la búsqueda por similitud no resuelven el ciclo de vida de la memoria. Se omitieron los frameworks generales de agentes que carecen de una capa de persistencia integrada. También se descartaron las funciones de memoria de chats de consumo que no admiten auditoría, segmentación ni integración por API, salvo aquellas vinculadas a flujos de trabajo avanzados, razón por la cual Perplexity Brain sí forma parte del análisis.

La clasificación prioriza la utilidad práctica para la toma de decisiones por encima del purismo metodológico. Perplexity Brain o Letta no son sustitutos directos de la API de Mem0, pero responden al mismo dilema de negocio: desarrollar una capa propia, adoptar una integrada en el espacio de trabajo o apoyarse en un entorno de ejecución que ya la incluya. Analizarlas en conjunto permite sopesar con claridad la disyuntiva entre construir o comprar.

1. Mem0: La Mejor API de Memoria Predeterminada para Equipos de Producto

Mem0 es la alternativa predeterminada más sólida para equipos de producto que necesitan persistencia entre sesiones sin comprometerse de inicio con un grafo temporal, un runtime basado en ficheros o el entorno cautivo de un proveedor. Un agente de soporte puede aislar la memoria por cliente y ejecución, recuperar las preferencias necesarias antes de responder y actualizarlas o caducarlas más adelante. La plataforma gestionada incorpora consolidación y ordenación temporal ausentes en la versión de código abierto. Su principal barrera es el salto de tarifa: el plan Starter de $19 tiene capacidades acotadas, mientras que las funciones demandadas en producción requieren el plan Pro de $249.

Las modalidades gestionada y de código abierto de Mem0 comparten las operaciones esenciales: add, search, get, list, update, delete, delete-all e history. Ambas contemplan segmentación por user_id, agent_id y run_id, ordenación contextual por entidades, entradas multimodales, expiración, reordenación (reranking), instrucciones personalizadas de extracción, SDKs en Python y JavaScript, y API REST. Esta base compartida convierte la opción open-source en una alternativa operativa real frente a la dependencia de servicios en la nube.

La comparativa entre la Plataforma y la versión OSS delimita con precisión el producto. La plataforma añade aislamiento por app_id, organizaciones, proyectos, registro de eventos globales, Graph Memory nativa, Memory Decay, Temporal Reasoning y consolidación en segundo plano mediante Dream. También incluye webhooks, categorías, exportación estructurada, telemetría de feedback, resúmenes y modificaciones o borrados por lotes de hasta 1,000 registros.

Los límites de la versión OSS v3 están bien definidos. Carece de Graph Memory consultable, Memory Decay, Temporal Reasoning, Dream, webhooks, registro de eventos, exportación estructurada, feedback gestionado, resúmenes y operaciones por lotes. Es viable construir un servicio funcional con ella, pero requiere gestionar la base de datos vectorial, los modelos, los embeddings, la operativa y las políticas de retención. El código abierto proporciona soberanía sobre el dato, no una réplica gratuita de todas las funciones del servicio gestionado.

Ideal para: Equipos de producto que integran memoria de usuario, agente y ejecución dentro de un SaaS o software corporativo.
Diferencial: API central unificada entre versiones gestionadas y autoalojadas, con opciones avanzadas de grafo, decaimiento temporal y consolidación.
Precios: Hobby es gratis con 10,000 inserciones, 1,000 recuperaciones y 1 proyecto mensual. Starter cuesta $19/mes con 50,000 inserciones, 5,000 recuperaciones y 1 proyecto. Pro cuesta $249/mes con 500,000 inserciones, 50,000 recuperaciones, proyectos ilimitados, Graph Memory, Dream, analítica y canal de Slack privado. Enterprise cuenta con tarifa personalizada con peticiones y proyectos ilimitados, SLA, despliegue local, registros de auditoría, SSO e integraciones a medida. Precios verificados el 28 de agosto de 2026 en la página de tarifas de Mem0.
Prueba gratuita: El plan Hobby en la nube es gratuito y no requiere tarjeta; la versión de código abierto está disponible para autoalojamiento.

Patrón Práctico de Inicio con Mem0

El camino más seguro para empezar consiste en no intentar registrar todo desde el primer día. Define una tipología concreta de información persistente, conserva los textos de origen junto con sus marcas temporales y mide si la recuperación optimiza un flujo recurrente.

1. 1

   Define un contrato de memoria único

   Comienza con una sola entidad, como preferencias confirmadas del usuario, acuerdos de cuenta o estándares de programación aceptados. Determina qué se puede guardar, a quién pertenece, cuándo expira y qué contenidos quedan estrictamente vetados.

2. 2

   Segmenta cada operación de escritura

   Asigna los identificadores pertinentes de usuario, agente y ejecución antes de registrar un dato. Emplea el app_id gestionado únicamente si la separación multinquilino lo requiere. Omitir un identificador genera una brecha en el aislamiento de datos.

3. 3

   Recupera la información justo antes del paso crítico

   Ejecuta la búsqueda de memoria en el instante previo a la toma de decisión que lo requiera e introduce en el prompt solo el fragmento relevante. Evita inyectar el registro histórico completo en cada llamada.

4. 4

   Establece mecanismos de corrección y expiración

   Proporciona a la aplicación métodos explícitos para actualizar, descartar o caducar datos erróneos. En la versión Platform, monitoriza la calidad de recuperación con las herramientas de feedback y eventos; en la versión OSS, integra esta telemetría en tus propios servicios.

5. 5

   Escala basándote en métricas reales

   Permanece en Hobby o Starter hasta que los límites de uso, la necesidad de aislar proyectos o la consolidación gestionada representen un cuello de botella medible. Da el salto a Pro cuando una carga de trabajo concreta justifique la prima de $230, no simplemente por haber pasado a producción.

El veredicto concreto: Mem0 es la opción predeterminada más equilibrada, pero las funciones que justifican su adopción transforman un experimento de $19 en una inversión de infraestructura de $249. Para gestionar unas pocas preferencias fijas, Starter o la versión OSS pueden ser suficientes. Si requieres validez temporal, consolidación, gestión multiproyecto y ordenación por grafos, evalúa el plan Pro frente a Hindsight y Zep antes de decidir.

2. Perplexity Brain: La Mejor Memoria de Trabajo sin Necesidad de Desarrollo

Perplexity Brain es la mejor elección cuando las tareas se ejecutan directamente dentro de Perplexity Computer y la empresa busca conservar el contexto del trabajo sin asumir un desarrollo técnico. Un responsable de estrategia puede retomar un proyecto semanas después y dejar que Computer recupere decisiones, ficheros, participantes, correcciones y temas pendientes. Brain actualiza este modelo operativo en segundo plano y vincula cada entrada con sus fuentes de origen. Su principal inconveniente es la portabilidad: opera como Research Preview dentro de los planes Max y no como una API de memoria reutilizable para tus propias aplicaciones.

Brain se presentó el 18 de junio de 2026 como un sistema de memoria autoevolutivo para Computer. Según su anuncio oficial, construye un grafo de contexto a partir del trabajo procesado en Computer y actualiza una wiki generada por LLM a intervalos regulares, por ejemplo durante la noche. Las fuentes pueden incluir sesiones, resultados de conectores, documentos, cambios en archivos y correcciones del usuario. Este enfoque funciona como una memoria operativa para flujos de conocimiento, más allá de almacenar simples preferencias de usuario.

La documentación de Brain incluye controles de fiabilidad importantes para entornos corporativos. Cada elemento enlaza a su fuente original. Los Conceptos, Entidades y Flujos de trabajo se estructuran en una wiki y un grafo explorables. El usuario puede modificar o suprimir registros, y las correcciones se integran en la siguiente actualización nocturna. Brain refuerza los datos válidos, actualiza los modificados y clasifica como obsoleta la información desactualizada en lugar de asumir que todo registro pasado sigue vigente.

La privacidad se gestiona como un límite dentro del producto. Brain solo procesa la actividad del suscriptor y descarta las sesiones de incógnito. Incluye un interruptor de activación y los administradores de Enterprise pueden desactivarlo para la organización. Perplexity indica que utiliza filtros basados en IA para mitigar la inclusión de credenciales y datos sensibles, y los datos corporativos no se emplean para entrenar modelos. Estos filtros ayudan a reducir riesgos, pero no eliminan la necesidad de mantener información confidencial al margen de los documentos de entrada.

Los resultados declarados deben analizarse con objetividad. Perplexity señala que en pruebas iniciales con tareas ya vistas por Computer, el sistema logró un 25% más de precisión, un 16% más de recuperación y un 13% menos de coste en procesos que requerían contexto histórico. La metodología y los conjuntos de datos no se detallan en la documentación, por lo que estas cifras reflejan mejoras internas del producto y no un benchmark universal frente a arquitecturas basadas en APIs.

Ideal para: Directivos, analistas y equipos de operaciones que desarrollan flujos continuos de investigación en Perplexity Computer.
Diferencial: Memoria operativa en segundo plano que relaciona sesiones, documentos, conectores, entregables, decisiones y correcciones con enlaces de origen.
Precios: Brain está disponible en Research Preview para Consumer Max a $200/mes o $2,000/año y Enterprise Max a $325/usuario/mes o $3,250/usuario/año. Enterprise Pro cuesta $40/usuario/mes o $400/usuario/año pero no incluye Brain. Consumer Max contempla 10,000 créditos mensuales de Computer; Enterprise Max contempla 15,000; los créditos no utilizados no son acumulables. Tarifas verificadas el 28 de agosto de 2026 en las guías de planes de Perplexity, precios corporativos y gestión de créditos.
Prueba gratuita: No existe periodo de prueba para Enterprise Pro o Enterprise Max; el uso de Brain requiere una suscripción Max activa.

La propiedad de los proyectos exige control presupuestario. Perplexity factura los procesos de Brain a nivel de proyecto al usuario que lo creó, con independencia de cuántos miembros colaboren en él. En flujos compartidos, conviene asignar un responsable, determinar si las ejecuciones serán automáticas o manuales y revisar el saldo de créditos antes de sumar nuevos participantes.

El descuento por suscripción anual solo compensa tras validar la adopción del sistema. Diez licencias Consumer Max suponen un ahorro de $4,000 al año con pago anual frente al pago mes a mes. En Enterprise Max, diez licencias ahorran $6,500. Un periodo piloto de 30 días permitirá verificar si los usuarios realmente retoman proyectos previos, reducen correcciones y consumen menos créditos de contexto antes de formalizar un compromiso anual.

El veredicto concreto: Perplexity Brain es la alternativa más ágil para dotar de memoria auditable al trabajo de oficina, pero se paga por un espacio de trabajo completo y no por una capa de memoria transferible. Elígelo si tu equipo opera dentro de Computer. Descártalo si la memoria debe integrarse en tus propias aplicaciones, bases de datos o infraestructuras de modelos.

3. Hindsight: La Mejor Solución para Reflexión y Recuperación Temporal Compleja

Hindsight es la alternativa más avanzada cuando la memoria requiere algo más que encontrar un fragmento parecido por similitud. Un agente de investigación puede indexar datos fechados, trazar vínculos entre personas y proyectos, generar observaciones y razonar sobre los cambios producidos entre distintos periodos. Su tecnología TEMPR unifica cuatro canales de búsqueda en vez de depender exclusivamente de embeddings. La contrapartida es un modelo de costes más complejo y una estructura interna más exigente de lo que demanda una gestión de preferencias elemental.

Hindsight estructura el ciclo de memoria en tres procedimientos centrales. Retain procesa datos, identidades y variables temporales para integrarlos en un banco de memoria. Recall recupera los registros mediante estrategias concurrentes. Reflect capacita al agente para procesar ese contenido a partir de las directrices y prioridades asignadas al banco de memoria. Esta separación resulta práctica porque la escritura, la lectura y el razonamiento operan bajo costes y latencias distintos.

Su jerarquía de datos está claramente diferenciada. En el nivel inferior se ubican los hechos puros del entorno y las experiencias. Las Observaciones agrupan patrones consolidados junto con sus fuentes. Los Modelos Mentales proporcionan síntesis orientadas a consultas frecuentes. Hindsight examina primero los Modelos Mentales, después las Observaciones y por último los Hechos, permitiendo a los bancos de memoria resolver preguntas habituales sin rehacer el análisis completo en cada llamada.

TEMPR define las cuatro vías de recuperación que Hindsight procesa simultáneamente: similitud semántica, coincidencias léxicas por BM25, conexiones en grafo y lógica temporal. Los identificadores concretos se benefician de la búsqueda léxica, las entidades vinculadas aprovechan la navegación en grafos y preguntas como "¿qué cambios hubo el mes pasado?" exigen comprensión temporal. Esta integración es la razón principal para elegir Hindsight frente a un almacenamiento vectorial tradicional.

El benchmark publicado por la compañía ofrece datos reseñables que deben valorarse en su contexto. El informe BEAM de Hindsight reporta una puntuación del 64.1% en la prueba de 10 millones de tokens frente al 40.6% de la siguiente solución documentada, alcanzando un 73.9% en 1 millón y un 71.1% en 500,000. Hindsight sitúa su margen en un 58% en la escala de 10 millones de tokens. Aunque los resultados son públicos, este análisis no los ha reproducido de forma independiente, por lo que deben tomarse como datos de referencia del proveedor y evaluarse con tus propios casos de uso.

Ideal para: Análisis complejo, inteligencia comercial, asistentes ejecutivos y flujos de trabajo prolongados donde el factor temporal y las contradicciones son críticos.
Diferencial: Motor de búsqueda TEMPR junto a una arquitectura que sintetiza hechos aislados en observaciones y modelos conceptuales reutilizables.
Precios: La versión autoalojada no aplica costes de licencia. Hindsight Cloud bajo modalidad Pay-As-You-Go factura Retain a $10/MTok de entrada, Recall a $0.75/MTok de salida, Reflect a $0.05/llamada, Retrieve Model a $0.25/MTok de salida, Refresh Model a $0.05/llamada, conversión Iris a $7.50/MTok de salida y el almacenamiento a partir de los 30 días a $0.25/MTok/mes. Los paquetes de créditos se ofrecen por $10, $25, $50 o $100, con recargas manuales de $5 a $1,000 (1 crédito equivale a $1). El plan Enterprise se gestiona mediante factura con descuentos por escala. Precios verificados el 28 de agosto de 2026 en la página de facturación de Hindsight.
Prueba gratuita: La modalidad de código abierto para autoalojamiento no tiene coste; el servicio cloud analizado opera bajo modalidad Pay-As-You-Go sin periodo de prueba temporal.

La actualización de tarifas del 6 de julio de 2026 invalida comparativas previas. La tarifa de Retain descendió de $15 a $10 por millón de tokens de entrada. Reflect y Refresh Model dejaron de facturarse por token y pasaron a una tarifa fija de $0.05 por llamada. Se añadió un cargo de almacenamiento de $0.25 por millón de tokens al mes tras los primeros 30 días. Por ello, cualquier estimación calculada con tarifas anteriores resultará imprecisa.

Para una base documental histórica de 10 millones de tokens, la operación inicial de Retain asciende a $100, y el almacenamiento a largo plazo supone $2.50 mensuales una vez vencido el periodo de cortesía. Cien llamadas a Reflect representan $5 adicionales. Esto hace que la consolidación sea accesible en relación con la ingesta inicial, pero reindexar datos de forma recurrente incrementará la factura. Es preferible limpiar y estructurar los documentos antes de aplicar Retain para no encarecer el procesamiento con datos redundantes.

El veredicto concreto: Hindsight justifica su complejidad técnica cuando las decisiones dependen de la evolución cronológica y del análisis contextual; resulta sobredimensionado si el agente solo necesita recordar un nombre o un estilo de redacción. Impleméntalo cuando tus pruebas demuestren que la recuperación temporal y analítica mejora los resultados, no solo porque su combinación de cuatro métodos de búsqueda resulte atractiva sobre el papel.

4. Zep y Graphiti: El Mejor Grafo de Conocimiento Temporal con Gobernanza

Zep es la solución gestionada para organizaciones que necesitan un grafo de conocimiento temporal con controles empresariales, mientras que Graphiti constituye el motor de código abierto para equipos que prefieren implementar el sistema completo. Un agente de atención al cliente puede almacenar la actividad de una cuenta como hechos datados, descartar la información obsoleta y consultar el contexto relacional sin perder el histórico. Zep incorpora perfiles, hilos, registros de actividad, políticas de permisos, retención y escalado gestionado en torno a ese grafo. Su principal limitación radica en el cobro por créditos durante la ingesta y en el umbral de entrada de $125 de su plan gestionado básico.

La comparativa entre Zep y Graphiti define con claridad los alcances de cada versión. Graphiti genera un grafo de contexto por entidad y es compatible con Neo4j, FalkorDB o Amazon Neptune. Modela los hechos con validez bitemporal, invalida datos superados y combina recuperación vectorial, por texto completo y mediante grafos. Es una base sólida, pero exige asumir el despliegue, la gestión multinquilino, la observabilidad, la seguridad y la optimización.

Zep opera Graphiti sobre una infraestructura gestionada denominada Context Lake, integrando algoritmos propios de extracción, observaciones, ponderación, embeddings, persistencia de hilos y usuarios, herramientas visuales, logs de depuración y registros de API. Su gobernanza incluye RBAC para el equipo, ABAC para los agentes, auditoría, ciclo de vida de los datos, aislamiento de cuentas y cifrado con claves del cliente. Puede desplegarse en la nube, bajo BYOK o mediante BYOC en su plan Enterprise. Zep sostiene que alcanza latencias de recuperación inferiores a 200 ms a escala, cifra que conviene auditar según la topología del grafo y la región de despliegue.

La unidad de consumo en Zep es el Episode, que puede estructurarse como un mensaje, una carga JSON o un bloque de texto. Un Episode de hasta 350 bytes descuenta 1 crédito; cada tramo adicional de 350 bytes añade otro crédito. Los webhooks computan a razón de un octavo de crédito. Las operaciones de búsqueda, almacenamiento general, hilos, usuarios y el propio espacio del grafo no consumen créditos. De esta forma, el gasto variable se concentra en la ingesta y el procesado, liberando de costes las consultas recurrentes.

Ideal para: Agentes corporativos que gestionan datos cambiantes, consultas basadas en relaciones y requisitos formales de cumplimiento.
Diferencial: Arquitectura de grafo temporal con transición directa de código abierto a servicio gestionado y controles multinquilino avanzados.
Precios: Free ofrece 10,000 créditos/mes, 2 proyectos, 1 acceso a Memory MCP Server y 5 tipos de entidades y relaciones personalizadas, sin acumulación de saldo ni recarga automática. Flex cuesta $125/mes con 50,000 créditos, ampliaciones de 10,000 créditos por $25, acumulación durante 30 días y 5 proyectos. Flex Plus cuesta $375/mes con 200,000 créditos, ampliaciones de 40,000 créditos por $75, acumulación durante 60 días y 10 proyectos. Enterprise se cotiza de forma personalizada con acuerdos de SLA, proyectos sin límite, retención de logs por 1 año y opciones cloud, BYOK o BYOC. Tarifas verificadas el 28 de agosto de 2026 en la página de precios de Zep.
Prueba gratuita: El nivel Free suministra 10,000 créditos al mes, sujeto a límites de tasa dinámicos, menor prioridad de proceso y sin acumulación de saldo no utilizado.

Para dimensionar el uso conviene analizar el volumen en bytes y no el total de interacciones. La calculadora de Zep toma como referencia 15,000 Episodes de 700 bytes de media (lo que equivale a 30,000 créditos), más 20,000 llamadas vía webhook (2,500 créditos adicionales). El total resultante de 32,500 créditos encaja dentro del plan Flex. Si la aplicación envía mensajes extensos cuando bastaría con un evento sintético, el consumo de créditos se multiplicará sin mejorar la calidad de la memoria.

El punto de inflexión presupuestario se sitúa al superar los 150,000 créditos mensuales. El plan Flex con diez recargas suma los mismos $375 que cuesta Flex Plus, pero solo proporciona 150,000 créditos. Al alcanzar los 160,000 créditos, Flex supone $400, mientras que Flex Plus se mantiene en $375 ofreciendo un margen adicional de 40,000 créditos. Esta cifra sirve como referencia clara para actualizar el plan sin basarse en estimaciones imprecisas.

El veredicto concreto: Graphiti está pensado para quienes quieren gestionar su propio grafo temporal; Zep está diseñado para organizaciones que necesitan gobernarlo y auditarlo. Si la memoria consiste en preferencias aisladas y notas de texto, el grafo y el suelo de $125 resultarán prescindibles. Si las respuestas dependen de relaciones que evolucionan en el tiempo y el área de seguridad exige control estricto, la inversión en Zep está justificada.

5. Supermemory: La Mejor Opción para Contexto Multimodal y Conectores

Supermemory destaca cuando el agente necesita una capa transversal de contexto que unifique diálogos, documentación, perfiles de usuario y conectores de negocio. Un asistente puede registrar una conversación, asociarla a un manual de políticas y recuperar posteriormente tanto el texto de referencia como el perfil actualizado del usuario. Gracias a la deduplicación, los contenidos sin cambios no generan costes adicionales bajo su cómputo de tokens SM. La contrapartida es que la indexación en tiempo real, los conectores, la gestión de equipos y los controles de despliegue se distribuyen entre diversos conceptos de facturación.

La guía de inicio de Supermemory describe tres métodos de recuperación bajo un mismo containerTag. La búsqueda documental proporciona fragmentos originales para flujos RAG. La búsqueda en memoria navega por las entidades y relaciones inferidas. La consulta de perfil genera un resumen consolidado y reciente, listo para inyectarse en el prompt sin requerir una búsqueda sobre el corpus íntegro. Esta estructura permite a la aplicación solicitar documentos, recuerdos o el perfil general según convenga en cada interacción.

La ingesta de información es asíncrona. La opción predeterminada, denominada dynamic dreaming, agrupa documentos vinculados para que la extracción de memoria procese un bloque contextual cohesionado. Activar instant dreaming fuerza el procesado inmediato tras la indexación, con un sobrecoste de una operación adicional por documento. Esta última es útil en fases de desarrollo, depuración o flujos con requerimientos de inmediatez, pero mantenerla activa en cada pequeña escritura en producción incrementará la factura innecesariamente.

El diseño multinquilino depende del uso ordenado de etiquetas y claves. Es necesario mantener un containerTag consistente por usuario o cuenta tanto en lecturas como en escrituras. Las claves de API con alcance definido permiten acotar el acceso a un único contenedor, bloqueando el acceso a facturación, ajustes de cuenta o generación de nuevas credenciales. Esto simplifica la delegación de permisos a procesos secundarios, aunque la aplicación principal sigue siendo responsable de la creación, rotación y revocación segura de las claves.

El modelo de cobro resulta ventajoso en entornos con sincronización periódica. Los tokens SM corresponden a los tokens únicos que la plataforma procesa e incrusta. Volver a cargar el mismo fichero o sincronizar repositorios sin cambios no genera nuevos cargos sobre esos tokens. La ingesta estándar en el grafo de memoria cuesta $0.005 por cada 1,000 tokens SM, mientras que los contenidos multimedia o enriquecidos suponen $0.010. La función SuperRAG cuesta $0.001 por cada 1,000 tokens de texto simple o $0.002 en formatos enriquecidos. Las búsquedas que incluyen grafos tienen un precio de $0.005 por cada 1,000 consultas, y las operaciones sobre memoria computan a $0.10 por cada 1,000.

Ideal para: Agentes que integran memoria de chat, ficheros, recursos multimedia, perfiles de usuario y conectores con herramientas SaaS.
Diferencial: Tres formatos de consulta sobre un mismo entorno de inquilino, deduplicación de tokens únicos y amplia variedad de integraciones.
Precios: Free cuesta $0/mes e incluye aproximadamente $5 de consumo. Pro cuesta $19/mes con unos $20 de uso, almacenamiento y usuarios ilimitados, 2 miembros de equipo y conectores con Google Drive, Notion y OneDrive. Max cuesta $100/mes con unos $130 de uso, sumando conectores para Gmail y Granola. Scale cuesta $399/mes con unos $600 de uso, hasta 10 miembros de equipo, la totalidad de los conectores (incluyendo GitHub, S3 y Web Crawler), límites de gasto configurables, certificaciones SOC 2, BAA para HIPAA y soporte para autoalojamiento. Enterprise no cuenta con tarifa pública y añade despliegues aislados (air-gapped). Las tarifas de uso complementarias se detallan arriba. Datos verificados el 28 de agosto de 2026 en la página de precios de Supermemory.
Prueba gratuita: El nivel Free incluye cerca de $5 en consumo mensual sin requerir tarjeta; startups e investigadores cualificados pueden optar a 3 meses de plan Scale sin coste.

Con los costes actuales, procesar 10 millones de tokens SM estándar en el grafo de memoria supone $50; en formatos enriquecidos la cifra asciende a $100. Puede parecer reducido frente a la inferencia de modelos, pero procesar miles de registros diminutos mediante instant dreaming encarecerá el renglón de operaciones. Conviene cuantificar el volumen de tokens y el total de documentos de forma independiente: procesar un millón de tokens repartidos en diez archivos difiere sustancialmente de procesar ese mismo millón fragmentado en diez mil eventos individuales.

El saldo asociado a la suscripción se reinicia cada mes, mientras que las recargas compradas por separado no caducan. La versión gratuita detiene la actividad al llegar al límite de saldo, mientras que los planes de pago contemplan recargas automáticas; Scale añade la posibilidad de fijar topes de gasto vinculantes. Una configuración adecuada para producción pasa por asignar identificadores customId estables a los contenidos sujetos a actualización, mantener dynamic dreaming como método por defecto, limitar instant dreaming a flujos críticos y activar un tope presupuestario antes de habilitar recargas automáticas.

El veredicto concreto: Supermemory es la alternativa indicada para ingestas heterogéneas de contexto, no una simple API de persistencia. Elígelo si los archivos con formato, los conectores, la gestión de perfiles y la sincronización con deduplicación son esenciales para el agente. Descártalo si tus necesidades se reducen a cadenas breves de texto que encajan mejor en una API más compacta o en una base de datos que ya administre tu equipo.

6. Cognee: El Mejor Motor Abierto de Conocimiento para Despliegues BYOC

Cognee es la mejor alternativa de código abierto para equipos que necesitan estructurar la memoria en almacenes de grafo, vectoriales y relacionales de forma coordinada. Un agente orientado a la investigación técnica puede ingerir documentación, generar una ontología, actualizar relaciones obsoletas y consultar la información mediante grafos o búsqueda textual manteniendo la procedencia de cada dato. Su integración con bases de datos en ficheros agiliza el desarrollo inicial en local. No obstante, un motor de conocimiento de este tipo exige tomar más decisiones sobre esquemas, modelos, bases de datos y evaluación que un servicio básico de preferencias.

La secuencia de memoria de Cognee opera mediante cuatro fases principales. add realiza la carga de fuentes. cognify ejecuta un flujo de seis pasos que clasifica documentos, valida autorizaciones, extrae fragmentos, usa modelos para detectar entidades y relaciones, elabora resúmenes, genera embeddings y persiste las aristas en el grafo. memify elimina nodos desactualizados, consolida conexiones frecuentes, ajusta la ponderación de las relaciones e introduce deducciones derivadas. Finalmente, search recupera la información consultando esa estructura.

Su arquitectura explica su denominación como motor integral. Cognee coordina un motor de grafo, un motor vectorial y una base relacional. Su configuración predeterminada en local emplea Kuzu, LanceDB y SQLite, permitiendo arrancar un prototipo sin desplegar múltiples servicios auxiliares. Para infraestructuras de mayor tamaño, la documentación contempla compatibilidad con Neo4j, FalkorDB, Neptune, Qdrant, pgvector, Redis, DuckDB, Pinecone, ChromaDB y PostgreSQL.

Dispone de catorce modalidades de recuperación que abarcan resolución de grafos, fragmentos en crudo, análisis léxico, resúmenes, filtros cronológicos, consultas Cypher, directrices orientadas a código y un selector dinámico automatizado. Esta variedad permite atender diferentes tipologías de consulta sobre una misma base de conocimiento. Sin embargo, impone una carga de evaluación adicional: el equipo debe validar qué método arroja la respuesta más fidedigna en cada contexto, sin dar por sentado que la selección automática será siempre la óptima.

El soporte multinquilino está integrado en pgvector, Neo4j, Kuzu y LanceDB. Este factor es crítico porque el aislamiento de memoria puede fallar en las capas inferiores a la del agente. Asignar un identificador de usuario en el prompt resulta inútil si la consulta subyacente opera sobre un grafo compartido sin segmentar. Conviene verificar en los tests unitarios las fases de escritura, consulta, borrado y deducción lógica en cada motor configurado.

Ideal para: Equipos que diseñan motores de conocimiento específicos, operan bajo BYOC o requieren combinar ontologías con memoria continua para agentes.
Diferencial: Ciclo completo estructurado en add, cognify, memify y search sobre almacenamiento híbrido (grafo, vectorial y relacional).
Precios: Free cuesta $0/mes con 1 millón de tokens, 1 espacio de trabajo, usuarios y llamadas API ilimitadas, sin requerir tarjeta. Standard cuesta $2.50 por cada millón de tokens procesados más $5 por cada espacio de trabajo complementario, incorporando conectores para Slack, Notion, Linear y Google Drive. Enterprise no cuenta con tarifa pública; opera como solución BYOC en plazos para Startup, 6, 12 o 24 meses sobre la nube del cliente con soporte y SLA dedicados. Open Source se puede autoalojar sin abonar licencias a Cognee. Datos verificados el 28 de agosto de 2026 en la página de precios de Cognee.
Prueba gratuita: Free es un plan gratuito alojado sin tarjeta; el motor open-source también puede descargarse e instalarse localmente.

Los costes cloud son contenidos para consumos intermedios de tokens. Diez millones de tokens procesados suponen $25 en Standard. Si el proyecto requiere tres espacios de trabajo adicionales, se añaden $15, situando la estimación en $40 mensuales. Esta cifra no contempla las llamadas a las APIs de los modelos, el tiempo de desarrollo del equipo ni la infraestructura vinculada a los servidores propios. El bajo coste por token de Cognee no debe confundirse con el coste total de propiedad de la solución.

El principal indicador para su adopción es la presencia de problemas basados en ontologías. Si el agente resuelve con frecuencia preguntas cruzadas —como determinar qué proveedor impacta en qué producto y qué cláusula contractual ha cambiado—, la estructura de Cognee justifica su complejidad. Si los recuerdos se reducen a preferencias puntuales asociadas a un ID de usuario, Mem0 o un desarrollo ligero propio ofrecerán resultados más rápido.

El veredicto concreto: Cognee es el motor de memoria indicado para quienes necesitan dar forma y coherencia al conocimiento, más allá de almacenar un histórico de interacciones. Elígelo si la organización exige un grafo estructurado y soberanía sobre el despliegue. Descártalo si se apela al "código abierto" únicamente para eludir una suscripción de $19 y nadie en el equipo va a asumir el mantenimiento de la infraestructura resultante.

7. Claude Managed Agents Memory Stores: La Mejor Opción para Ficheros Auditables Nativos

Los almacenes de memoria de Claude Managed Agents son la opción más coherente cuando el agente opera dentro de la infraestructura gestionada de Anthropic y la información persistente puede estructurarse en documentos de texto concisos, legibles y versionados. Un agente financiero puede vincular un almacén de normativas en solo lectura junto a un almacén de proyectos en modo lectura-escritura, registrar notas de seguimiento y generar un historial de versiones inmutable. Este enfoque de sistema de archivos resulta intuitivo de consultar para el agente mediante comandos habituales y facilita la supervisión humana externa. Sus principales limitaciones son su fase de beta pública, los límites estrictos por fichero y la ausencia de una tarifa pública independiente para el almacenamiento.

Las sesiones dentro de Managed Agents son efímeras por defecto. Un memory store es un conjunto de archivos de texto vinculados a un espacio de trabajo que perdura entre ejecuciones. Al integrarse como recurso de la sesión, se monta en la ruta /mnt/memory/<store-name>/, y el agente interactúa con él mediante herramientas estándar de lectura, edición, búsqueda y consola, en lugar de recurrir a instrucciones de memoria propietarias.

Este funcionamiento se asemeja más a un directorio de trabajo persistente que a una memoria semántica automatizada. El sistema puede preconfigurar un almacén con directrices corporativas o antecedentes de un proyecto. Una sesión puede montarlo con permisos de solo lectura o de lectura y escritura. Las modificaciones se consolidan en el almacén. Cada cambio genera una versión inmutable asociada a un registro de operación, facilitando la auditoría, la reversión a estados previos y la eliminación selectiva de datos. El control de concurrencia optimista previene que un proceso sobrescriba actualizaciones recientes generadas por otro.

Los límites de la plataforma condicionan el diseño. Cada archivo de memoria tiene un tamaño máximo de 100KB. Una sesión puede vincular un máximo de 8 almacenes, y su asignación debe definirse al instanciar la sesión. El archivado de un almacén es irreversible: pasa a modo de solo lectura, no puede asignarse a nuevas sesiones y no admite reactivación, aunque las sesiones activas mantienen el acceso. Estas restricciones aconsejan organizar la información en múltiples ficheros específicos en lugar de acumularla en un único documento extenso.

Las advertencias relativas a la seguridad son directas y necesarias. No deben registrarse credenciales, claves de API ni tokens en un almacén de memoria. La información almacenada puede recuperarse de forma literal en sesiones posteriores que monten ese recurso. Anthropic recomienda gestionar las credenciales mediante variables de entorno seguras. Si un dato confidencial se almacena por error, no basta con borrar el archivo activo: es imprescindible eliminarlo de las versiones inmutables históricas.

Ideal para: Agentes en Anthropic Managed Agents que necesitan consultar directrices, notas de proyectos o perfiles mediante ficheros transparentes y con trazabilidad de versiones.
Diferencial: Montaje de sistemas de archivos convencionales con versionado inmutable, soporte de rollback, borrado seguro y control de acceso diferenciado.
Precios: Anthropic no detalla un concepto específico para los almacenes en la documentación de la beta. Se aplican las tarifas de consumo de inferencia y entorno de ejecución. Claude Sonnet 5 cuesta $2/MTok de entrada y $10/MTok de salida; Claude Opus 4.8 cuesta $5/MTok de entrada y $25/MTok de salida. Tarifas verificadas el 28 de agosto de 2026 en el anuncio oficial de Sonnet 5.
Prueba gratuita: Los almacenes están disponibles en beta pública mediante el encabezado managed-agents-2026-04-01; no se ha publicado una modalidad gratuita independiente ni un periodo de prueba temporal para esta función.

La reducción de costes se logra mediante el acceso selectivo a ficheros y no porque la persistencia sea gratuita. Con las tarifas oficiales de Sonnet 5, reenviar un documento de 100,000 tokens a lo largo de 100 sesiones acumula 10 millones de tokens de entrada, lo que equivale a $20 antes de deducciones por caché. Disponer del almacén permite al agente consultar únicamente el archivo que necesita, aunque un prompt mal estructurado puede hacer que lea todos los documentos disponibles. Conviene registrar las lecturas en pruebas representativas antes de proyectar ahorros en producción.

La configuración del Agent y la del almacén de memoria deben gestionarse de forma diferenciada en la operativa interna. La documentación de Managed Agents indica que la configuración versionada del agente se crea una única vez y se reutiliza entre sesiones. El almacén de memoria, por contra, aloja el estado operativo o el contexto dinámico del proyecto. Modificar las instrucciones del sistema debe generar una nueva versión del Agent; corregir un dato de un cliente debe reflejarse en el almacén. Mantener esta separación facilita la trazabilidad de regresiones y borrados.

El veredicto concreto: Los almacenes de Claude son adecuados como entorno estructurado de ficheros auditables, no como una capa cognitiva integral de memoria llave en mano. Elígelos cuando la trazabilidad de versiones y el formato de archivos aporten valor organizativo. Añade herramientas de búsqueda o consolidación cuando el volumen supere la capacidad del agente para navegar por el directorio de forma eficiente.

8. Letta: La Mejor Memoria Portable para Agentes de Código

Letta es la alternativa idónea cuando la identidad y la memoria de un agente de programación deben mantenerse al margen del proveedor de modelos utilizado. Un agente asignado a un repositorio puede inicializarse con el contexto del código y con sesiones previas de Claude Code o Codex, ajustar su conocimiento mientras trabaja y cambiar a otro modelo de lenguaje sin perder su estado acumulado. Su orientación actual es abierta, agnóstica respecto al modelo y basada en ficheros. Su principal desventaja radica en la transición técnica que atraviesa: Letta está sustituyendo varios esquemas de memoria en servidor, lo que puede dejar obsoletas guías y recursos formativos previos.

La aplicación Letta Code puede inicializarse vacía o generar su memoria con /init, extrayendo contexto del repositorio actual y de sesiones anteriores de Claude Code o Codex. Subagentes especializados revisan periódicamente las sesiones, reestructuran el contexto y afinan la información registrada. El comando /doctor depura y reorganiza los datos acumulados. Estas rutinas de mantenimiento son indispensables, ya que una memoria persistente sin depuración periódica acaba convirtiéndose con el tiempo en un prompt sobrecargado y poco fiable.

La portabilidad es la tesis central de este producto. Letta separa la memoria y la identidad del agente del proveedor del modelo, permitiendo alternar entre diferentes LLM incluso dentro de una misma sesión conservando el contexto, los recuerdos y el comportamiento asignado. La herramienta admite las claves de API del propio usuario o planes compatibles de asistentes de código. Cuenta con ejecutables para macOS, Windows y Linux, lo que facilita su uso como aplicación local más allá de su integración como SDK.

El cambio arquitectónico reciente es más relevante que los planteamientos anteriores de Letta. En el anuncio de su nueva fase de desarrollo, la memoria pasa de herramientas especializadas basadas en bases de datos hacia archivos en repositorios respaldados por Git, denominados MemFS. Las operaciones de sistema de archivos sustituyen a los comandos de memoria heredados del servidor. Además, habilidades y subagentes en el lado del cliente reemplazan los procesos rígidos del backend. Esta evolución hace que la memoria sea más transparente y transferible, pero requiere adaptar integraciones previas.

Letta ha anunciado la retirada progresiva de sus herramientas de memoria en servidor, mientras que los esquemas anteriores y su antiguo sistema de archivos tenían prevista su obsolescencia para mediados de abril de 2026. Cualquier análisis técnico para producción debe fundamentarse en la versión actual de Code y en el uso de repositorios de contexto, evitando ejemplos basados en core_memory_replace o agentes de mantenimiento en servidor. Esta etapa de migración debe tenerse en cuenta, aunque la arquitectura resultante sea conceptualmente más limpia.

Ideal para: Agentes de desarrollo de software y asistentes técnicos que necesitan preservar memoria, identidad, habilidades y contexto de trabajo al cambiar de modelo.
Diferencial: Repositorios de contexto respaldados por Git combinados con subagentes de memoria, /init y /doctor en una plataforma agnóstica respecto al modelo.
Precios: Letta Code es de uso gratuito con tus propias claves de API de modelos o planes de desarrollo compatibles; la inferencia de los modelos y el alojamiento corren por cuenta del usuario. La URL de precios consultada el 28 de agosto de 2026 devolvió un error 404, por lo que no se publica una tarifa gestionada para la nube. La documentación de Letta contempla tanto un servicio Letta Cloud gestionado como la opción de desplegar su App Server en infraestructura propia.
Prueba gratuita: Acceso gratuito a la aplicación y al runtime de código abierto; no se identificó un periodo de prueba explícito para el servicio cloud gestionado.

La justificación económica cobra fuerza si la flexibilidad para cambiar de modelo aporta valor estratégico. Si un equipo evalúa o sustituye modelos de programación trimestralmente, conservar las directrices, el mapa de arquitectura y los aprendizajes del agente ahorra tiempo de reconfiguración. Si la compañía estandariza sus procesos sobre una plataforma gestionada y exige APIs de aislamiento estrictas, la portabilidad resultará menos prioritaria que el modelo multinquilino de Mem0 o los controles de espacio de trabajo de Claude.

El repositorio de contexto debe tratarse con el mismo rigor que el código en producción. Conviene auditar los diffs, impedir la inclusión de secretos, designar responsables para la validación de cambios y delimitar qué ficheros puede reescribir el agente de forma autónoma. El historial de Git aporta trazabilidad, pero no garantiza por sí mismo políticas de consentimiento, retención o aislamiento de datos. Una memoria portable sin controles de eliminación continúa representando un riesgo organizativo.

El veredicto concreto: Letta es la alternativa más sólida para agentes de código que deban sobrevivir al cambio continuo de modelos, pero su proceso de migración obliga a verificar la compatibilidad de versiones. Utiliza el modelo basado en ficheros y evita cualquier arquitectura cuya operativa dependa de herramientas en servidor que el proyecto ya ha marcado para su retirada.

9. LangMem: La Mejor Opción Basada en Librería para LangGraph

LangMem es la alternativa más adecuada si desarrollas sobre LangGraph y prefieres diseñar tus propias políticas de memoria en lugar de contratar una solución gestionada. Un agente puede registrar y consultar recuerdos durante una interacción, mientras un proceso en segundo plano extrae y sintetiza el conocimiento al concluir el turno. Su motor se adapta a cualquier infraestructura de persistencia y se integra con la capa de almacenamiento de LangGraph. Su principal riesgo radica en un detalle fácil de pasar por alto: la configuración en memoria de su ejemplo rápido pierde toda la información al reiniciar el proceso, por lo que una implementación real para producción exige conectar una base de datos persistente y asumir su mantenimiento operativo.

El repositorio de LangMem suministra bloques funcionales de código en lugar de un servicio en la nube terminado. Sus herramientas de ejecución permiten al agente determinar cuándo registrar o consultar memoria durante la conversación. En paralelo, un gestor en segundo plano extrae datos relevantes, fusiona duplicados, actualiza el estado y puede ajustar los prompts. La librería admite el almacén nativo de LangGraph o cualquier otra solución de persistencia compatible.

Esta versatilidad es su principal ventaja. Un equipo puede estructurar memoria semántica para datos del usuario, memoria episódica para acciones realizadas y memoria procedimental para la optimización de prompts o directrices, sin asumir un esquema rígido impuesto por un tercero. Asimismo, permite desplazar la extracción fuera de la interacción principal para proteger la latencia. La contrapartida es que la organización asume el diseño del esquema, el consumo de llamadas a los modelos, el comportamiento de la recuperación, los ciclos de consolidación, las pruebas de evaluación, la base de datos y la gestión de borrados.

La advertencia para entornos de producción figura en los propios ejemplos oficiales. InMemoryStore conserva los datos únicamente en la memoria volátil del proceso, perdiéndolos ante cualquier reinicio. La documentación aconseja emplear AsyncPostgresStore o una base de datos análoga para garantizar la persistencia. Que una prueba conserve información a lo largo de varias llamadas dentro de una misma ejecución no demuestra persistencia entre sesiones. Conviene reiniciar el proceso en las pruebas de validación para contrastarlo.

Ideal para: Desarrolladores que utilizan LangGraph, requieren políticas de memoria personalizadas y ya gestionan su propia base de datos y sistemas de evaluación.
Diferencial: Herramientas de consulta directa y extracción en segundo plano adaptables a cualquier sistema de persistencia compatible.
Precios: LangMem se distribuye bajo licencia libre MIT sin coste directo. Como complemento opcional, LangSmith Developer cuesta $0/usuario/mes con 1 usuario y 5,000 trazas base/mes, más consumo variable. Plus cuesta $39/usuario/mes con opción de añadir usuarios adicionales, 10,000 trazas base/mes y 1 despliegue serverless pequeño, más consumo. Enterprise se cotiza a medida con opciones híbridas y de autoalojamiento. Las trazas en LangSmith se tarifan a $1.50 por LCU y $1.00 por LSU. Precios verificados el 28 de agosto de 2026 en la página de tarifas de LangChain.
Prueba gratuita: La librería es libre y de código abierto; la plataforma opcional LangSmith cuenta con un plan Developer a $0 en lugar de un periodo de prueba limitado.

LangMem resulta más económico únicamente cuando la empresa ya cuenta con los recursos técnicos para sostenerlo. La librería no tiene coste, pero administrar un cluster de Postgres con alta disponibilidad, migraciones de esquema, workers en segundo plano, extracción con LLMs, monitorización de trazas y guardias de soporte sí genera costes reales. Conviene comparar esa carga de trabajo con los planes Starter o Pro de Mem0, y no asumir que el coste es cero. Un equipo de cinco desarrolladores con LangSmith Plus parte de $195 mensuales antes de computar trazas, servidores, almacenamiento, inferencia de modelos y la base de datos de memoria.

La librería se complementa de forma natural en agentes que precisan combinar memoria histórica con información en tiempo real. LangMem puede almacenar conclusiones alcanzadas en sesiones anteriores, pero datos volátiles como precios, normativas o eventos externos deben consultarse a través de una capa de búsqueda actualizada, como las analizadas en esta comparativa de APIs de búsqueda para agentes de IA autónomos. La memoria debe retener la última decisión y su contexto; los motores de búsqueda deben verificar qué ha cambiado desde entonces.

El veredicto concreto: LangMem es un conjunto de componentes de memoria bien diseñados, no un servicio que resuelva la operativa de la memoria. Elígelo cuando la personalización sea el objetivo prioritario y LangGraph sea tu framework habitual. Descártalo si buscas un servicio gestionado y estás tomando un ejemplo en memoria volátil como si fuera una arquitectura persistente para producción.

Cuál Elegir Según tu Flujo de Trabajo

La decisión se simplifica analizando el alcance operativo del proyecto y no buscando una solución universal.

Elige Perplexity Brain si buscas un entorno cerrado de trabajo intelectual

Recurre a Brain cuando analistas, directivos o consultores operen habitualmente en Perplexity Computer y trabajen de forma reiterada sobre los mismos proyectos. Elimina la necesidad de recapitular y buscar documentos manualmente sin desarrollar software. Descártalo si la memoria debe alimentar una aplicación externa, comunicarse con servicios de terceros o exponerse mediante una API neutral.

Elige Mem0 como alternativa predeterminada para aplicaciones

Utiliza Mem0 cuando un SaaS o una herramienta interna requiera memoria individualizada por usuario y por agente, y el equipo valore empezar en un servicio gestionado con la opción de migrar a autoalojamiento. Es la alternativa base más equilibrada salvo que el razonamiento temporal profundo, los grafos corporativos, la ingesta de documentos heterogéneos o la auditoría en ficheros sean el requisito dominante. Vigila el salto de $19 a $249 y comprueba si las funciones gestionadas justifican la inversión.

Elige Hindsight si las consultas dependen de la evolución temporal y la síntesis

Opta por Hindsight en históricos extensos donde los términos literales, las redes de contactos, el tiempo cronológico y la deducción de alto nivel condicionan la validez de la respuesta. Es la solución adecuada si tus pruebas evidencian que la búsqueda semántica estándar no detecta cambios en los hechos o exige rehacer análisis previos. Si la reflexión no aporta una mejora tangible en las decisiones que compense las tarifas de Retain y almacenamiento, vuelve a considerar Mem0 o una persistencia más simple.

Elige Zep si necesitas un grafo temporal con gobernanza estricta

Implementa Graphiti si vas a gestionar tu propio grafo temporal y recurre a Zep gestionado si requieres controles de gobernanza, registros de auditoría, gestión de usuarios, segmentación de inquilinos y opciones avanzadas de despliegue. Zep resulta económicamente ventajoso por encima de los 150,000 créditos mensuales proyectados frente a sucesivas ampliaciones en el plan Flex. Descártalo si un grafo no aporta valor al caso de uso o si se trata de preferencias simples que no requieren relaciones cronológicas.

Elige Supermemory para la ingesta de contexto heterogéneo

Selecciona Supermemory cuando el corpus de memoria combine conversaciones, ficheros, recursos multimedia, perfiles de usuario y conectores SaaS sincronizados. Su facturación por tokens únicos es conveniente para fuentes documentales que se mantienen estables. Da el paso a una API más acotada si el número de documentos y las operaciones inmediatas incrementan el coste por encima del valor que aporta la capa multimodal.

Elige Cognee cuando la ontología sea el núcleo de la aplicación

Elige Cognee si las relaciones estructuradas, la procedencia del dato, las arquitecturas BYOC y la disponibilidad de múltiples modos de búsqueda son requisitos centrales. Está pensado para equipos capacitados para operar motores de grafo y bases de datos relacionales. Opta por una API gestionada si la organización no cuenta con perfiles específicos para gestionar la ontología, evaluar la calidad de recuperación y asumir el mantenimiento del backend.

Elige los almacenes de Claude si requieres ficheros de trabajo auditables

Utiliza los almacenes de Claude Managed Agents cuando el estado persistente deba organizarse en documentos legibles con control de versiones, permisos de acceso diferenciados, rollback y borrado selectivo. Opta por un servicio semántico tradicional si el volumen de información crece hasta un punto en que la navegación por ficheros y la organización manual de carpetas resulten ineficientes.

Elige Letta para un agente de código que sobreviva al cambio de modelos

Implementa Letta cuando la estructura del código asimilada por el agente, sus convenciones técnicas, su identidad y el contexto de las sesiones deban mantenerse a través de diferentes proveedores de LLM. Descártalo si la organización prioriza plataformas corporativas gestionadas o no tiene margen para adaptarse a la evolución arquitectónica que atraviesa el proyecto.

Elige LangMem para aplicar políticas propias dentro de LangGraph

Opta por LangMem si el equipo necesita determinar la tipología de los recuerdos, las políticas de escritura, los modelos de extracción, los ciclos de consolidación y el almacenamiento físico. Da el paso a un servicio gestionado si asumir esa infraestructura representa una carga operativa accesoria que no diferencia al producto final.

La regla general de decisión es clara: el software gestionado compensa cuando su sobrecoste mensual es inferior al tiempo de ingeniería y al riesgo operativo que supone mantener la memoria; las alternativas abiertas o autoalojadas compensan cuando la ubicación de los datos, su trazabilidad o sus políticas de funcionamiento no pueden externalizarse. Incluye el esfuerzo dedicado a corregir errores en el cálculo: un sistema con tarifas bajas de recuperación que exija dedicar una hora semanal por cliente a depurar recuerdos erróneos se convertirá en la alternativa más costosa a largo plazo.

Sistemas a Evitar Según el Contexto

Conviene no dejarse llevar por la etiqueta "memoria" sin verificar las pruebas de persistencia. Un sistema operativo debe resistir el inicio de nuevas sesiones o reinicios de proceso, realizar extracciones selectivas, admitir rectificaciones y permitir la eliminación de datos dentro de los límites de cada cliente. Estas son las situaciones donde suelen aparecer los mayores problemas.

InMemoryStore de LangGraph en entornos de producción

InMemoryStore resulta práctico para tutoriales de LangMem y entornos de desarrollo en local. La documentación técnica oficial advierte que su contenido se destruye al reiniciar el servicio. No debe utilizarse como memoria persistente en producción, aunque conserve información entre llamadas dentro de una prueba rápida. Implementa soluciones con respaldo en base de datos como AsyncPostgresStore e introduce reinicios de proceso en los planes de pruebas.

Presentar Pinecone, Qdrant u otras bases vectoriales como la solución completa de memoria

Constituyen componentes solventes para almacenamiento y similitud vectorial. Sin embargo, asumir que incorporar embeddings resuelve de forma automática la memoria es un error de diseño. Una arquitectura madura requiere extracción, validez cronológica, control de contradicciones, segmentación multinquilino, corrección, procedencia, retención y borrado. Diseña esas capas deliberadamente o selecciona una plataforma que las integre.

Perplexity Brain para aplicaciones multinquilino que requieran portabilidad

Brain ofrece un rendimiento notable dentro del ecosistema de Computer, pero no es la base indicada para un desarrollo SaaS que demande su propia API de memoria, claves por cliente, enrutamiento de modelos y políticas exportables. El precio de la licencia sufraga un espacio de trabajo integrado. No intentes forzar un entorno de usuario final para resolver las necesidades de una plataforma de desarrollo.

Graphiti sin un equipo dedicado a su operación

Graphiti proporciona una base sólida para grafos de conocimiento temporal. Sin embargo, no automatiza la infraestructura de almacenamiento del grafo, su despliegue, observabilidad, seguridad, escalabilidad ni la optimización de las búsquedas. Evita autoalojarlo únicamente por eludir la cuota de $125 del plan Flex de Zep si ningún ingeniero asumirá la responsabilidad directa del servicio.

Guías desactualizadas sobre la memoria en servidor de Letta

Conviene descartar diseños basados en herramientas heredadas del servidor como core_memory_replace, comportamientos del sistema de archivos previo o subagentes en backend. Letta ha anunciado su sustitución y desuso. Plantea los desarrollos a partir de Letta Code, repositorios de contexto, utilidades estándar de ficheros y las guías actualizadas de su SDK.

Cualquier herramienta de memoria que carezca de responsables para corrección y borrado

Un sistema avanzado puede volverse problemático si nadie supervisa los datos erróneos. La consolidación automatizada puede convertir un dato equivocado en un resumen asumido como cierto. Antes de pasar a producción, designa quién puede auditar las fuentes, rectificar un hecho, retirar credenciales, dar de baja a un cliente y comprobar que las copias secundarias se han suprimido. Si el proveedor no contempla este ciclo de vida, evítalo en procesos críticos de negocio.

El Plan de Acción para el Lunes

Evita migrar toda la base documental de golpe el primer día. Selecciona un único flujo recurrente donde el contexto previo condicione el resultado, como la preparación de informes periódicos de clientes, la continuidad en tareas de desarrollo o la aplicación de directrices operativas autorizadas.

1. Formaliza el contrato de memoria. Define la tipología exacta de datos que pueden persistir, su clave de inquilino, la fuente de procedencia, su periodo de validez y la información vetada. Excluye cualquier credencial.
2. Implementa una ruta paralela (shadow path). Permite que el agente actual continúe respondiendo normalmente mientras el sistema de memoria evaluado recupera datos en segundo plano. Registra el contexto devuelto y el resultado obtenido sin alterar las decisiones en producción.
3. Elabora una batería de 20 consultas históricas. Incorpora hechos que hayan cambiado con el tiempo, nombres exactos, decisiones pasadas frente a criterios actuales, solicitudes de borrado y un dato deliberadamente incorrecto. Un benchmark genérico no sustituye a este conjunto de pruebas.
4. Evalúa cuatro métricas clave. Monitoriza la precisión de las respuestas, los tokens o créditos consumidos, el tiempo humano ahorrado en recapitular y la tasa de rectificaciones. Supervisa también la latencia, evitando que una respuesta rápida pero inexacta se dé por válida.
5. Comprueba el ciclo de vida completo. Reinicia los servicios, abre sesiones limpias, modifica un dato de origen, revoca permisos de acceso, elimina un registro y valida que la información desactualizada o borrada no vuelve a manifestarse.
6. Modela el coste en régimen estable. Aplica la métrica de cobro del proveedor a un mes de actividad proyectada computando lecturas, escrituras, antigüedad de los datos, operaciones auxiliares, licencias de usuario y el crecimiento previsto. Incluye las horas de dedicación técnica en las alternativas de código abierto.
7. Determina el umbral de cambio de plan. Define con precisión el volumen de peticiones, los requisitos de gobernanza o las métricas de calidad que justificarán pasar al siguiente nivel de precios o migrar a una arquitectura diferente.

En Mem0, este salto puede ser el paso de Starter a Pro cuando el grafo, la consolidación o el volumen de peticiones compensen los $230 adicionales al mes. En Zep, se concreta al superar una previsión de 150,000 créditos mensuales, momento en el que Flex Plus resulta más rentable. En Perplexity, se fundamenta cuando el uso repetido de Computer amortiza licencias de $200 o $325. En LangMem, se valida cuando el equipo prefiere asumir el mantenimiento de las bases de datos y las políticas operativas en vez de equiparar el software libre con costes operativos nulos.

Al término de la semana, despliega la solución en un único flujo de trabajo. Un proyecto de memoria bien ejecutado no se mide por la cantidad de datos ingeridos, sino por lograr que una tarea recurrente se reanude de forma predecible, requiera menos contexto repetido, minimice errores y sea capaz de olvidar información de forma controlada cuando sea necesario.

Preguntas Frecuentes

¿Cuáles sistemas de memoria para agentes de IA están en GitHub?

Mem0, Hindsight, Graphiti, Cognee, Letta Code y LangMem disponen de versiones de código abierto. Que estén en GitHub no significa que sus capacidades sean equivalentes: Mem0 mantiene funciones avanzadas de ordenación y operaciones v3 en su Platform, Graphiti requiere implementar la gobernanza y la capa multinquilino por cuenta propia, y LangMem exige configurar un motor de persistencia y la infraestructura complementaria.

¿Qué es un framework de memoria para agentes?

Es la capa arquitectónica que determina qué información debe retener un agente, cómo se estructura y actualiza ese estado, y qué fragmento específico debe recuperarse en una sesión posterior. Combina persistencia, extracción de conocimiento, mecanismos de búsqueda y control del ciclo de vida de los datos, superando el simple almacenamiento de historiales de conversación.

¿Es suficiente una base de datos vectorial para dar memoria a un agente de IA?

No por sí sola. Un motor vectorial puede almacenar embeddings y localizar fragmentos por proximidad semántica, pero una arquitectura de memoria lista para producción requiere además segmentación por inquilino, validez temporal, gestión de contradicciones, trazabilidad de fuentes, rectificación de datos, retención programada y borrado seguro. Puede operar como capa de almacenamiento físico dentro de un sistema más amplio.

¿Una ventana de contexto más grande sustituye a la memoria persistente?

No. Una ventana más amplia incrementa la información admisible en una única inferencia, pero no determina qué datos deben conservarse entre sesiones, cuáles han quedado desactualizados, a quién corresponde cada hecho ni cómo eliminarlos conforme a la normativa. Además, la recuperación selectiva mitiga el sobrecoste de reenviar el historial completo en cada interacción.

¿Cuándo conviene elegir Mem0 en lugar de Hindsight o Zep?

Elige Mem0 como alternativa predeterminada para aplicaciones generales. Selecciona Hindsight si la recuperación cronológica, la búsqueda concurrente por varios canales, la generación de observaciones y la capacidad de reflexión son indispensables. Opta por Zep cuando el requisito central sea un grafo temporal de relaciones con RBAC, ABAC, auditoría, retención formal y aislamiento multinquilino gestionado.

¿Cuál es el sistema de memoria persistente más económico para un agente de IA?

Varios sistemas cuentan con niveles gratuitos, pero la alternativa más económica depende de la métrica de tarificación y del modelo operativo. Cognee Standard procesa 10 millones de tokens por $25 (más espacios de trabajo y consumos externos), Supermemory factura 10 millones de tokens SM únicos estándar a $50 en su grafo de memoria, y la función Retain de Hindsight cuesta $100 por 10 millones de tokens de entrada. Cada unidad ejecuta procesos distintos, y el software autoalojado requiere sumar los costes de modelos, bases de datos, infraestructura y personal técnico.

¿Cómo debe olvidar la información un agente de IA?

A través de procesos explícitos controlados por la aplicación que gestionen correcciones, caducidades, borrados y desindexación segura, vinculados a los mismos identificadores de cliente utilizados durante la escritura. Es imprescindible comprobar el comportamiento tras la eliminación: borrar un registro principal resulta inútil si versiones inmutables, resúmenes derivados, conexiones en el grafo, memorias intermedias o exportaciones continúan devolviendo ese dato.

¿Necesitas estructurar las preguntas sobre persistencia, borrado y costes en una plantilla de trabajo? Descarga la Lista de Verificación para Auditorías de IA y evalúa un flujo de memoria concreto este lunes.