Duplex a paměťové platformy,
vedle sebe.

Mem0, Zep, AgentCore Memory a Supermemory uchovávají fakta, zprávy a epizody pro další volání modelu. Duplex se učí ze zkušenosti: chápe vzorec, předvídá, co přijde dál, a jedná podle toho.

Porovnání je aktuální k 16. říjnu 2026.

Zobrazit všechny schopnosti →Celé porovnání

Všechny schopnosti: Duplex a paměťové platformy.

Co dělá každé z nich, skupinu po skupině, od toho, co je, po to, kolik stojí.

Vestavěné: Vestavěné přímo do jádra toho, jak produkt funguje.
Externí: Zajistíte nebo sestavíte si ho zvlášť.
Není vestavěné: Dokumentace produktu to neuvádí jako vestavěnou funkci. Vlastní řešení může být přesto možné.

Schopnost	Duplex	Paměťové platformyMem0, Zep, AgentCore Memory a Supermemory
Co je co
Co to je	Inteligence za běhu vedle vaší AI: učí se a jedná pro vaše agenty a asistenty, v rámci vašich pravidel	Trvalý kontext, fakta, epizody a znalostní grafy
Co přenáší dál	Kontext, rozhodnutí, výsledky, pravidla, úkoly, dovednosti a to, co se naučil	Fakta, zprávy, shrnutí, epizody a vztahy v grafu
Co se zkušeností zlepšuje	Jeho další rozhodnutí: jistota, směrování, doporučení, používání nástrojů a znovupoužitelné znalosti	Hlavně kontext předaný dalšímu volání modelu
Ví, co se stalo, a učí se z toho	VestavěnéVí, co se stalo, a učí se, co příště změnit	Hlavně paměť; nakolik se učí, závisí na dodavateli
Učení
Kontinuální učení bez přetrénování	VestavěnéUčí se dál, mimo váhy vašeho modelu	Zlepšování přes kontext; jak hluboko jde, se liší podle platformy
Přizpůsobení kolo po kole	VestavěnéKaždý nový výsledek může hned změnit další rozhodnutí	Vzpomínky lze přidávat průběžně, ale jejich vyhledávání není přizpůsobování
Učení z oprav	VestavěnéOprava změní, co Duplex udělá dál	Opravy lze uložit a vyhledat jako kontext
Učení z výsledků	VestavěnéÚspěch i neúspěch se rovnou promítají do toho, co se učí	Epizody lze vybavit, ale učení z výsledků je obecně externí
Učení z odměn	VestavěnéOdměna posílí, co fungovalo, a opraví, co ne	Odměny nejsou standardní funkcí paměti
Zásluha za kroky, které vedly k výsledku	VestavěnéZjistí, které dřívější akce vedly k pozdějšímu výsledku	Není vestavěné
Jak akce posouvají práci	VestavěnéUčí se, jak každá akce posouvá práci z jednoho stavu do dalšího	Uložené epizody mohou sloužit jako příklady
Předpověď toho, co akce udělá	VestavěnéZ toho, co pozoruje, předvídá, co akce způsobí, zkouší alternativy a plánuje	Není vestavěné
Lepší volba akcí	VestavěnéVýsledky zlepšují, kterou akci zvolí příště	Vyhledaný kontext může chování ovlivnit nepřímo
Znovupoužitelné dovednosti	VestavěnéZe zkušeností se stávají dovednosti, které se před použitím otestují a lze je pozastavit, vrátit do provozu nebo stáhnout	Závisí na dodavateli; obecně to není to, na čem je kategorie postavená
Testování a správa dovedností	Dovednost se otestuje dřív, než se na ni spoléhá, a lze ji pozastavit, vrátit do provozu, stáhnout nebo trvale odstranit	Obvykle životní cyklus pro každý záznam, ne pro každou dovednost
Zobecnění na příbuzné případy	Co se naučil, přenese na příbuzné případy i nové formulace a do dovedností, které může znovu použít	Sémantické vyhledávání najde související informace, což není totéž jako zobecnit chování
Rozhodování a jednání
Vědět, jak jistý si je	VestavěnéPřed každým rozhodnutím ví, jak známý je případ a jak jistý si je	Skóre vyhledávání a signály relevance
Odpovědět, předat nebo odmítnout	VestavěnéDuplex odpoví sám, zavolá váš model, použije nástroj nebo odmítne, v rámci vašich pravidel	ExterníJak jednat, rozhoduje hostitelská aplikace
Vyřizovat známou práci sám	VestavěnéZnámá rozhodnutí dělá sám, bez dalšího volání špičkového modelu	Model obvykle čte vyhledaný kontext
Předat, co je nové nebo nejisté	Nová, nejistá nebo citlivá práce jde ke správnému modelu, nástroji nebo člověku	ExterníÚkol aplikace
Plánování, simulace a doporučení	VestavěnéPředvídá, co se stane dál, zkouší alternativy, sestavuje plány a doporučuje akce	Paměť dodává kontext; plánování zůstává externí
Mnoho agentů, kteří spolupracují	Posílá práci správnému agentovi, rozděluje ji v rámci vašich pravidel, drží každého agenta v jeho rozsahu a spojuje výsledky	Sdílená paměť může sloužit několika agentům
Učení, které nástroje fungují	Učí se, které nástroje fungují, kdy je použít a k čemu který vede	Výsledky nástrojů si lze zapamatovat
Akce nástrojů v rámci vašich pravidel	Nástroje běží jen přes vaše pravidla a oprávnění	ExterníV systémech, které jsou jen pamětí, je to ponecháno na aplikaci
Streamování	Streamuje výstup modelů a nástrojů, přičemž každý krok zůstává v rámci vašich pravidel	Závisí na dodavateli
Práce, která pokračuje
Učení z každého kroku, automaticky	Každý krok, přes MCP + hooks nebo pluginy, živí jednu sdílenou smyčku učení	Integrace přes SDK nebo prostředí agenta zachycují zprávy a události
Kontext napříč relacemi	VestavěnéPráce, rozhodnutí, úkoly a kontext, na kterém záleží, pokračují napříč relacemi	VestavěnéPrávě na tom je kategorie postavená
Dlouhodobá práce	VestavěnéDlouhodobá práce zůstává otevřená napříč relacemi a agenty, s bezpečnými body, ke kterým se lze vrátit, dokud není hotová nebo zapomenutá	Kontext lze vyhledat, ale správa stavu úkolů je externí
Napříč modely	VestavěnéTo, co se naučí, i váš kontext zůstávají mimo model a jdou s prací napříč poskytovateli	Obecně silné, protože paměť nezávisí na modelu
Napříč aplikacemi a agenty	Stejná práce pokračuje napříč Claude, Codex, Cursor, Hermes a vašimi vlastními agenty	Možné, když aplikace sdílejí stejnou identitu paměti
Předání práce jinému agentovi	Úkol i jeho kontext přejdou na jiného agenta, kterého povolíte, připravené pokračovat	Jiný oprávněný agent může sdílený kontext vyhledat
Udržet kontext kompaktní	Kontext zůstává kompaktní, zaměřený na pravidla, úkoly a rozhodnutí, na kterých záleží	Shrnutí, vytěžené vzpomínky a epizodické záznamy
Učení z obrázků, zvuku, videa a PDF	Učí se z obrázků, zvuku, videa a PDF stejně jako z textu	Závisí na dodavateli a modelu
Napříč médii	Otázka položená slovy může čerpat z toho, co se naučil z obrázků, zvuku a videa, a média mohou ovlivnit pozdější rozhodnutí	Dostupné v produktech, které indexují víc než text
Lidé, týmy a sdílení
Pro každého člověka	VestavěnéKaždý člověk dostane vlastní soukromý kontext, preference a učení	Silná paměť pro každého uživatele nebo aktéra
Pro každý tým	VestavěnéTýmy sdílejí schválené učení a soukromá práce zůstává soukromá	Dostupné přes jmenné prostory, grafy nebo sdílená úložiště
Napříč organizací	VestavěnéCo funguje, se může přenést od jednoho člověka k týmu a organizaci, podle vašich pravidel	Sdílená paměť organizace je možná
Sdílení mezi lidmi, pod kontrolou	Vy volíte, co se sdílí a s kým, a můžete to odvolat; u všeho sdíleného je vidět, od koho to pochází	Jmenné prostory podle dodavatele, IAM nebo oprávnění v grafu
Ochrana sdíleného obsahu	Co někdo sdílí, přichází jako informace, nikdy jako instrukce, takže to nemůže řídit agenta jiného člověka	Závisí na aplikaci a dodavateli
Kontrola a důvěra
Pravidla	Vaše pravidla jsou součástí toho, jak Duplex funguje: povolují, odmítají nebo omezují skutečné akce	Kontext může chování informovat, ale akce neautorizuje
Pravidla uplatněná před každou akcí	VestavěnéHooky každou akci před spuštěním zkontrolují podle vašich pravidel	Paměť dodává kontext, ale vnější akce neautorizuje
Lidé ve smyčce	Člověk potvrzuje akce, které zvolíte, a co se Duplex naučí, lze zkontrolovat a vrátit zpět	Určuje aplikace
Historie, kterou si můžete ověřit	Historie každého rozhodnutí, odkud přišlo a co z něj vzešlo, kterou nelze potichu změnit	Historie, sledování zdrojů a auditní kontroly se liší podle dodavatele
Doklady, které můžete ověřit	Rozhodnutí, dovednosti a smazání mohou mít doklady, které můžete ověřit	Sledování zdrojů se liší podle dodavatele
Přesné vrácení naučeného	VestavěnéJednu naučenou změnu lze přesně vrátit zpět, bez přetrénování čehokoli	Vzpomínky lze smazat, ale chování na nich postavené se přesně nevrátí
Zapomínání, které zasáhne vše, co na tom stojí	Odstranění něčeho odstraní i to, co z toho vzešlo: kontext, cokoli z toho sdíleného i související učení	Obvykle maže záznamy; odvozená shrnutí a kopie jinde je třeba řešit zvlášť
Oddělení zákazníků	Každý uživatel, tým, organizace i zákazník zůstávají oddělení, v každé integraci i ve všem, co sdílí	Izolace podle uživatele, aktéra, jmenného prostoru, grafu nebo IAM
Odkud pochází vše naučené	U všeho, co se naučil, vidíte zdroj, rozsah a míru, do jaké se tomu dá věřit	Silné u produktů s časovými grafy; jinde se liší
Kde běží a s čím se propojuje
Jakýkoli poskytovatel modelů	Jedna inteligence napříč OpenAI, Anthropic, Google, AWS a kompatibilními modely	Obecně nezávislé na modelu
MCP	VestavěnéPřes MCP + hooks se Duplex zapojí do každého kroku, který vaši agenti udělají	Dostupné v několika produktech, včetně Supermemory a AgentCore
Hooky a pluginy	VestavěnéPluginy pro Claude, Codex, Cursor a Hermes a hooky, které zapojují Duplex v každém kroku a kontrolují citlivé akce nástrojů	Integrace přes SDK a MCP
Váš cloud, nebo na vlastních serverech	Vareon cloud, váš cloud nebo bez cloudu: privátní cloud, váš vlastní účet, na vlastních serverech nebo odpojené od sítě	Podle dodavatele; existují open-source i spravované varianty
Bez cloudu: odpojené od sítě	Postavené pro nasazení, odkud nic nesmí odejít, s lokálními modely, lokálními závislostmi a vaším vlastním poskytovatelem identity	Závisí na platformě
Náklady, rychlost a vhodnost
Jak snižuje náklady na model	Na známou práci odpovídá Duplex sám, bez opakovaného volání špičkového modelu	Lepší kontext omezuje opakování, ale přidává vyhledávání a model stále volá
Jak snižuje latenci	Rozhodnutí, kterými si je jistý, přijdou rychle; nejistá práce dál jde k vašemu špičkovému modelu	Rychlejší vyhledávání a menší kontext
Přečká aktualizaci modelu	AnoUčení, kontext, úkoly a pravidla zůstávají mimo jakýkoli jednotlivý model	AnoUložený kontext nezávisí na modelu
Potřeba doladění	NeDoladění se stává volitelným krokem navíc	Ne
Nejlépe se hodí pro	Organizace, které potřebují, aby se jejich AI agenti učili, jednali v rámci pravidel, nesli práci dál a zlepšovali se napříč modely, jako jeden systém	Aplikace, které potřebují hlavně trvalý, relevantní kontext o uživatelích nebo firmě

Další porovnání.

Ověřte si Duplex na vlastní práci.

Porovnejte ho tam, kde na tom záleží: pilotní projekt nasadí Duplex na vaši vlastní práci, s měřítky dohodnutými před začátkem.

Spustit pilotní projekt →Poznat Duplex

Duplex a paměťové platformy,vedle sebe.

Všechny schopnosti: Duplex a paměťové platformy.

Další porovnání.

Ověřte si Duplex na vlastní práci.

Duplex a paměťové platformy,
vedle sebe.