Duplex og hukommelsesplatforme,
side om side.
Mem0, Zep, AgentCore Memory og Supermemory gemmer fakta, beskeder og episoder til det næste modelkald. Duplex lærer af erfaring: den forstår mønstret, forudsiger, hvad der kommer derefter, og handler på det.
Sammenligningen er aktuel pr. 16. oktober 2026.
Alle evner: Duplex og hukommelsesplatforme.
Hvad hver enkelt gør, gruppe for gruppe, fra hvad den er, til hvad den koster.
- Indbygget
- Bygget ind i kernen af, hvordan produktet fungerer.
- Ekstern
- Du leverer det, eller samler det, separat.
- Ikke indbygget
- Produktets dokumentation angiver det ikke som en indbygget funktion. En specialbygget løsning kan stadig være mulig.
| Evne | Duplex | HukommelsesplatformeMem0, Zep, AgentCore Memory og Supermemory |
|---|---|---|
| Hvad hver enkelt er | ||
| Hvad den er | En runtime-intelligens ved siden af din AI: den lærer og handler for dine agenter og assistenter, inden for dine regler | Vedvarende kontekst, fakta, episoder og vidensgrafer |
| Hvad den bringer videre | Kontekst, beslutninger, udfald, regler, opgaver, færdigheder og det, den har lært | Fakta, beskeder, resuméer, episoder og grafrelationer |
| Hvad der bliver bedre med erfaring | Dens næste beslutninger: konfidens, routing, anbefalinger, værktøjsbrug og genbrugelig viden | Primært den kontekst, der gives til det næste modelkald |
| At vide, hvad der skete, og lære af det | IndbyggetDen ved, hvad der skete, og lærer, hvad der skal ændres næste gang | Primært hukommelse; hvor meget den lærer, varierer fra leverandør til leverandør |
| Læring | ||
| Kontinuerlig læring uden gentræning | IndbyggetDen bliver ved med at lære, uden for din models vægte | Forbedring gennem kontekst; hvor dybt det går, varierer fra platform til platform |
| Tilpasning tur for tur | IndbyggetHvert nyt resultat kan ændre den næste beslutning med det samme | Minder kan tilføjes løbende, men at hente dem frem er ikke at tilpasse sig |
| Læring fra rettelser | IndbyggetEn rettelse ændrer, hvad Duplex gør næste gang | Rettelser kan lagres og hentes frem som kontekst |
| Læring fra udfald | IndbyggetSucces og fiasko føres direkte tilbage i det, den lærer | Episoder kan hentes frem, men læring fra udfald er generelt ekstern |
| Læring fra belønninger | IndbyggetEn belønning styrker det, der virkede, og retter det, der ikke gjorde | Belønninger er ikke en almindelig hukommelsesfunktion |
| Æren til trinnene bag et resultat | IndbyggetDen finder ud af, hvilke tidligere handlinger der førte til et senere resultat | Ikke indbygget |
| Hvordan handlinger flytter arbejdet | IndbyggetDen lærer, hvordan hver handling flytter arbejdet fra én tilstand til den næste | Lagrede episoder kan tjene som eksempler |
| At forudsige, hvad en handling vil gøre | IndbyggetUd fra det, den observerer, forudsiger den, hvad en handling vil gøre, afprøver alternativer og planlægger | Ikke indbygget |
| Bedre valg af handling | IndbyggetUdfald forbedrer, hvilken handling den vælger næste gang | Genfundet kontekst kan forme adfærden indirekte |
| Genbrugelige færdigheder | IndbyggetErfaring bliver til færdigheder, der testes før brug, og som kan sættes på pause, hentes tilbage eller trækkes tilbage | Afhænger af leverandøren; generelt ikke det, kategorien er bygget op om |
| At teste og styre færdigheder | En færdighed testes, før man forlader sig på den, og kan sættes på pause, hentes tilbage, trækkes tilbage eller fjernes for altid | Som regel en livscyklus pr. Post, ikke pr. Færdighed |
| Generalisering til beslægtede tilfælde | Den fører det, den har lært, videre til beslægtede tilfælde og nye formuleringer og ind i færdigheder, den kan genbruge | Semantisk genfinding finder relateret information, hvilket ikke er det samme som at generalisere adfærd |
| At beslutte og handle | ||
| At vide, hvor sikker den er | IndbyggetFør hver beslutning ved den, hvor velkendt sagen er, og hvor sikker den er | Genfindingsscorer og relevanssignaler |
| Svar, overdrag eller afvis | IndbyggetDuplex svarer selv, kalder din model, bruger et værktøj eller afviser, inden for dine regler | EksternVærtsapplikationen afgør, hvordan der skal handles |
| At svare selv på velkendt arbejde | IndbyggetDen træffer selv velkendte beslutninger uden endnu et kald til en frontiermodel | Modellen læser normalt den genfundne kontekst |
| At overdrage det, der er nyt eller usikkert | Nyt, usikkert eller følsomt arbejde går til den rette model, det rette værktøj eller den rette person | EksternApplikationens opgave |
| Planlægning, simulering og anbefalinger | IndbyggetDen forudsiger, hvad der sker derefter, afprøver alternativer, bygger planer og anbefaler handlinger | Hukommelsen leverer kontekst; planlægning forbliver ekstern |
| Mange agenter, der arbejder sammen | Den sender arbejdet til den rette agent, deler det op inden for dine regler, holder hver agent inden for dens område og samler resultaterne | Delt hukommelse kan betjene flere agenter |
| At lære, hvilke værktøjer der virker | Den lærer, hvilke værktøjer der virker, hvornår de skal bruges, og hvad hvert enkelt fører til | Værktøjsresultater kan huskes |
| Værktøjshandlinger inden for dine regler | Værktøjer kører kun gennem dine regler og tilladelser | EksternOverladt til applikationen i systemer, der kun har hukommelse |
| Streaming | Den streamer output fra model og værktøjer, med hvert trin stadig inden for dine regler | Afhænger af leverandøren |
| Arbejde, der fortsætter | ||
| Læring fra hvert trin, automatisk | Hvert trin, gennem MCP + hooks eller plugins, indgår i én fælles læringssløjfe | Integrationer via SDK eller agentmiljø fanger beskeder og hændelser |
| Kontekst på tværs af sessioner | IndbyggetArbejde, beslutninger, opgaver og den kontekst, der betyder noget, fortsætter på tværs af sessioner | IndbyggetDet er netop det, kategorien er bygget op om |
| Langvarigt arbejde | IndbyggetLangt arbejde forbliver åbent på tværs af sessioner og agenter, med sikre punkter at vende tilbage til, indtil det er færdigt eller glemt | Kontekst kan hentes frem, men styring af opgavernes tilstand er ekstern |
| På tværs af modeller | IndbyggetDet, den lærer, og din kontekst forbliver uden for modellen og følger arbejdet på tværs af udbydere | Generelt stærk, fordi hukommelsen ikke afhænger af modellen |
| På tværs af apps og agenter | Det samme arbejde fortsætter på tværs af Claude, Codex, Cursor, Hermes og dine egne agenter | Muligt, når apps deler den samme hukommelsesidentitet |
| At overdrage arbejde til en anden agent | En opgave og dens kontekst går videre til en anden agent, du tillader, klar til at fortsætte | En anden autoriseret agent kan hente den delte kontekst frem |
| At holde konteksten kompakt | Konteksten forbliver kompakt, fokuseret på de regler, opgaver og beslutninger, der betyder noget | Resuméer, udtrukne minder og episodiske optegnelser |
| Læring fra billeder, lyd, video og PDF’er | Den lærer af billeder, lyd, video og PDF’er, ligesom den gør af tekst | Afhænger af leverandøren og modellen |
| På tværs af formater | Et spørgsmål i ord kan trække på det, der er lært fra billeder, lyd og video, og medier kan forme senere beslutninger | Tilgængelig i produkter, der indekserer mere end tekst |
| Mennesker, teams og deling | ||
| For hver person | IndbyggetHver person får sin egen private kontekst, sine præferencer og sin læring | Stærk hukommelse pr. Bruger eller pr. Aktør |
| For hvert team | IndbyggetTeams deler godkendt læring, og privat arbejde forbliver privat | Tilgængelig gennem namespaces, grafer eller delte lagre |
| På tværs af organisationen | IndbyggetDet, der virker, kan bevæge sig fra én person til teamet og organisationen, under dine regler | Delt organisationshukommelse er mulig |
| Deling mellem mennesker, under kontrol | Du vælger, hvad der deles, og med hvem, og kan trække det tilbage; alt delt viser, hvem det kom fra | Leverandørspecifikke namespaces, IAM eller graftilladelser |
| Beskyttelse af delt indhold | Det, nogen deler, ankommer som information, aldrig som instruktioner, så det ikke kan styre en anden persons agent | Afhænger af appen og leverandøren |
| Kontrol og tillid | ||
| Regler | Dine regler er en del af, hvordan Duplex fungerer: de tillader, afviser eller begrænser reelle handlinger | Kontekst kan informere adfærd, men autoriserer ikke handlinger |
| Regler anvendt før hver handling | IndbyggetHooks tjekker hver handling mod dine regler, før den kører | Hukommelsen leverer kontekst, men autoriserer ikke eksterne handlinger |
| Mennesker i processen | En person bekræfter de handlinger, du vælger, og det, Duplex lærer, kan gennemgås og fortrydes | Fastlagt af appen |
| En historik, du kan kontrollere | En historik over hver beslutning, hvor den kom fra, og hvad der kom ud af den, som ikke kan ændres i det stille | Historik, kildesporing og revisionskontroller varierer fra leverandør til leverandør |
| Kvitteringer, du kan verificere | Beslutninger, færdigheder og sletninger kan komme med kvitteringer, du kan verificere | Kildesporing varierer fra leverandør til leverandør |
| At fortryde det lærte, præcist | IndbyggetÉn lært ændring kan fortrydes præcist, uden at noget skal gentrænes | Minder kan slettes, men den adfærd, der er bygget på dem, rulles ikke præcist tilbage |
| Glemsel, der når alt, hvad der er bygget på det | At fjerne noget fjerner også det, der kom fra det: kontekst, alt delt fra det og relateret læring | Sletter som regel poster; afledte resuméer og kopier andre steder kræver særskilt håndtering |
| At holde kunder adskilt | Hver bruger, hvert team, hver organisation og hver kunde holdes adskilt, i hver integration og i alt, den deler | Isolering efter bruger, aktør, namespace, graf eller IAM |
| Hvor alt det lærte kom fra | For alt, den lærte, kan du se kilden, omfanget, og hvor langt man kan stole på det | Stærk i produkter med temporale grafer; varierer andre steder |
| Hvor den kører og forbinder | ||
| Enhver modeludbyder | Én intelligens på tværs af OpenAI, Anthropic, Google, AWS og kompatible modeller | Generelt uafhængig af modellen |
| MCP | IndbyggetGennem MCP + hooks indgår Duplex i hvert trin, dine agenter tager | Tilgængelig i flere produkter, herunder Supermemory og AgentCore |
| Hooks og plugins | IndbyggetPlugins til Claude, Codex, Cursor og Hermes og hooks, der henter Duplex ind ved hvert trin og tjekker følsomme værktøjshandlinger | Integrationer via SDK og MCP |
| Din cloud, eller selvhostet | Vareon cloud, din cloud eller ingen cloud: privat cloud, din egen konto, selvhostet eller air-gapped | Leverandørspecifikt; der findes open source- og administrerede muligheder |
| Ingen cloud: air-gapped | Bygget til udrulninger, hvor intet må forlade stedet, med lokale modeller, lokale afhængigheder og din egen identitetsudbyder | Afhænger af platformen |
| Omkostning, hastighed og egnethed | ||
| Hvordan den sænker modelomkostningerne | Duplex besvarer selv velkendt arbejde uden gentagne kald til en frontiermodel | Bedre kontekst mindsker gentagelser, men tilføjer genfinding og kalder stadig modellen |
| Hvordan den sænker latensen | Beslutninger, den er sikker på, kommer hurtigt tilbage; usikkert arbejde går stadig til din frontiermodel | Hurtigere genfinding og mindre kontekst |
| Overlever en modelopgradering | JaLæring, kontekst, opgaver og regler forbliver uden for enhver enkelt model | JaLagret kontekst afhænger ikke af modellen |
| Kræver finjustering | NejFinjustering bliver et valgfrit ekstra trin | Nej |
| Bedst til | Organisationer, der har brug for, at deres AI-agenter lærer, handler inden for regler, fører arbejdet videre og bliver bedre på tværs af modeller, som ét system | Apps, der primært har brug for varig, relevant bruger- eller forretningskontekst |
De andre sammenligninger.
- Duplex og LettaAgenter med tilstand, hukommelse og færdigheder
- Duplex og CopilotKit CLiFRigtige arbejdsgange, gjort til færdigheder
- Duplex og Deeplake HivemindDelt hukommelse til kodeagenter
- Duplex og finjusteringFinjustering og forstærkningsbaseret finjustering
- Duplex og AI-gatewaysPortkey, LiteLLM og lignende
- Den fulde sammenligningDuplex ved siden af alle seks, side om side
Se Duplex på dit eget arbejde.
Sammenlign, hvor det tæller: et pilotprojekt sætter Duplex på dit eget arbejde, med målepunkterne aftalt, før det går i gang.