Duplex e piattaforme di memoria,
fianco a fianco.
Mem0, Zep, AgentCore Memory e Supermemory conservano fatti, messaggi ed episodi per la prossima chiamata al modello. Duplex impara dall’esperienza: capisce lo schema, prevede cosa viene dopo e agisce di conseguenza.
Confronto aggiornato al 16 ottobre 2026.
Tutte le capacità: Duplex e piattaforme di memoria.
Cosa fa ciascuno, gruppo per gruppo, da cosa è a quanto costa.
- Nativo
- Integrato nel funzionamento di base del prodotto.
- Esterno
- Lo fornisci tu, o lo assembli, a parte.
- Non nativo
- La documentazione del prodotto non lo elenca come funzionalità integrata. Una soluzione su misura potrebbe comunque essere possibile.
| Capacità | Duplex | Piattaforme di memoriaMem0, Zep, AgentCore Memory e Supermemory |
|---|---|---|
| Cosa è ciascuno | ||
| Cos’è | Un’intelligenza a runtime accanto alla tua IA: impara e agisce per i tuoi agenti e assistenti, entro le tue regole | Contesto persistente, fatti, episodi e grafi di conoscenza |
| Ciò che porta avanti | Contesto, decisioni, esiti, regole, compiti, competenze e ciò che ha imparato | Fatti, messaggi, riassunti, episodi e relazioni del grafo |
| Cosa migliora con l’esperienza | Le sue prossime decisioni: certezza, instradamento, raccomandazioni, uso degli strumenti e conoscenza riutilizzabile | Soprattutto il contesto dato alla prossima chiamata al modello |
| Sapere cosa è successo, e imparare da questo | NativoSa cosa è successo, e impara cosa cambiare dopo | Soprattutto memoria; quanto impara varia secondo il fornitore |
| Apprendimento | ||
| Apprendimento continuo senza riaddestramento | NativoContinua a imparare, fuori dai pesi del tuo modello | Miglioramento tramite il contesto; la profondità varia secondo la piattaforma |
| Adattamento turno per turno | NativoOgni nuovo risultato può cambiare subito la decisione successiva | I ricordi si possono aggiungere di continuo, ma recuperarli non è adattarsi |
| Imparare dalle correzioni | NativoUna correzione cambia ciò che Duplex fa dopo | Le correzioni possono essere archiviate e recuperate come contesto |
| Imparare dagli esiti | NativoSuccessi e fallimenti tornano dritti in ciò che impara | Gli episodi si possono richiamare, ma imparare dagli esiti è in genere esterno |
| Imparare dalle ricompense | NativoUna ricompensa rafforza ciò che ha funzionato e corregge ciò che non ha funzionato | Le ricompense non sono una funzionalità standard della memoria |
| Il merito dei passaggi che portano a un risultato | NativoCapisce quali azioni precedenti hanno portato a un risultato successivo | Non nativo |
| Come le azioni fanno avanzare il lavoro | NativoImpara come ogni azione porta il lavoro da uno stato al successivo | Gli episodi archiviati possono servire da esempi |
| Prevedere cosa farà un’azione | NativoDa ciò che osserva, prevede cosa farà un’azione, prova alternative e pianifica | Non nativo |
| Scelte d’azione migliori | NativoGli esiti migliorano l’azione che sceglie dopo | Il contesto recuperato può influenzare il comportamento in modo indiretto |
| Competenze riutilizzabili | NativoL’esperienza diventa competenze testate prima dell’uso, che si possono sospendere, ripristinare o ritirare | Dipende dal fornitore; in genere non è ciò attorno a cui è costruita la categoria |
| Testare e gestire le competenze | Una competenza viene testata prima di farci affidamento, e si può sospendere, ripristinare, ritirare o rimuovere per sempre | Di solito un ciclo di vita per record, non per competenza |
| Generalizzare a casi affini | Porta ciò che ha imparato a casi affini e a nuove formulazioni, e in competenze che può riutilizzare | Il recupero semantico trova informazioni affini, il che non equivale a generalizzare un comportamento |
| Decidere e agire | ||
| Sapere quanto è sicuro | NativoPrima di ogni decisione, sa quanto il caso è noto e quanto è sicuro | Punteggi di recupero e segnali di pertinenza |
| Rispondere, passare la mano o rifiutare | NativoDuplex risponde da sé, chiama il tuo modello, usa uno strumento o rifiuta, entro le tue regole | EsternoL’applicazione host decide come agire |
| Rispondere da sé al lavoro noto | NativoPrende da solo le decisioni note, senza un’altra chiamata a un modello di frontiera | Il modello di norma legge il contesto recuperato |
| Passare la mano su ciò che è nuovo o incerto | Il lavoro nuovo, incerto o sensibile va al modello, allo strumento o alla persona giusti | EsternoIl compito dell’applicazione |
| Pianificazione, simulazione e raccomandazioni | NativoPrevede cosa succede dopo, prova alternative, costruisce piani e raccomanda azioni | La memoria fornisce il contesto; la pianificazione resta esterna |
| Molti agenti, al lavoro insieme | Manda il lavoro all’agente giusto, lo suddivide entro le tue regole, tiene ogni agente nel suo ambito e riunisce i risultati | La memoria condivisa può servire più agenti |
| Imparare quali strumenti funzionano | Impara quali strumenti funzionano, quando usarli e a cosa porta ciascuno | I risultati degli strumenti si possono ricordare |
| Azioni degli strumenti entro le tue regole | Gli strumenti girano solo attraverso le tue regole e i tuoi permessi | EsternoLasciato all’applicazione nei sistemi di sola memoria |
| Streaming | Trasmette in streaming l’output del modello e degli strumenti, con ogni passaggio sempre entro le tue regole | Dipende dal fornitore |
| Lavoro che prosegue | ||
| Imparare da ogni passaggio, automaticamente | Ogni passaggio, tramite MCP + hooks o i plugin, alimenta un unico ciclo di apprendimento condiviso | Le integrazioni SDK o harness catturano messaggi ed eventi |
| Contesto tra sessioni | NativoLavoro, decisioni, compiti e il contesto che conta proseguono tra una sessione e l’altra | NativoÈ proprio ciò attorno a cui è costruita la categoria |
| Lavoro di lunga durata | NativoIl lavoro lungo resta aperto tra sessioni e agenti, con punti di ripristino a cui tornare, finché non è finito o dimenticato | Il contesto si può recuperare, ma gestire lo stato dei compiti è esterno |
| Tra modelli | NativoCiò che impara e il tuo contesto restano fuori dal modello, e seguono il lavoro tra fornitori | In genere solido, perché la memoria non dipende dal modello |
| Tra app e agenti | Lo stesso lavoro prosegue in Claude, Codex, Cursor, Hermes e nei tuoi agenti | Possibile quando le app condividono la stessa identità di memoria |
| Passare il lavoro a un altro agente | Un compito e il suo contesto passano a un altro agente che autorizzi, pronti a proseguire | Un altro agente autorizzato può recuperare il contesto condiviso |
| Mantenere compatto il contesto | Il contesto resta compatto, concentrato su regole, compiti e decisioni che contano | Riassunti, ricordi estratti e registrazioni episodiche |
| Imparare da immagini, audio, video e PDF | Impara da immagini, audio, video e PDF, come dal testo | Dipende dal fornitore e dal modello |
| Tra media diversi | Una domanda a parole può attingere a ciò che è stato appreso da immagini, audio e video, e i media possono orientare decisioni successive | Disponibile nei prodotti che indicizzano più del testo |
| Persone, team e condivisione | ||
| Per ogni persona | NativoOgni persona ha il proprio contesto privato, le proprie preferenze e il proprio apprendimento | Memoria solida per utente o per attore |
| Per ogni team | NativoI team condividono l’apprendimento approvato, e il lavoro privato resta privato | Disponibile tramite namespace, grafi o archivi condivisi |
| In tutta l’organizzazione | NativoCiò che funziona può passare da una persona al team e all’organizzazione, secondo le tue regole | È possibile una memoria organizzativa condivisa |
| Condivisione tra persone, sotto controllo | Scegli cosa condividere e con chi, e puoi ritirarlo; tutto ciò che è condiviso mostra da chi viene | Namespace specifici del fornitore, IAM o permessi sul grafo |
| Protezione dei contenuti condivisi | Ciò che qualcuno condivide arriva come informazione, mai come istruzione, quindi non può guidare l’agente di un’altra persona | Dipende dall’app e dal fornitore |
| Controllo e fiducia | ||
| Le regole | Le tue regole fanno parte di come funziona Duplex: consentono, rifiutano o limitano azioni reali | Il contesto può orientare il comportamento, ma non autorizza azioni |
| Regole applicate prima di ogni azione | NativoGli hook controllano ogni azione rispetto alle tue regole prima che venga eseguita | La memoria fornisce contesto, ma non autorizza azioni esterne |
| Persone nel ciclo | Una persona conferma le azioni che scegli, e ciò che Duplex impara si può revisionare e annullare | Stabilito dall’app |
| Uno storico che puoi verificare | Una cronologia di ogni decisione, da dove viene e cosa ne è derivato, che non si può modificare di nascosto | Cronologia, tracciamento delle fonti e controlli di audit variano secondo il fornitore |
| Ricevute verificabili | Decisioni, competenze e cancellazioni possono avere ricevute verificabili | Il tracciamento delle fonti varia secondo il fornitore |
| Annullare con esattezza ciò che ha appreso | NativoUna singola modifica appresa si può annullare con esattezza, senza riaddestrare nulla | I ricordi si possono cancellare, ma il comportamento costruito su di essi non viene invertito con esattezza |
| Un oblio che raggiunge tutto ciò che vi è costruito sopra | Rimuovere qualcosa rimuove anche ciò che ne deriva: contesto, tutto ciò che ne è stato condiviso e l’apprendimento collegato | Di solito cancella i record; riassunti derivati e copie altrove vanno gestiti a parte |
| Tenere separati i clienti | Ogni utente, team, organizzazione e cliente resta separato, in ogni integrazione e in tutto ciò che condivide | Isolamento per utente, attore, namespace, grafo o IAM |
| Da dove viene tutto ciò che ha appreso | Per tutto ciò che ha appreso, puoi vedere la fonte, l’ambito e quanto ci si può fidare | Solido nei prodotti con grafo temporale; altrove varia |
| Dove gira e si collega | ||
| Qualsiasi fornitore di modelli | Un’unica intelligenza per OpenAI, Anthropic, Google, AWS e modelli compatibili | In genere indipendente dal modello |
| MCP | NativoTramite MCP + hooks, Duplex partecipa a ogni passaggio dei tuoi agenti | Disponibile in diversi prodotti, tra cui Supermemory e AgentCore |
| Hook e plugin | NativoPlugin per Claude, Codex, Cursor e Hermes, e hook che coinvolgono Duplex a ogni passaggio e controllano le azioni sensibili degli strumenti | Integrazioni SDK e MCP |
| Il tuo cloud, o self-hosted | Vareon cloud, il tuo cloud o senza cloud: cloud privato, il tuo account, self-hosted o air-gapped | Specifico del fornitore; esistono opzioni open source e gestite |
| Senza cloud: air-gapped | Pensato per implementazioni da cui nulla può uscire, con modelli locali, dipendenze locali e il tuo provider di identità | Dipende dalla piattaforma |
| Costo, velocità e idoneità | ||
| Come riduce il costo dei modelli | Duplex risponde da solo al lavoro noto, senza ripetere la chiamata a un modello di frontiera | Un contesto migliore riduce le ripetizioni, ma aggiunge recupero e chiama comunque il modello |
| Come riduce la latenza | Le decisioni di cui è sicuro tornano in fretta; il lavoro incerto va comunque al tuo modello di frontiera | Recupero più veloce e contesto più piccolo |
| Sopravvive a un aggiornamento del modello | SìApprendimento, contesto, compiti e regole restano fuori da ogni singolo modello | SìIl contesto archiviato non dipende dal modello |
| Fine-tuning necessario | NoIl fine-tuning diventa un passo in più facoltativo | No |
| Ideale per | Organizzazioni che hanno bisogno che i loro agenti di IA imparino, agiscano entro regole, portino avanti il lavoro e migliorino tra modelli diversi, come un unico sistema | App che hanno soprattutto bisogno di un contesto utente o aziendale durevole e pertinente |
Gli altri confronti.
- Duplex e LettaAgenti con stato, con memoria e competenze
- Duplex e CopilotKit CLiFFlussi di lavoro reali, trasformati in competenze
- Duplex e Deeplake HivemindMemoria condivisa per agenti di coding
- Duplex e fine-tuningFine-tuning e reinforcement fine-tuning
- Duplex e Gateway di IAPortkey, LiteLLM e simili
- Il confronto completoDuplex accanto a tutti e sei, fianco a fianco
Vedi Duplex all’opera sul tuo lavoro.
Confrontalo dove conta: un progetto pilota applica Duplex al tuo lavoro, con metriche concordate prima di partire.