Mem0 平台上线自带密钥（BYOK），公布 17 个记忆抽取模型的准确率、成本与延迟对比
Mem0 在其平台推出自带密钥（BYOK）功能，开发者可自选负责抽取记忆的模型，相关用量计入自有 API（应用程序编程接口）密钥。
此次厂商自测基于 LoCoMo 公开长对话基准，覆盖 17 个模型：最准模型答对率 93.5%，最低 84.1%； 最贵模型每千次 add 请求成本为最便宜者的 233 倍。
这为长对话类消费应用提供了模型选型的成本与延迟参照。
Mem0 于 2026 年 10 月 20 日发布博客（10 月 23 日更新），宣布平台支持自带密钥（BYOK）； 组织所有者可在 Settings → BYOK 选择提供商与模型并填入自己的 API（应用程序编程接口） 密钥，此后记忆抽取改用该模型并由开发者自付费用，add 与 search 代码不变。
测试基于 LoCoMo 公开基准，含 10 段长对话与 1540 个问题，仅更换抽取记忆的模型，其余设置不变； 准确率为两次运行均值，成本按每千次 add 请求估算（每次约 8 条消息），延迟取 p95。 结果：Claude Opus 5.5 准确率 93.5%、每千次 add 请求 158.55 美元、延迟 18.1 秒；
Claude Sonnet 5.5 为 93.4%、78.44 美元、10.4 秒； GLM-5.3 Flash 为 93.0%、7.25 美元、86.5 秒； DeepSeek V4.1 Flash 为 92.9%、5.34 美元、18.5 秒； GPT-6 Luna 为 92.6%、3.55 美元、15.2 秒； Mem0 默认模型为 92.5%；
Amazon（亚马逊） Nova Micro 为 88.0%、0.86 美元、10.2 秒； 最低为 Mistral Nemo 84.1%、0.68 美元。 按每月 1 万次 add 请求计，Nova Micro 月成本 8.60 美元，Claude Sonnet 5.5 为 784 美元，Opus 5.5 为 1586 美元。
这是厂商在自建测试设置下对自家平台模型选项的自评，LoCoMo 只覆盖长对话问答，准确率反映的是“记忆写入后能否答对”，不等于真实产品中的留存或体验； 延迟也随提供商与套餐变化。 值得注意的结构性信号是：记忆抽取这一中间层能力已出现明显成本分层，相近准确率区间内价格可相差一个数量级，模型选择本身成为产品毛利与响应速度的设计变量。
后续观察信号
- LoCoMo 基准的题目构成与评分方式能否被独立复核
- 长对话记忆准确率与真实用户留存之间是否有关联证据