ChatGPT记忆功能排行榜：梦境式长期记忆实测

今天凌晨，OpenAI悄悄推出了ChatGPT记忆合成系统的升级版——**Dreaming V3**。咱们开门见山，这次主要解决的是ChatGPT在数亿用户、多年使用中暴露出的三个老大难：记忆过时、准确性不足，以及大规模服务的成本压力。 ▲OpenAI更新记忆系统（图源：OpenAI） 这次的Dreaming和2024年那个依赖用户主动提示的“保存记忆”完全不一样。它会在后台自动整理聊天历史，然后主动更新记忆。今年4月OpenAI其实试水过Dreaming V0，这次V3是大幅升级版——不光是能力更强，计算效率也大幅提升。用大白话说就是：ChatGPT现在能在后续对话里更好地延续上下文、跟着你的偏好走，还会自己修正过时的信息。 举个例子你就明白了。如果你之前告诉过ChatGPT，自己7月要去新加坡，旧系统会在旅行结束后还傻傻地以为那是未来计划。但新系统会自己把记忆更新为“用户7月已经去过新加坡了”——之后你再问外卖推荐，它就不会再跟你推荐海南鸡饭了。 新系统还有一个亮点：它会把这些“合成”出来的记忆整理成一个**“记忆摘要”**页面。你可以在这个页面上查看ChatGPT大概知道你的哪些信息，随时新增或更新个人信息，还能指定什么情况下该提哪些话题。挺贴心的设计。 从OpenAI公布的成绩单来看，效果相当可观。在**“事实回忆”任务**中，新系统的成功率达到了**82.8%**，比2024年的版本直接涨了**41.3个百分点**；在**“偏好遵循”任务**中，成功率是**71.3%**，提升了**39.9个百分点**；而在**“随时间保持正确”任务**里，成功率达到了**75.1%**，比2024年整整提升了**65.7个百分点**——涨了近7倍。 目前这套新系统率先面向美国Plus和Pro用户开放，接下来几周会逐步扩展到更多地区，以及Free和Go用户。 ## 一、从“保存笔记”到后台合成，ChatGPT记忆减少手动维护 聊聊这段进化史。2024年4月，OpenAI首次推出的保存记忆功能，本质上就是让ChatGPT能“记住”用户写下来的笔记。比如你在对话里敲一句“记住我7月要去新加坡”，它就记住了。但这套机制很被动：**得靠用户主动触发**，聊得不够多、没明确说出来的内容，它就漏了。而且时间一长，那些保存下来的记忆很容易变得又旧又不靠谱，就像堆了一堆过期的便签纸。 到了2025年4月，OpenAI开始尝试让模型自己来整理记忆，于是有了Dreaming的第一个版本（V0）。它可以参考聊天上下文，**不需要你主动触发**，就能在后台自动整理出一份记忆状态。这样模型在后续对话里，更容易拿到最新、最相关的信息。 过去这一年，Dreaming一直作为保存记忆的补充角色，让ChatGPT的个性化回答能力上了一个台阶，也缓解了记忆过时的问题。但说实话，之前的版本还没法独立撑起一套完整的记忆系统。 ## 二、记忆摘要可查看并更新，三大指标评估记忆能力 现在，Dreaming V3来了。这是一套**基于Dreaming的全新记忆架构**，能力更强，计算效率也更高。它合成出来的记忆会通过**“记忆摘要”**页面直接展示给你。 ▲“记忆摘要”界面（图源：OpenAI） 你可以快速浏览ChatGPT大概知道你的哪些信息，也可以直接在这里**新增或更新个人信息**，告诉它哪些话题应该在什么场景下提起。如果想了解某一类记忆的细节，直接跟模型聊就行。 OpenAI评估记忆能力时主要看三个维度： 第一，**延续有用的上下文**。用户只说过一次的信息，后续对话里不能被遗忘。 第二，**遵循用户偏好和限制**。比如用户说自己是素食者，之后ChatGPT给餐饮建议时就得一直记住这一点。 第三，**随时间更新**。记忆不能停留在生成那一刻，得会“变老”也会“翻篇”。比如你正在策划“下周六的生日派对”，等到周日过完了，它就不该再把它当成未来计划。 ## 三、延续上下文，新对话不用从头介绍自己 有了这套记忆，用户开启新对话的时候，就不用每次都从头介绍自己了。尤其对那些复杂、长期的工程项目来说，ChatGPT能接上之前的背景，能省不少时间。 OpenAI给了一个很形象的例子。用户过去跟ChatGPT聊过自己的相机配置，后来又问“我的摄影设备要实现水下TTL闪光，需要买什么”。对比没有记忆和有记忆的模型，差别就出来了。 ▲不同记忆系统下，输出结果对比中文转译版（图源：OpenAI） 没有记忆的模型只会甩出一张通用清单，让你自己去比对是否兼容。而有记忆的模型能直接调用你之前提到的具体设备，比如Sony A1 II相机、Nauticam NA-A1II潜水壳、Backscatter Mini Flash 3、Inon Z-330闪光灯，然后推荐更具体、更兼容的产品。 正是基于这类场景，OpenAI构建了**“事实回忆”评估任务**——要求模型回答一个必须调用用户事实信息的问题。结果如下： ▲“事实回忆”任务成功率对比（图源：OpenAI） 2024年版本的成功率是**41.5%**，2025年涨到**67.9%**，2026年直接跳到**82.8%**。加入Dreaming后，ChatGPT调用用户事实信息的能力连续两年提升，2026年比2024年高了近一倍。 ## 四、遵循用户偏好，成功率从31.4%升至71.3% 记忆系统还能让ChatGPT的回答更贴合你的口味。OpenAI举了个例子：用户正在规划新加坡差旅后的短途旅行，ChatGPT从过去的对话里知道，这位用户喜欢野生动物摄影、睡觉要强空调、偏爱安静晚餐、讨厌拥挤酒吧。最后给出的行程和常规旅游清单完全不一样。 ▲不同记忆系统下，输出结果对比中文转译版（图源：OpenAI） 没有记忆的模型会推荐滨海湾、牛车水、小印度、圣淘沙这些常规路线，就是一份通用旅游攻略。有记忆的模型则会把重点放在更适合自然休闲和摄影兴趣的地点，安排好休息时间，餐厅也避开了那些拥挤的地方。 OpenAI指出，这些偏好主要来自三类信息：一，**用户对ChatGPT回答方式的要求**，比如“不要再提某个人”；二，**用户明确说出的个人偏好或限制**，比如“我是素食者”；三，一些**影响推荐结果的隐含信息**，比如用户住在旧金山附近，那本地推荐就围绕这个区域展开。 在新系统里，OpenAI大幅提升了从过往对话中提取和运用这类偏好的能力。比如面对素食用户，模型能在询问备餐建议时自动给出素食方案。 评估结果很清楚：2024年版本“偏好遵循”的成功率只有**31.4%**，2025年升到**55.3%**，2026年进一步冲到**71.3%**，比2024年提升了**39.9个百分点**。 ▲“偏好遵循”任务成功率对比（图源：OpenAI） ## 五、能随时间更新，任务成功率较2024年提升近7倍 聊天结束后，现实世界的时间并不会停下来。传统记忆系统很容易“卡”在过去的某个时刻。比如用户曾经说“我现在在新加坡，今晚需要晚餐推荐”，旅行结束后模型如果还觉得用户在新加坡，那推荐就全错了。 Dreaming的作用，就是让**记忆能随着时间自动更新**。它能把“用户**7月要去**新加坡”更新为“用户**7月去过**新加坡”。这样回到家后，ChatGPT就能重新根据用户的常驻地和时区给出建议。 下面的例子最能说明问题。用户问：“帮我找一家今晚还开着的外卖店。” ▲不同记忆系统下，输出结果对比中文转译版（图源：OpenAI） 记忆过时的模型会继续推荐新加坡当地的外卖店；而带有更新后记忆的模型，则能根据用户当前在加利福尼亚的位置，推荐当地的餐厅。 OpenAI专门测试了这类问题。结果显示，“随时间保持正确”这项评估中，2024年版本的**成功率只有9.4%**，2025年涨到**52.2%**，2026年直接飙到**75.1%**。最新记忆系统比2024年版本提升了**65.7个百分点**，差不多是**近7倍**的提升。 值得提到的是，OpenAI虽然之前已经对Plus和Pro用户开放了基于Dreaming的记忆功能，但直到现在，他们才有信心向Free用户提供一个质量达标、适合大规模服务的版本。原因是近期的改进让Dreaming的服务成本大幅下降——向Free用户提供这一功能的计算量已经**降低了约5倍**。未来几周，**Free用户也能用上Dreaming了**，同时Plus和Pro用户的记忆容量还会进一步扩容。 ## 结语：记忆系统将扩展至免费用户 从“保存记忆”到Dreaming V3，ChatGPT的记忆系统正在经历一次关键的转变：从用户手动记录，转向由模型在后台持续整理、合成和更新。这次升级之后，ChatGPT不仅能记住用户说过什么，还能判断哪些信息依然相关、哪些偏好需要持续遵守、哪些记忆已经过时。随着Dreaming在未来几周向免费用户推开，记忆能力正在从一个“高阶功能”，慢慢变成ChatGPT的“基础能力”。 来源：OpenAI

来源：互联网