AI Agent 总失忆，Graphon 拿 3500 万美元赌一张图
Graphon Labs 完成 3500 万美元 A 轮，声称用无 schema 的图结构解决 AI Agent 记忆问题。LoCoMo 上 94% 准确率只花 7.9K tokens，还登上 ATM-Bench 第一。但企业权限、数据更新和基准复核仍是问题。
AI Agent 会写代码，会查数据库，也会做多步任务。但它经常记不住上一轮聊了什么，更处理不了公司里几年堆下来的邮件、图片、视频和文档。Graphon Labs 想解决这件事，刚完成 3500 万美元 A 轮融资。
这家公司没有把资料切块后做向量检索。按创始人 Arbaaz Khan 对 Business Insider 的说法，常见 AI 搜索像把书撕成一页页，揉成团扔进垃圾桶。你再去桶里翻，只能找到碎片，页与页之间的关系已经没了。Graphon 建一张横跨文档、邮件、图片和视频的图，保留信息之间的连接、来源和时间变化，而且不依赖手工 schema。新数据进来，不需要重新设计本体。
Arbaaz Khan 和联合创始人之前在 NASA JPL、Google DeepMind、Meta、Nvidia 做机器人记忆。这个背景解释了为什么他们一直盯着“AI 为什么还是忘事”。本轮由 RRE Ventures 领投，Energy Impact Partners、Hitachi Ventures、Gaia VC 和 HP 参与。公司有 20 人，客户包括旧金山 49 人队和 HP。6 个月前它刚拿过约 800 万美元种子轮。
按公司公布的数据，基准是它最硬的宣传材料。LoCoMo 上，Graphon 用 7.9K tokens 拿到 94.0% 准确率。作为对照，把完整历史塞给模型是 19K tokens，90.4%。ATM-Bench 上，Graphon V1 以 81.71% 排第一。DolphinBench 里，它完成 600 个任务中的 504 个，准确率 84.0%，总成本 11.84 美元。公开榜单上同一模型的最佳成绩是 70.7%，成本 96.21 美元。公司还报告 LongMemEval 最高 96.2%，BEAM-10M 73.0。
94% 很显眼，7.9K tokens 更值得看。记忆系统如果只靠把更多历史塞进上下文，成本和延迟会跟着涨。Graphon 讲的是另一条曲线：用更少 token 拿到更高准确率。它把索引、搜索、问答和研究包成 API，存储层兼容 S3，官方说可以把 Claude、GPT 或其他现成 agent 指过来，也能直接吞 100K PDF 而不改本体。
但企业记忆不只考准确率。有网友在 X 上问，一张图横跨公司邮件，权限怎么处理，agent 只能拉取提问者本来就能看的内容。这个问题比跑分难。另一个质疑是，无 schema 的图声称新数据不会破坏结构，可现实里的数据会变、会冲突、会过期。还有网友问，文档被修改后，已经建好的记忆怎么保持新鲜。Graphon 的 ATM-Bench Hard 成绩是 65.6，提交后还在等榜单复核。基准本身也需要时间验证。
Graphon 的叙事赢在成本准确率前沿，不在单纯刷榜。它把记忆问题从“再塞一点上下文”拉回到“数据之间怎么连、怎么变、谁能看”。如果这套图真能在企业数据里保持更新和权限隔离，agent 会从每次重启的实习生变成记得项目来龙去脉的同事。如果做不到，图也只是另一个数据孤岛，只是这次上面挂了 3500 万美元。
参考链接：
发布时间: 2026-11-11 03:27