Отсюда простой вывод: даже если два проекта умеют смысловой поиск, это ещё не делает их взаимозаменяемыми. Векторный поиск - лишь один слой. Настоящая разница начинается в модели данных и в том, что происходит с памятью со временем.

Большая сравнительная таблица

Пять архитектур на пяти схемах

Разница видна лучше всего, если посмотреть, как в каждом проекте устроен путь от записи до выдачи.

Mem0 и Memanto: универсальный слой против готового агента

Если вы пишете приложение, где память - часть бизнес-логики, Mem0 обычно выглядит естественнее всех. Открытую версию можно использовать как библиотеку для Python или Node либо как отдельный сервер, а модель, embedder, векторное хранилище и переранжировщик заменяемы. Новый алгоритм использует извлечение только на добавление и многосигнальный поиск: смысловая близость плюс ключевые слова по BM25 плюс совпадение сущностей. Граф знаний в текущей архитектуре вынесен в платную платформу.

Сильные стороны здесь понятны: удобная для разработчика модель API, Python и TypeScript, естественная память на пользователя, много готовых поставщиков, возможность поднять у себя и предсказуемый переход на управляемую платформу, когда своя инфраструктура надоест. Я бы выбрал Mem0 для ассистента поддержки, персонального ИИ внутри SaaS, компаньона или рекомендательной системы с памятью о пользователе - словом, там, где память программируется как часть бэкенда. И не выбирал бы, если главная задача - помнить ветки Git, вести задачи как граф проектных знаний или держать Markdown-хранилище для Claude Code: под это у других есть более предметные модели.

Memanto стоит на уровень выше по абстракции. У вас сразу есть три операции, тринадцать типов памяти, сессии, запросы во времени, разбор противоречий, загрузка файлов и множество готовых интеграций - Claude Code, Cursor, Codex, а из фреймворков LangGraph с готовыми инструментами в стиле LangChain, CrewAI, Hermes Agents и Langfuse. Для команды, которая не хочет сама выбирать векторную базу и строить вокруг неё жизненный цикл памяти, это удобно.

Но у Memanto есть компромисс, который стоит держать в голове с самого начала. Ядро проекта под MIT, а вот локальный бэкенд поиска - это отдельный проект, Moorcheh Community Edition, и его репозиторий прямо называет лицензию source-available и бесплатной для одноузлового некоммерческого использования; коммерческие и корпоративные сценарии отправляются к отдельной лицензии. Это не делает проект плохим, но перед коммерческим локальным развёртыванием условия надо выяснить отдельно.

Memora, Memoir и EchoVault: три разных ответа для работы с кодом

Memora относится к памяти агента как к структурированной базе проектных знаний, и её сильная связка выглядит так: поглотить факты, связать их графом и историей, затем собрать контекст по теме. Особенно ценно, что задачи и ошибки здесь полноправные записи, связи графа типизированы, документы разбираются на искомые фрагменты, поиск гибридный, а сборка контекста возвращает идентификаторы исходных записей - то есть вывод можно проверить. Я бы рассматривал Memora не как замену пользовательской памяти чат-бота, а как внутреннюю память проекта для агентов, работающих с кодом, исследованиями и эксплуатацией.

Memoir решает проблему, которую остальные почти не трогают: память может быть верной в одной ветке работы и неверной в другой. Смысловые адреса дают записям понятные имена, а версионируемое хранилище добавляет коммиты, ветки, слияния, откат и выяснение происхождения факта - то есть то, к чему инженер уже привык в работе с кодом. Выбирать его стоит, если нужно синхронизировать состояние памяти с экспериментами, развести агента-ревьюера и агента-исполнителя, проверять, кто и когда внёс знание, откатывать плохую память или держать несколько линий развития одного проектного контекста. Для памяти клиентов интернет-магазина это избыточно, а для агента с реальными экспериментами - уникальная возможность.

Memanto тоже может здесь работать, особенно если нужны типизированная память и семантика времени, но вопрос лицензии локального бэкенда надо решить заранее. А Memora, Memoir и EchoVault для многопользовательского SaaS потребуют заметно больше собственной платформенной работы.

Память для Claude Code, Cursor или Codex. Здесь выбор зависит от того, что именно нужно помнить.

Вы действительно работаете с ветками Git. Memoir выигрывает с большим отрывом. EchoVault умеет сохранять ветку и коммит, но это метаданные о памяти, а у Memoir ветка - самостоятельная версия состояния памяти.

Если ваша боль звучит как "Claude в срочном исправлении вспомнил экспериментальное решение из другой ветки" - это буквально тот сценарий, ради которого Memoir существует.

Нужна не память, а внутренняя база знаний. Memora, и причина не в том, что у неё лучше эмбеддинги, а в модели данных: документы, фрагменты, утверждения, риски, задачи, ошибки, связи графа, история и идентификаторы источников.

Общая память для нескольких агентов. Здесь единого победителя нет. Memanto - если нужна готовая общая смысловая память с идентификаторами агентов и сессиями. Memora - если агенты вместе строят базу знаний: один пишет исследование, другой получает сборку и задачи. Memoir - если агенты должны работать изолированно: у ревьюера и исполнителя разные ветки, слияние потом. EchoVault - если это несколько инструментов одного разработчика, видящих одно локальное хранилище. Mem0 тоже поддерживает разные области видимости, но при совместной работе агентов политику придётся определить самому: что общее, что приватное и кто имеет право обновлять.

Вопрос "что мы знали тогда?". Memanto и Memoir отвечают на него по-разному, и это важное различие. У Memanto время привязано к смысловой актуальности записей: что было известно на дату, что изменилось с даты, что записано последним - удобно для аудита бизнес-знаний. У Memoir путешествие во времени привязано к коммитам: какое состояние памяти было до плохого изменения - удобно для отладки. Нужен аудит знаний по времени - Memanto; нужен аудит изменений самой памяти - Memoir.

Полностью локальный стек без облачной памяти

Технически локально можно использовать все пять, но цена простоты разная.

Если задача звучит как "просто поставить на ноутбук и дать Codex память", я бы начинал с EchoVault, Memora или Memoir - смотря какая модель данных нужна.

MCP или SDK: как вы подключаете память

Memora, Memoir и EchoVault наиболее естественны как решения, родные для MCP. У Memora много специализированных инструментов под операции со знаниями. У Memoir к MCP добавлены инструменты версионирования: ветки, переключение, коммиты. EchoVault выбрал противоположный подход - всего три инструмента, чтобы не перегружать пространство инструментов агента. Memanto имеет сильный путь через MCP плюс свои SDK и REST. А основная сила Mem0 всё же в экосистеме библиотек и API: его открытый MCP-сервер архивирован, а в документации открытой версии MCP как путь подключения не описан вовсе.

Много инструментов не всегда лучше. Memora даёт агенту богатую предметную модель, EchoVault сознательно оставляет только сохранить, найти и получить контекст. Выбор зависит от того, что вам нужнее: умный набор для управления знаниями или минимальная поверхность для ошибок.

Отдельный вопрос - фреймворки и обычный бэкенд. Здесь сильнее Mem0 и Memanto: первый естественно встраивается как программируемый слой памяти, второй имеет готовые пути для LangGraph, CrewAI, Hermes Agents и Langfuse вместе с абстракциями "запомнить, вспомнить, ответить". Остальные три проще подключать через MCP, но если нужно написать сервис с сотнями тысяч пользовательских записей, это уже не их естественная ниша.

Лицензии, коммерция и цена внедрения

Если память - функция вашего SaaS, самая понятная траектория у Mem0: от открытой библиотеки до управляемой платформы. Если вы продаёте агентную платформу, Memanto функционально очень интересен, но вопрос коммерческой лицензии на локальный Moorcheh решите заранее - облачный или корпоративный путь может быть вполне нормальным, просто его надо заложить в экономику продукта. Для Memanto перед коммерческим локальным использованием я бы получил письменное подтверждение условий. Документация обещает нулевую стоимость запросов при локальной работе через Ollama, а репозиторий Community Edition при этом ограничивает бесплатную лицензию одноузловым некоммерческим использованием - и о самой лицензии в документации по локальной установке не сказано ничего.

С Memora, Memoir и EchoVault лицензии разрешительные, но превращая их в многопользовательский сервис, аутентификацию, изоляцию арендаторов, квоты, биллинг, отказоустойчивость, резервные копии и эксплуатацию вы добавляете сами. Открытая лицензия и готовность к промышленной эксплуатации - разные вещи.

Это ещё одна причина не выбирать самый функциональный проект автоматически: для одного Codex на ноутбуке работа с графовой базой может быть просто лишней.

Пять готовых схем

Персональный ИИ в вашем веб-приложении. Бизнес-факты оставляем в обычной базе, а память хранит предпочтения и долгоживущий разговорный контекст. Выбор - Mem0.

Claude Code и Codex на одном компьютере. Минимум движущихся частей. Выбор - EchoVault.

Команда агентов строит большой проект. Особенно если происхождение знания важнее персонализации. Выбор - Memora.

Экспериментальные агенты кода. В основную ветвь попадает только проверенная память. Выбор - Memoir.

Долгоживущая автоматизация в LangGraph или CrewAI. Выбор - Memanto, если подходит модель бэкенда и лицензии.

Комбинировать или нет, и чего я бы точно не делал

Иногда комбинировать можно, но превращать архитектуру в зоопарк не надо. Хорошая комбинация - Mem0 плюс обычный RAG: первый хранит персональную память пользователя, второй - документацию продукта. Возможная комбинация - EchoVault или Memoir для разработчиков плюс Mem0 для пользователей продукта: это две разные аудитории и два независимых домена памяти, разделение логично. Сомнительная - Mem0, Memanto и Memora одновременно для одной и той же памяти агента: почти наверняка получите дублирование хранения, разные правила обновления и конфликты выдачи. Один тип памяти должен иметь один источник истины.

Чего делать не стоит. Не ставил бы Mem0 только ради памяти Claude Code, если вам не нужна его универсальная архитектура API - EchoVault, Memoir и Memora проще решают именно эту задачу. Не ставил бы Memoir для бота поддержки, если ветки и происхождение факта в бизнес-домене не имеют смысла. Не строил бы пользовательскую память SaaS прямо на EchoVault без отдельного сервисного слоя - это не его целевой масштаб. Не включал бы граф просто потому, что графы кажутся умнее: Memora нужна, когда связи реально часть знания. Не брал бы Memanto в коммерческий локальный продукт до ясного ответа по лицензии Moorcheh. И не хранил бы всё подряд ни в одной из систем: плохая политика записи убивает любой поисковый движок.

Дерево выбора и итог

Если из пяти надо выбрать два для практической работы, я бы взял так: для продукта изучал Mem0, а для собственной работы с кодом начинал с EchoVault, Memoir или Memora - смотря что важнее, простота, версионирование или полноценная база знаний.

Источники

Сравнение сверено 9 августа 2026 года по официальным репозиториям и документации. Проекты активно развиваются, поэтому перед внедрением стоит повторно проверять лицензии, заметки к выпускам и несовместимые изменения. Дополнена 15 августа 2026 года по свежим клонам всех пяти репозиториев: из списка интеграций Memanto убраны LlamaIndex и n8n, которых в нём нет, и подставлен фактический состав; лицензии, типы памяти, категории и заявление об архивированном MCP-сервере Mem0 пересверены и подтвердились.

• Mem0: GitHub
• Mem0: Open Source Overview
• Mem0: OSS Configuration
• Mem0: OSS v2 - v3 memory algorithm
• Memanto: GitHub
• Memanto: документация
• Memanto: On-Prem Overview
• Memanto: Temporal Memory
• Moorcheh Community Edition: лицензия
• Memora: GitHub
• Memora: SOUL.md
• Memora: манифест инструментов MCP
• Memoir: GitHub
• Memoir: документация
• Memoir: Releases
• EchoVault: GitHub
• EchoVault: CHANGELOG