9,000+

tokens por consulta ANTES de xMemory

~4,700

tokens por consulta DESPUÉS de xMemory

~50 % de reducción de tokens + mayor precisión

El único sistema de memoria que ahorra dinero Y hace que la IA sea más inteligente

El problema: por qué el RAG estándar falla con los agentes de IA

El RAG estándar fue diseñado para grandes bases de datos documentales con contenido muy diverso. Los agentes de IA enfrentan algo mucho más difícil: un flujo continuo y correlacionado de conversación donde los fragmentos son casi duplicados entre sí.

El problema de la fruta cítrica: Un usuario dijo "Me encantan las naranjas", "Me gustan las mandarinas", y por separado discutió qué cuenta como cítrico. El RAG estándar trata todo como semánticamente cercano — y recupera 10 copias de "preferencia de cítricos" mientras pierde los datos de categoría reales necesarios para responder la consulta. El agente se queda sin contexto que ya tiene.

Por qué las soluciones existentes empeoran las cosas

Los equipos de ingeniería suelen recurrir a la poda o compresión posterior a la recuperación — filtrando el ruido después de recuperar. Suena razonable. Pero esto falla con los agentes de IA porque el diálogo humano está "temporalmente enredado":

• Correferencias: "ello" y "eso" enlazan a contexto anterior

• Elipsis: palabras faltantes que solo tienen sentido dadas oraciones previas

• Dependencias temporales: hechos que solo importan en secuencia

Las herramientas de poda borran accidentalmente fragmentos vitales de la conversación. La IA pierde el hilo. Las respuestas se vuelven incoherentes. Pagaste por esos tokens y no obtuviste nada.

xMemory: Una jerarquía de memoria de 4 niveles

Investigadores del King's College London y The Alan Turing Institute crearon xMemory, un marco que organiza la conversación en una jerarquía semántica buscable en lugar de volcar todo en el contexto.

4

Nivel Temático

Temas y categorías de alto nivel — la búsqueda comienza aquí

3

Nivel Semántico

Datos reutilizables destilados — conocimiento central, sin repeticiones

2

Nivel de Episodio

Bloques de conversación resumidos y contiguos

1

Mensajes en Bruto

El flujo original de la conversación

La Innovación Clave: Uncertainty Gating

💡 La similitud semántica es una señal de generación de candidatos. La incertidumbre es una señal de decisión.

— Lin Gui, Coautor, King's College London

Los sistemas tradicionales recuperan basándose únicamente en la similitud . xMemory añade una segunda puerta: la incertidumbre . Tras encontrar candidatos, pregunta: "¿Añadir esto realmente reduce mi incertidumbre sobre la respuesta?" Si no es así, se detiene. Por eso xMemory logra mayor precisión con menos tokens.

Similitud te indica qué está cerca. Incertidumbre te indica qué vale realmente la pena incluir en el presupuesto del mensaje.

xMemory vs Las Alternativas

Sistema Estructura Redundancia Precisión Costo Flat RAG (MemGPT) Registros sin procesar Alta Caídas Alta Structured RAG (A-MEM) Jerarquía/Gráfico Media Moderada Media xMemory ⭐ 4 Niveles + Puerta de Incertidumbre Baja Mejora -50%

Lo que esto significa para los agentes de codificación

Para los agentes de IA que ejecutan flujos de trabajo en múltiples sesiones, xMemory es directamente aplicable:

✅ El agente puede mantener una memoria coherente del proyecto durante horas o días de trabajo sin expandir el contexto

✅ Las decisiones de código relevantes de sesiones anteriores se recuperan sin reinyectar el historial completo

✅ Menos tokens por consulta = menores costos de API + respuestas más rápidas

✅ Mayor precisión porque la conversación irrelevante se excluye estructuralmente, no solo se recorta

Deja de pagar por tokens que no necesitas.

El futuro de la memoria de IA no son ventanas de contexto más grandes, sino una recuperación más inteligente. xMemory demuestra que se puede tener ambas: menor costo Y mejores respuestas.

Investigación: xMemory (arXiv:2602.02007) — King's College London & The Alan Turing Institute | Vía VentureBeat Tags: #xMemory #AIResearch #TokenOptimization #CodingAgent #RAG #LLMMemory #FinOps #AI