openJiuwen добавила в AgentMemory память о длинных видео по событиям

Команда проекта openJiuwen выпустила openJiuwen AgentMemory 0.2.0 с функцией OmniMem-Lens. Она организует память агента о длинных видео по реальным событиям. По данным публикации QbitAI, точность поиска нужного фрагмента выросла на 45,7% в лучшем тесте, а задержка онлайн-ответа снизилась на 97%.

Раньше длинное видео резали на равные окна, например по минуте, и агент запоминал куски по отдельности. Связанный эпизод распадался на части, а короткий важный момент тонул в фоновых кадрах. OmniMem-Lens ищет границы событий по двум потокам: зрение замечает смену сцены, расшифровка речи (ASR) — смену темы, когда картинка не меняется. Граница ставится там, где сигналы совпадают.

Память хранится в трёх слоях. L0 — исходные кадры видео, L1 — краткий план событий, L2 — уточняющие фрагменты. Слои L1 и L2 полностью переведены в текст и векторы, поэтому их можно подключить к распространённым векторным базам данных: существующим RAG- и агентским системам почти не нужна переделка.

Тяжёлую обработку система делает заранее, в офлайне. При запросе пользователя поиск сначала идёт по L1 и L2, а точные кадры из L0 подтягиваются только если без них нельзя проверить визуальную деталь. Такой порядок и даёт выигрыш в скорости.

Замеры проводили на трёх наборах задач по длинному видео, сравнивая Qwen3-VL-8B с OmniMem-Lens и без неё. На Video-MME-L прирост точности 8%, на LVbench 6,4%, на EgoLife-QA 45,7%. На LVbench прямой ответ модели занимал 34,5 секунды, с памятью 1,72 секунды.

OmniMem-Lens уже доступна в версии AgentMemory 0.2.0. Команда сообщает, что сервис WorkSwarm вскоре получит поддержку AgentMemory и сможет запоминать видео из повседневных разговоров. Цену и другие условия доступа в публикации не уточняют.