← Todas as comparações
ValorBrain · vs · Hindsight
ValorBrain vs Hindsight
Hindsight é o produto de memória da Vectorize.io, criadores do Agent Memory Benchmark (AMB). Arquitetura biomimética com três tipos de memória (World, Experiences, Mental Models) e quatro estratégias de retrieval paralelas: semântica, palavra-chave, grafo e temporal. O núcleo de recuperação é fechado em imagem Docker; o repositório MIT abre apenas clientes e CLI.
memória de agentes com raciocínio temporal (Vectorize) · vectorize.io
Matriz de features
Foco em memória multi-tenant de time. não chatbot genérico.
| Capacidade | Hindsight | ValorBrain |
|---|---|---|
| Multi-tenant Postgres RLS | — | sim |
| Filtered DiskANN por tenant | — | sim |
| Reader-agnostic (zero LLM no retrieval) | — | sim |
| Modelos open-weights | — | sim |
| Perna temporal de busca | sim | em roadmap |
| Reflect / consolidação automática | sim | consolidation ativo, reflect em roadmap |
| Corretabilidade (keyed_facts + autoridade) | — | sim |
| Grafo de conhecimento consultável | interno, fechado | sim |
| MCP HTTP transport público | — | sim |
| OAuth 2.1 dynamic registration | — | sim |
| On-prem self-hosted | Docker com imagem fechada | sim |
| BEAM-100K · score médio RAG (configurações diferentes) | 86,2% (reader Gemini 3.1 Pro, juiz Gemini 3.5 Flash) | 75,5% (reader GLM-5.3 Flash (Ox Alpha); juiz GLM-5.2; effort=max; run 2026-08-23; ~44% mais lenta que o effort padrão; esta configuração de benchmark não é o padrão do chat) |
| Validação independente de terceiros | sim | — |
| Permissão por pessoa em cada documento | — | sim |
| Preço por pessoa, não por chamada | por query | sim |
Onde Hindsight brilha
- Quatro pernas de retrieval (semântica + BM25 + grafo + temporal) — a perna temporal é única no mercado
- Série temporal como estrutura de primeira classe: valor de atributo ao longo do tempo é consultável
- Operação "reflect": analisa memórias para formar conexões e sintetizar conhecimento de ordem superior
- Validação independente: 73,4% no BEAM single-query, reproduzido por Virginia Tech e Washington Post
- Comunidade open-source massiva (19K+ stars) e paper acadêmico no arXiv
- SDKs Python/Node maduros e 8 provedores de LLM suportados no produto
Vantagem ValorBrain
- Multi-tenant Postgres RLS nativo com Filtered DiskANN por tenant
- Reader-agnostic no retrieval: zero LLM para buscar e ordenar; reader, effort e juiz ficam declarados separadamente em cada run BEAM
- Modelos open-weights em todo o pipeline (LFM2.5, BGE-Reranker, GLiNER) — sem dependência de provedor
- Corretabilidade: keyed_facts com as_of, níveis de autoridade (humano > designado > agente), supersede temporal
- Extensões Postgres abertas: pgturbohybrid, pg_ripple, pg-trickle, pg-deltax
- On-prem real: roda na rede do cliente, zero chamada sai
- Endpoint único /api/v1/memory/prepare — mesmo endpoint para produção e benchmark
Lacunas multi-tenant SaaS
- Single-tenant: sem isolamento Postgres RLS multi-tenant nativo
- Núcleo fechado: o repositório MIT não contém o serviço de recuperação (imagem Docker proprietária)
- Dependência estrutural de Gemini: o benchmark AMB que criaram é hardcoded para Gemini como default
- Sem corretabilidade: memória é write-once, sem níveis de autoridade ou supersede temporal
- Sem permissão por pessoa em cada documento
- Sem MCP HTTP transport público com OAuth 2.1
Quando escolher cada um
Use Hindsight se…
- Raciocínio temporal e ordenação de eventos é sua prioridade absoluta
- Você quer validação acadêmica e comunidade open-source grande
- Você já usa Gemini e quer home-court advantage no benchmark
- Single-tenant é suficiente (um agente, uma memória)
Use ValorBrain se…
- Multi-tenant SaaS B2B com isolamento entre empresas
- Você quer memória reader-agnostic que funciona com qualquer LLM
- On-prem é requisito (dados não podem sair da rede)
- Você precisa de corretabilidade: fatos que mudam, autoridade humana, supersede temporal
- Múltiplos agentes precisam da mesma memória coerente
Testar a camada de memória
Crédito grátis no signup. Conecte uma fonte e pergunte com citações.