Backboard zet een nieuwe wereldwijde standaard in AI-geheugen — Een stap naar echt agente AI

Backboard heeft een belangrijke drempel voor kunstmatige intelligentiesystemen overschreden door te demonstreren dat geheugen als core-infrastructuur kan worden behandeld in plaats van een kwetsbaar add-on. Het bedrijf kondigde aan dat het nu de leiding heeft in beide belangrijke AI-geheugentests, LoCoMo en LongMemEval, en werd daarmee het eerste platform dat dit presteert onder consistente academische en onafhankelijke evaluatiemethoden.

In een onafhankelijke beoordeling uitgevoerd door NewMathData, behaalde Backboard 93,4 procent nauwkeurigheid op LongMemEval, het hoogste openbaar gerapporteerde score tot nu toe wanneer uitgevoerd volgens de oorspronkelijke specificatie van de test. Dit resultaat bouwt voort op zijn eerder gepubliceerde 90,1 procent score op LoCoMo, waardoor Backboard zich onder een zeer kleine groep systemen bevindt die in staat zijn om zowel korte-horizon precisie als lange-horizon contextuele continuïteit te behouden.

Opmerkelijk is dat beoordelaars meerdere gevallen identificeerden waarin Backboards antwoorden onjuist werden gemarkeerd, ondanks dat ze contextueel gezien nauwkeuriger waren dan de verwachte antwoorden van de test. In deze gevallen nam het systeem feitelijke informatie op die al aanwezig was in de interactie, in plaats van een engere interpretatie van de prompt te volgen. Als gevolg hiervan vertegenwoordigt de gerapporteerde score een conservatieve basislijn in plaats van de bovengrens van de prestaties.

Waarom geheugen het beperkende factor in AI is geworden

De meeste moderne AI-systemen gedragen zich nog steeds alsof ze geen echt verleden hebben. Terwijl grote taalmodellen uitstekend zijn in het genereren van vloeiende antwoorden, vergeten ze de context zodra een sessie eindigt of een promptvenster vol is. Deze beperking dwingt ontwikkelaars om de staat opnieuw op te bouwen door middel van opvragingstrucs, prompt-engineering of broze ketens van tools die vaak breken als systemen complexer worden.

Geheugen gaat niet alleen over het opvragen van informatie. In praktische toepassingen bepaalt geheugen of een AI-systeem coherent kan blijven over tijd, taken kan coördineren en vertrouwen kan opbouwen met gebruikers. Zonder duurzaam geheugen, resetten systemen, hallucineren of zijn ze tegenstrijdig. Terwijl AI zich verplaatst van enkele interacties naar langdurige workflows, is geheugen het primaire knelpunt geworden.

Backboard benadert dit probleem door geheugen als first-class infrastructuur te behandelen. In plaats van geheugen op een applicatielaag te monteren, integreert het persistentie, embeddings, opvraging en orkestratie in een uniform platform dat toegankelijk is via een enkele API.

Een systeemniveau-aanpak in plaats van benchmark-tuning

Backboard heeft zijn architectuur niet ontworpen om benchmark-scores na te jagen. De evaluaties werden ofwel onafhankelijk geïnitieerd of intern gebruikt om te begrijpen hoe het systeem zich verhoudt tot academisch onderzoek. De resulterende prestaties weerspiegelen systeemgedrag onder realistische omstandigheden in plaats van taak-specifieke optimalisatie.

Dit onderscheid is belangrijk omdat de meeste benchmarks modelgedrag in isolatie meten, terwijl echte AI-systemen zijn samengesteld uit veel bewegende delen. Backboards resultaten suggereren dat geheugengeheugenprestaties niet alleen een functie zijn van modelgrootte of brute-force berekening, maar van hoe geheugen is gestructureerd, bijgewerkt en gedeeld over tijd.

Het platform combineert persistent langdurig geheugen, native embeddings en vectorisatie, ingebouwde opvraging-versterkte generatie, gedeeld geheugen over agents en toegang tot meer dan 17.000 grote taalmodellen, waaronder ondersteuning voor eigen sleutels. Door deze elementen te verenigen, verwijdert Backboard de noodzaak voor ondernemingen om open-source componenten samen te stellen die vaak falen onder productiebeperkingen.

Agente AI praktisch maken

De interesse in agente AI blijft groeien, maar de meeste implementaties worstelen om verder te gaan dan demonstraties. De reden is eenvoudig. Agents zonder gedeeld, persistent geheugen kunnen niet effectief coördineren. Ze fragmenteren, verliezen context en gedragen zich onvoorspelbaar als interacties zich over tijd uitstrekken.

Backboard activeert persistent, gedeeld geheugen over agents, zelfs als die agents verschillende onderliggende modellen gebruiken. Wanneer geheugen betrouwbaar is, ontstaat agente gedrag natuurlijk in plaats van te zijn geschreven. Systemen kunnen zich prioritaire beslissingen herinneren, continuïteit over sessies behouden en acties coördineren zonder constante heraanwijzing.

Het onderliggende geheugenframework van het platform is ontworpen om temporele coherentie te behouden in plaats van staat opnieuw op te bouwen via statische grafieken of herhaalde opvraging. Dit stelt AI-systemen in staat om consistent en controleerbaar te blijven terwijl ze in complexiteit toenemen.

Ontwikkeld voor systemen die zich geen verlies van geheugen kunnen veroorloven

Backboards architectuur is geworteld in de ervaring van zijn oprichter en CEO, Rob Imbeault, die eerder hielp bij het opbouwen van Assent van een vroeg stadium startup tot een wereldwijd ondernemingsplatform met een waarde van meer dan $1,4 miljard. Bij Assent werkten de systemen waar Imbeault aan werkte diep in de operaties van klanten, ondersteunden ze regelgevingscompliance en complexe supply chain-workflows waar continuïteit, correctheid en vertrouwen niet onderhandelbaar waren.

Die ervaring vormde een duidelijke overtuiging. De meest waardevolle infrastructuur is zelden opvallend. Het is de infrastructuur die stil, consistent en over lange perioden werkt. In die omgevingen mogen systemen niet resetten wanneer context verloren gaat. Als de staat verdwijnt of vertrouwen afneemt, faalt het systeem operationeel, niet alleen technisch.

Imbeault zag een structurele mismatch ontstaan in moderne AI. Terwijl grote taalmodellen snel vooruitgingen, bleven ze fundamenteel staatloos. Context verdween tussen sessies, waardoor ontwikkelaars geheugen moesten reconstrueren via broze promptketens en ad-hoc opvragingslagen. Deze benaderingen kunnen werken in demonstraties, maar ze breken af wanneer AI-systemen worden verwacht om continu te draaien, over agents te coördineren en over tijd te evolueren.

Backboard werd gebouwd om die kloof te dichten. Geheugen wordt behandeld als duurzame infrastructuur in plaats van applicatielogica, waardoor AI-systemen staat over interacties, modellen en agents kunnen behouden. De focus op persistentie, correctheid en langetermijnbetrouwbaarheid weerspiegelt een overtuiging die is gevormd lang voordat Backboard bestond: in productieomgevingen zijn geheugenfouten geen kleine defecten. Ze zijn systemische risico’s.

Deze perspectief vormt de basis van Backboards ontwerpfilosofie. Het doel is niet om intelligentie te demonstreren in geïsoleerde momenten, maar om AI-systemen in staat te stellen die zich gedragen als betrouwbaar software, zelfs als complexiteit toeneemt en tijdshorizonten zich uitstrekken.

Wat dit betekent voor de toekomst van AI

De bredere implicatie van Backboards resultaten is dat de volgende fase van AI-vooruitgang niet alleen zal worden gedreven door grotere modellen of langere contextvensters. Het zal worden gedreven door systemen die zich kunnen herinneren, redeneren en over tijd evolueren.

Terwijl ondernemingen AI implementeren over klantondersteuning, operaties, onderzoek en compliance, wordt persistent geheugen de basis voor vertrouwen en schaalbaarheid. Platforms die geheugen oplossen op het infrastructuurniveau zullen bepalen hoe agente AI zich verplaatst van experimenten naar dagelijkse toepassing.

Met zijn geheugenarchitectuur nu gevalideerd over zowel academische als onafhankelijke benchmarks, richt Backboard zijn aandacht op het helpen van teams om AI-systeemgedrag beter te begrijpen en te evalueren onder realistische beperkingen. Het bedrijfs upcoming Switchboard-capaciteit heeft als doel om complexe AI-configuraties transparanter en voorspelbaarder te maken.

De toekomst van AI zal minder worden gevormd door slimme prompttrucs en meer door systemen die over tijd te vertrouwen zijn. Geheugen is de basis van die verschuiving, en Backboards recente resultaten suggereren dat deze basis eindelijk vorm begint te krijgen.