무료 / 오픈소스오픈 AI 모델을 로컬과 클라우드에서 실행하고 구축하세요

모든 AI 에이전트에 영구적 맥락을 부여하는 메모리·지속 학습 엔진
| 항목 / 지표 | ![]() | ![]() |
|---|---|---|
| 공식 도메인 | wandb.ai | supermemory.ai |
| 가격 모델 | 무료+유료, 가격 문의, 무료 | 가격 문의 |
| 월간 방문 수 | 31.56만 (315,624) | 15.66만 (156,579) |
| 전월 대비 트래픽 변화량 | -127.55만 (-80.2%) | -1.3만 (-7.7%) |
| 주요 시장 및 점유율 | 🇺🇸 미국 (32.2%) | 🇺🇸 미국 (46.2%) |
| 월 직접 방문 수 | 23.09만 | 7.12만 |
| 사용자 평점 | 4.7 | 4.5 |
| 지원 플랫폼 | 웹사이트 | 웹사이트 |

하나의 연결 환경에서 AI 모델과 에이전트를 추적·평가·배포하세요.
학습 실행의 지표, 손실, 미디어를 기록하고 대화형 차트에서 나란히 비교해 모델을 실제로 개선하는 요인을 찾습니다.
자동 하이퍼파라미터 스윕을 실행하고 파라미터 중요도를 시각화해 더 나은 설정으로 빠르게 수렴합니다.
데이터셋과 모델 아티팩트를 버전 관리하고 계보를 추적하며, 레지스트리를 통해 학습에서 프로덕션까지 모델을 승격합니다.
LLM 프롬프트와 앱을 구축·기록·평가하고, 추적과 평가 도구를 LLMOps 워크플로로 묶습니다.

모든 AI 에이전트에 영구적 맥락을 부여하는 메모리·지속 학습 엔진
전용 모델이 저장된 컨텍스트에 대해 추출·병합·추론·망각을 수행해 메모리 그래프를 단순 축적이 아닌 지속적 개선으로 이끕니다.
각 학습은 관련 엔티티, 출처, 시점에 연결되어 내용뿐 아니라 시간을 인식하는 관계 지도를 함께 저장합니다.
메모리가 모델 제공자 밖에 있어 API, SDK, 플러그인, MCP로 사용되며 모델과 도구를 넘어 맥락이 이어집니다.
관련 메모리를 요청 시 토큰으로 프롬프트에 주입해, 끝없이 늘어나는 대화 기록 없이도 에이전트에 적절한 맥락을 제공합니다.
무료 / 오픈소스오픈 AI 모델을 로컬과 클라우드에서 실행하고 구축하세요

특화 강점Focuses on tool integrations and authentication for agents, complementing memory engines rather than storing cross-session context.
특화 강점기업용 수준의 확장 가능한 벡터 검색과 RAG 스토리지를 제공하지만, supermemory의 자동화된 에이전트 메모리 그래프 추상화 기능이 부족합니다.

무료 / 오픈소스프로덕션 환경에서의 심층적인 LLM 관측성과 트레이싱을 제공하며, 운영 중 오류 및 드리프트 디버깅에 초점을 맞추고 있습니다.
무료 / 오픈소스프로덕션 환경에서의 심층적인 LLM 관측성과 트레이싱을 제공하며, 운영 중 오류 및 드리프트 디버깅에 초점을 맞추고 있습니다.
특화 강점프로덕션 LLM 앱을 위한 AI 게이트웨이, 관측성, 가드레일
무료 / 오픈소스상태 유지 에이전트를 위한 오픈소스 지속형 사용자 모델링을 제공하지만, 범용 벡터 그래프보다는 대화 심리학에 더 초점을 둡니다.

특화 강점Features simulation and guardrail tools for testing LLM safety and robustness before production deployment.
특화 강점Features simulation and guardrail tools for testing LLM safety and robustness before production deployment.

무료 / 오픈소스안정적인 LLM 평가 및 테스트 스위트를 통합 엔터프라이즈 게이트웨이와 함께 제공하며, 프롬프트 벤치마킹을 우선시합니다.

일반적인 MLOps보다는 프롬프트 버전 관리, 협업 CMS 관리, 에이전트 추적에 특화되어 있습니다.
일반적인 MLOps보다는 프롬프트 버전 관리, 협업 CMS 관리, 에이전트 추적에 특화되어 있습니다.

자동화된 LLM 단위 테스트 및 보안 레드티밍에 특화되어 있으나, 전통적인 MLOps 실험 추적에는 상대적으로 덜 집중합니다.
자동화된 LLM 단위 테스트 및 보안 레드티밍에 특화되어 있으나, 전통적인 MLOps 실험 추적에는 상대적으로 덜 집중합니다.