付費
載入中…
正面對決基準比較
LiteLLM vs supermemory
LiteLLM 每月有 576,967 次造訪，月增率 +7.9%，定價模式為免費增值、需聯絡報價。supermemory 每月有 156,579 次造訪，成長率 -7.7%，定價模式為需聯絡報價。
LiteLLM 每月有 576,967 次造訪，月增率 +7.9%，定價模式為免費增值、需聯絡報價。supermemory 每月有 156,579 次造訪，成長率 -7.7%，定價模式為需聯絡報價。
為 AI Agent 提供持久記憶與持續學習的記憶引擎
| 面向／指標 |  | |
|---|---|---|
| 官方網域 | litellm.ai | supermemory.ai |
| 定價模式 | 免費增值、需聯絡報價 | 需聯絡報價 |
| 每月造訪次數 | 57.7萬 (576,967) | 15.66萬 (156,579) |
| 月流量變化量 | +4.25萬 (+7.9%) | -1.3萬 (-7.7%) |
| 主要市場與市佔 | 🇺🇸 美國 (27.9%) | 🇺🇸 美國 (46.2%) |
| 每月直接造訪 | 22.9萬 | 7.12萬 |
| 使用者評分 | 4.8 | 4.5 |
| 支援平台 | 網站 | 網站 |
一個開源 AI 閘道，接入 100 多個 LLM 供應商
用一套請求格式呼叫 100 多個供應商與 1,800 多個模型，切換模型無須修改應用程式碼。
為團隊、專案或應用簽發限定範圍的金鑰，設定每月支出上限，清楚看到誰在用、花了多少。
在多個部署間分配流量，失敗時自動重試，某個模型或供應商故障時回退到備選。
用面板查看請求量、Token 數與各模型成本，並支援日誌與分析工具整合。
為 AI Agent 提供持久記憶與持續學習的記憶引擎
專用模型在既有上下文上執行萃取、合併、推論與遺忘，讓記憶圖譜持續優化，而不只是不斷累積。
每條學習結果都與相關實體、來源與時刻建立關聯，不僅儲存內容，還保留帶有時間維度的關係圖。
記憶位於模型廠商之外，透過 API、SDK、外掛與 MCP 使用，上下文可跨模型與工具遷移。
相關記憶在請求時以 token 形式注入提示詞，讓 Agent 獲得貼合需求的上下文，而無需攜帶無限增長的對話紀錄。
專項更強Focuses on tool integrations and authentication for agents, complementing memory engines rather than storing cross-session context.
專項更強Hosts high-performance open-weight models directly on dedicated serverless infrastructure, but does not route across external providers.
專項更強Hosts high-performance open-weight models directly on dedicated serverless infrastructure, but does not route across external providers.
透過 API 閘道器提供自動模型備援切換與預算管理，但開源自訂性較低。
Unified LLM gateway with failover and analytics, but offers less robust open-source developer SDK support.
專項更強提供企業級的可擴展向量搜尋與 RAG 儲存，但缺乏 supermemory 的自動化代理記憶體圖譜抽象功能。
免費 / 開源一個用來統一 LLM 供應商的開源替代方案，但中介軟體整合的生態系較不那麼豐富。
免費 / 開源Open-source request routing with built-in evaluations, but has a smaller community and fewer pre-built provider connectors.
