기기에서 증류
AI 대화는 자기완결적 사실로 증류되고, 분류, 암호화, 서명되어 동기화 전 로컬에 남습니다.
- 대화 감지는 AI 기억 흐름으로 제한
- 사실 증류와 분류는 클라이언트 측에서 수행
- AES-256-GCM 봉투와 기기 서명
AI는 당신을 기억하고, 기억은 오직 당신의 것입니다. MemChain은 개인 문맥을 암호화된 로컬 우선 기억으로 바꾸며, 저장 노드에 읽을 수 있는 데이터를 주지 않고 기기 간 동기화합니다.
동기화 전 대화를 증류
암호문 + 블라인드 인덱스
노드는 사실을 보지 못함
AeroNyx는 서로 끊어진 도구 묶음이 아닙니다. 프라이버시 네트워크는 암호화된 작업이 이동하는 경로를 보호하고, MemChain은 사람, 앱, 에이전트가 기억해야 할 문맥을 보호합니다.
각 축을 눌러 MemChain의 핵심 장점을 보세요: 서버는 기억을 읽을 수 없고, 떠올리기는 거의 즉시이며, 오프라인에서도 작동하고, 검색에 모델 호출을 쓰지 않습니다.
MemChain은 암호문, 블라인드 인덱스, 불투명 관계 엣지를 저장합니다. 저장 노드는 동기화와 정렬은 할 수 있지만 사실을 읽거나 다시 서명할 수 없습니다.
인프라에는 키가 없으므로 프라이버시는 정책이 아니라 구조로 강제됩니다.
서버가 읽을 수 있는 상태를 소유하므로 공급자는 보통 기억을 검사, 정렬, 이전, 노출할 수 있습니다.
MemChain은 기기 측 증류, 블라인드 암호화 저장, 로컬 우선 회상의 3단계 프라이버시 경로입니다.
AI 대화는 자기완결적 사실로 증류되고, 분류, 암호화, 서명되어 동기화 전 로컬에 남습니다.
저장 노드는 암호문, 블라인드 인덱스, 클라이언트가 계산한 벡터, 불투명 관계 엣지만 받습니다. 기억을 읽거나 다시 서명할 수 없습니다.
회상은 암호화된 로컬 사본에서 시작한 뒤 의미, 키워드, 시간, 구조화 검색을 융합합니다.
위의 내용이 엔진이라면, Nyxi는 그것을 실제로 쓰는 모습이에요. 평생 당신을 기억하는 AI. 당신이 한 말, 아끼는 사람들, 계획과 약속을 기억하니까 두 번 말할 필요가 없어요.
그거 지난주에 말해 줬잖아요.

대화 예시
나: 마지막으로 치과 간 게 언제야?
9월 18일이요. 충치 하나 치료했다고 했어요.
언제 한 말인지 기억해요
나: 내가 좋아하는 색은?
아직 말해 준 적 없어요. 어머니가 보라색을 좋아한다고는 했어요.
모르면 모른다고 해요
나: 치과 얘기는 잊어 줘.
네, 잊었어요. 다시 꺼내지 않을게요.
잊으라면 잊어요
기억은 기본적으로 꺼져 있어요. 처음 대화할 때 Nyxi가 “내가 들은 걸 기억해도 될까요?”라고 묻고, 동의해야 시작해요.
기억한 내용은 암호화되어 당신의 기기에 저장되며, 클라우드 데이터베이스에 두지 않아요. 백업 노드는 읽을 수 없는 암호화 데이터만 받아요.
기억 페이지에서 언제든 Nyxi가 기억하는 것과 “인생 프로필” 내용을 확인하고 고칠 수 있어요.
“이건 잊어 줘”라고 하면 관련 기억이 처음부터 끝까지 삭제되고, 다시 꺼내지 않아요.
정말 기억하는 것만으로 답해요. 들은 적 없는 일은 솔직히 모른다고 하고, 지어내지 않아요. 다른 사람 일을 당신 일로 착각하지도 않아요.
“지난 수요일에 내가 뭐라고 했지?” “마지막으로 치과 간 게 언제야?”라고 물으면 시간을 따라 찾아내요.
한국어, 중국어, 영어, 일본어, 스페인어, 러시아어 등 여러 언어로 기억하고 찾을 수 있어요.
Nyxi와 당신의 전용 비서는 당신에 대한 같은 기억을 공유해요. Nyxi에게 한 말은 비서도 알아요. 비서와 당신의 개인 대화는 그 비서만 볼 수 있어요.
무료 사용자는 기억 기능을 먼저 체험할 수 있어요. 이후 멤버십으로 업그레이드하면 Nyxi가 계속 기억하고, 그 사이의 대화도 다시 기억해 둬요.
MemChain은 제품이 지킬 수 있는 정확한 주장 위에 만들어졌습니다. 노드가 읽을 수 없는 저장, 로컬 우선 떠올리기.
노드는 기억을 저장하지만 읽을 수 없습니다. 이는 보지 않겠다는 약속이 아니라 인프라에 키가 없다는 설계입니다.
모든 기억은 암호화된 로컬 사본을 유지해 회상이 빠르고 탄력적이며 로컬 히트 시 오프라인에서도 사용 가능합니다.
2026년 7월 LongMemEval-S 자체 측정 결과입니다. 검증된 결과만 표기하고, 모델 등급 예측은 제품 주장으로 쓰지 않습니다.
엔드투엔드 암호화 기억 제약 아래 LongMemEval-S로 측정했습니다.
경제형 모델 등급으로 측정했으며, 같은 기준 설정에서 GPT-4o가 전체 기록을 읽는 경우보다 높았습니다.
회상 경로는 모델 추론을 피하고 밀리초급을 유지합니다.
검색과 순위화는 모델 토큰을 쓰지 않으며, 모델은 증류와 답변에 사용됩니다.
정직한 경계: 정확도 1위나 형식적으로 증명된 프라이버시 증명 시스템을 주장하지 않습니다. 차별점은 프라이버시, 속도, 비용, 오프라인 회상, 사용자 소유권입니다.
차이는 구조적입니다: 누가 기억을 읽는지, 회상이 어디서 일어나는지, 사용자가 문맥을 가지고 떠날 수 있는지.
아니요. 암호문과 블라인드 인덱스만 있습니다.
보통 가능합니다. 클라우드 기억은 읽을 수 있는 형태로 저장되기 쉽습니다.
사용자 기기와 블라인드 암호화 백업.
공급자 클라우드.
로컬 또는 노드에서 밀리초급.
보통 수백 ms에서 수초.
로컬 암호화 사본에 기억이 있으면 가능.
보통 불가능.
신원 기반 키와 암호화 동기화.
계정 중심 클라우드 동기화.
검색에 모델 추론이 필요 없음.
호스팅 추론 또는 플랫폼 검색에 의존하는 경우가 많음.
MemChain 저장 노드는 암호학적으로 기억을 읽을 수 없습니다. 기기에서 암호화된 암호문과 되돌릴 수 없는 블라인드 인덱스만 보관합니다.
기억을 추출하거나 기억으로 답할 때, 관련 내용은 TEE 안에서 실행되는 AI 모델이 처리합니다.
제품 페이지, 문서, AI 검색 엔진이 애매하지 않게 인용할 수 있도록 직접적으로 작성했습니다.
아니요. MemChain 저장 노드는 기기에서 암호화된 암호문과 되돌릴 수 없는 블라인드 인덱스만 보관합니다. 신원 기반 키 없이는 노드가 기억 내용을 복호화할 수 없습니다.
주 사본은 암호화된 형태로 사용자의 기기에 있습니다. 노드는 크로스 디바이스 동기화와 복구를 위해 암호화 백업을 보관합니다.
가능합니다. 새 기기는 암호화된 노드 백업에서 다시 채우고 로컬 인덱스를 재구성할 수 있습니다. 신원 백업을 잃으면 암호화 기억은 복구할 수 없습니다.
작동합니다. 관련 기억이 이미 로컬 암호화 사본에 있으면 오프라인 회상이 가능합니다.
아니요. 기억은 첫 사용 시 명시적 동의가 필요하며 사용자는 설정에서 비활성화하고 삭제할 수 있어야 합니다.
MemChain은 장기 문맥을 이동 가능하고, 암호화되고, 로컬 우선으로 유지해 사람과 에이전트가 도구를 넘어 기억할 수 있게 합니다.