在设备上蒸馏
AI 对话被蒸馏成自包含事实,分类、加密、签名,并在任何同步前保留于本地。
- 对话感知只限 AI 记忆流程
- 事实蒸馏与分类在客户端完成
- AES-256-GCM 信封加设备签名
AeroNyx 不是一组分散工具。隐私网络保护加密工作移动的位置;MemChain 保护人、App 与 Agent 需要记住的内容。
点击每个轴线,查看 MemChain 的核心优势:服务器不能读记忆、召回近乎即时、离线可用、模型选择保持开放,而且检索不消耗模型调用。
MemChain 存储密文、盲索引与不透明关联边。存储节点可以同步与排序记忆,但不能读取或重新签署事实。
基础设施没有密钥,所以隐私由架构保证,而不是靠政策承诺。
供应商通常能检查、排序、迁移或暴露记忆,因为服务器持有可读状态。
MemChain 是三段式隐私路径:设备端蒸馏、盲加密存储、本地优先召回。
AI 对话被蒸馏成自包含事实,分类、加密、签名,并在任何同步前保留于本地。
存储节点收到密文、盲索引、客户端计算的向量与不透明关联边;它们不能读取或重签记忆。
召回从加密本地副本开始,再融合语义、关键词、时间与结构化搜索。
MemChain 围绕可防守的精确宣称构建:节点盲存储、本地优先召回、用户自选 AI 模型。
节点保存记忆,但不能读取。这不是承诺不看,而是基础设施没有密钥。
每条记忆都保留加密本地副本,使召回快速、稳定,并在本地命中时可离线使用。
用户可以选 DeepSeek、OpenAI、本地模型或任何 OpenAI 兼容模型。记忆层不锁定单一供应商。
数据来自 2026 年 7 月 LongMemEval-S 内部实测。页面只写已测结果,不把模型档次推测写成产品宣称。
在端到端加密记忆约束下,使用 LongMemEval-S 实测。
使用经济型模型档次实测;在同一基线下高于 GPT-4o 直接读全部历史。
召回路径避开模型推理,保持毫秒级。
搜索与排序不消耗模型 token;模型用于蒸馏与回答。
诚实边界:我们不宣称准确率第一,也不宣称已有形式化证明的隐私系统。差异在于隐私、速度、成本、离线召回与用户所有权。
差异是结构性的:谁能读记忆、召回在哪里发生、用户能不能带着上下文离开。
不能。只有密文加盲索引。
通常可以。云端记忆常以可读形式存储。
用户设备加盲加密备份。
供应商云端。
本地或节点毫秒级召回。
通常数百毫秒到数秒。
可以,本地加密副本命中时可用。
通常不行。
用户自选模型或本地模型。
平台指定模型。
身份派生密钥与加密同步。
以账号为中心的云端同步。
检索不需要模型推理。
常依赖托管推理或平台搜索。
MemChain 存储节点在密码学上无法读取你的记忆。它们只保存设备加密后的密文和不可逆盲索引。加密、解密与搜索都在你的设备上完成。
重要限制:当你选择外部 AI 服务来蒸馏或回答记忆时,相关明文会发送给你选定的供应商。若使用本地 AI 模型,记忆可以全程留在设备上。
这些答案刻意保持直接,让产品页、文档与 AI 引擎能清楚引用。
不能。MemChain 存储节点只持有设备加密后的密文和不可逆盲索引。没有你的身份派生密钥,节点无法解密记忆内容。
主要副本以加密形式存在你的设备上。节点保存加密备份,用于跨设备同步与恢复。
可以,新设备能从加密节点备份回填并重建本地索引。如果身份备份遗失,加密记忆无法恢复。
可以。相关记忆已在本地加密副本中时,离线召回仍可工作。
不会。记忆应在首次使用时取得明确同意,且用户必须能在设置中关闭并删除记忆。