❯ Looki 发布 Loom 模型系列，将第一视角生活记录组织成可追溯的长期记忆

让生活记录成为可用上下文Looki 发布面向第一视角生活理解的多模态模型系列 Loom，从设备采集的画面、声音和时间信息中，组织出事件、经历与长期记忆。它希望解决的是：当用户几天后再次讨论一个方案，AI 能找回当时的决定和附带条件，而不只留下“曾经开过会”的摘要。

三层模型各自承担任务Loom Sense 判断当前正在发生什么，允许“用餐”和“交流”等活动同时成立；Loom Moment 将连续观测组织成有起止时间、内容描述和证据的经历。Loom Memory 再沿月、周、日摘要逐层查找相关片段，必要时回看原始画面，让答案能够追溯到具体记录。

内部评测同时衡量效果与开销Looki 称，在覆盖近 20 类事件的内部业务测试中，Sense 的 F1 分数为 88.6，平均单次检测耗时 0.51 秒，按其测算条件，相对所比较的闭源方案推理成本降低约 94%。在经用户同意、脱敏构建的长时序音视频记忆评测中，Memory 综合得分为 79，每题平均输入输出 Token 量分别为 mem0 和 A-Mem 的 14.5% 与 30.5%。

主动帮助仍在继续探索Looki 还提出更端到端的架构，希望让模型结合当前情境与召回记忆，判断何时提醒、何时提问、何时保持安静。公司表示，长期存储、加密和权限隔离仍由系统层承担，网站体验与功能仍在迭代；持续记住生活和准确选择介入时机，是两个需要分别解决的问题。

▮ SIGNAL个人 AI 的成本优势可能来自更会组织记忆：先定位与问题有关的经历，再调用模型处理必要证据，既能减少反复读取整段生活记录，也更容易解释答案从何而来。