A Vectorize liberou como open source o Hindsight (abre em nova aba), um framework de memória para agentes de inteligência artificial. O código está disponível no GitHub sob licença MIT, o que significa que qualquer pessoa pode usar, modificar e distribuir o software, inclusive em projetos comerciais, sem pagar licença.
O problema que o Hindsight ataca é simples de entender. Agentes de IA, os programas que executam tarefas de forma autônoma, geralmente esquecem tudo entre uma conversa e outra. Cada novo encontro começa do zero. A proposta do Hindsight é dar a esses agentes algo parecido com a memória de longo prazo: a capacidade de guardar o que aconteceu, buscar essa informação depois e raciocinar sobre ela.
O sistema organiza as memórias em três operações, segundo a documentação oficial (abre em nova aba). A primeira é o retain, que converte as interações do agente em memória estruturada e com marcação de tempo. A segunda é o recall, que recupera as memórias mais relevantes para a situação atual, respeitando um limite de tokens, a unidade de texto que modelos de IA conseguem processar de uma vez. A terceira é o reflect, em que o sistema raciocina sobre o que guardou e devolve uma resposta pronta, em vez de um amontoado de memórias brutas.
Cada banco de memórias fica isolado por usuário ou agente, com apoio do banco de dados Postgres e da extensão pgvector, usada para busca por similaridade. O Hindsight pode rodar de três formas: em nuvem, com o serviço gerenciado Hindsight Cloud; embutido na máquina local do usuário; ou em um cluster próprio. Há clientes em Python, Node, Go e uma interface de linha de comando, além de uma imagem Docker pronta para execução.
Os números divulgados pela empresa são o argumento central do lançamento. Na página de produto, a Vectorize afirma 94,6% de acurácia no benchmark LongMemEval, que mede a capacidade de um sistema de memória de responder perguntas sobre conversas antigas. O índice é apresentado como resultado com revisão por pares e reproduzível de forma independente, com o código do benchmark aberto. Segundo a documentação, o sistema mais próximo marcou 74,0% no mesmo teste.
No benchmark LoComo, o Hindsight aparece com 92,0%, contra 80,3% do concorrente. No LifeBench, 71,5% contra 61,0%. No BEAM, que usa dez milhões de tokens, a vantagem é maior ainda: 64,1% contra 40,6%. O paper técnico, publicado no arXiv em 14 de dezembro de 2025 (abre em nova aba), descreve uma arquitetura que organiza quatro redes lógicas de memória: fatos do mundo, experiências do agente, resumos de entidades e crenças em evolução. Com um modelo aberto de 20 bilhões de parâmetros, a acurácia geral subiu de 39% para 83,6%, frente ao método de contexto completo com o mesmo modelo, e superou até o resultado do contexto completo com GPT-4o.
O anúncio foi feito pela Vectorize em post de blog (abre em nova aba) em 16 de dezembro de 2025, dois dias após a submissão do paper, escrito com colaboradores da Virginia Tech e do The Washington Post. O artigo tem sete autores, entre eles Chris Latimer e Nicolò Boschi, este último engenheiro da Vectorize.
Boschi comentou o esforço de construção do framework no dia 6 de outubro de 2026. Segundo ele, o desenvolvimento consumiu 1,4 bilhão de tokens do modelo Opus 5.5 para, nas palavras dele, fazer engenharia reversa do melhor framework de memória de agentes, publicado de graça no GitHub.
SEM SENTIDO. Gastei 1,4 bilhão de tokens com o Opus 5.5 para fazer engenharia reversa do melhor framework de memória de agentes e publiquei no GitHub DE GRAÇA. Confere aí.
A declaração é dele, não um dado verificado pela reportagem: trata-se de uma estimativa do próprio autor sobre o processo de desenvolvimento.
O repositório mostra um projeto em movimento, e não um lançamento abandonado. São 3.553 commits na ramificação principal, com alterações registradas em 7 de outubro de 2026 envolvendo documentação, integração contínua e as próprias operações de retain e recall. No dia anterior, um commit corrigia a forma como o sistema lê as fontes de uma resposta antes de aplicá-las na consolidação de memórias.
A Vectorize afirma que a versão aberta usa a mesma base de código da versão em nuvem, sem funcionalidades bloqueadas, sem limites de uso e sem telemetria que reporta dados para a empresa. Quem quiser o serviço gerenciado, com certificação SOC2 Tipo 2, paga por ele. Quem quiser rodar por conta própria, baixa e executa.
Para quem acompanha o ecossistema de agentes de IA, o quadro é razoavelmente claro: uma peça que faltava, a memória persistente, agora pode ser adotada sem custo de licença. O resto, como sempre, depende do uso.
Mais detalhes estão na documentação e na página de produto da Vectorize (abre em nova aba).