ACL 2026 발표, GitHub 오픈소스로 7,200개 스타 획득!
EverOS는 AI Agent가 모든 것을 기억하게 하며, 27B 모델로 397B 모델을 압도합니다!

AI로 코드를 작성해 본 사람이라면 누구나 이런 경험이 있을 것입니다.
아침에 터미널을 열고 AI에게 "어제 하던 작업 계속하자"라고 말합니다.
그러면 AI는 당신에게 묻습니다: "무슨 작업 말인가요?"

당신은 어제 세 시간 동안 코드베이스 구조를 설명했고, 왜 Redux 대신 Zustand를 사용하는지 알려주었습니다.

당신은 AI에게 함수형 작성 방식을 선호한다고 기억하게 했고, 한 시간 동안 버그를 해결하기 위해 씨름했을 때 AI는 근본 원인을 찾는 데 도움을 주었습니다.

그런데 오늘 아침, 이 모든 것이 사라졌습니다. 당신은 처음부터 다시 시작해야 합니다.

이것은 사실 버그가 아니라, 현재 모든 AI Agent의 기본 상태입니다.
그들은 기억이 없으며, 매 대화는 백지 상태에서 시작됩니다.

2026년, EverOS라는 프로젝트가 ACL에서 발표되었습니다. 이것은 또 다른 벡터 데이터베이스(Vector Database)가 아니며, RAG(Retrieval-Augmented Generation)의 프롬프트(Prompt)를 개선한 것도 아닙니다.

이것은 완전한 기억 운영체제(Memory Operating System)로, AI Agent의 하단에 위치하여 실제로 사건을 기억하게 만듭니다.

핵심 기술은 HyperMem이라고 불립니다.

전통적인 기억 방식은 텍스트를 블록으로 나누고, 벡터(Vector)로 변환하여 데이터베이스에 저장한 뒤, 매 대화 시 가장 유사한 조각을 검색하여 돌려주는 방식입니다. 이것은 평면적 검색입니다.

EverOS는 초그래프(Hypergraph) 구조를 사용하여 기억을 조직합니다 — 주제 계층(Theme Layer), 이벤트 계층(Event Layer), 사실 계층(Fact Layer)으로 구성되며, 하나의 초에지(Hyperedge)가 여러 노드(Node)를 연결합니다. 시간 초월적 연관성과 멀티 홉 추론(Multi-hop Reasoning)이 구조 내에 내장되어 있습니다.

그 결과, 장기 대화 작업의 재현율(Recall)이 93%를 초과했습니다. 전통적인 RAG는 약 45% 수준입니다.

하지만 정말 놀라운 데이터는 따로 있습니다. 그들의 벤치마크 테스트에 따르면, 27B 파라미터 모델에 Skills 자기 진화 전략을 적용했을 때 작업 성공률이 234.8% 향상되었습니다. 성능은 397B 모델과 대등해졌습니다.

매개변수가 15배 작은 모델이 기억력을 가짐으로써, 기억이 없는 거대 모델을 이긴 것입니다.

이것은 단순히 기억이 좋은 기능이라는 뜻이 아니라, 기억이 인프라스트럭처(Infrastructure)라는 뜻입니다.
기억이 없는 모델은 하드디스크가 없는 컴퓨터와 같습니다. CPU가 아무리 강력해도 재부팅할 때마다 모든 것이 초기화됩니다.

설치는 단 세 줄의 명령어로 가능합니다.

모든 기억은 Markdown 파일로 저장되어 Git 버전 관리가 가능하며, Obsidian에서 열 수 있고, grep으로 검색할 수 있습니다. 로컬 우선(Local-first) 방식이며, MongoDB, Elasticsearch 또는 Redis에 의존하지 않습니다.

GitHub에서 7,200개의 스타를 획득했고, 14개의 포크(Fork)가 이루어졌습니다.
Apache 2.0 라이선스입니다. Claude Code, Codex, OpenClaw 등 주요 Agent 프레임워크를 지원합니다.

어떤 이들은 이를 사용하여 알츠하이머 보조 기억 시스템을 만들었습니다.
어떤 이들은 AI 웨어러블 기기에 통합하여 25개의 실행 가능한 유스케이스(Use case)를 만들었습니다.

문제는 AI가 사건을 기억할 수 있느냐가 아닙니다.
문제는 AI가 모든 것을 기억하기 시작할 때, 당신이 그것을 어떻게 사용할 것인가 하는 점입니다.

프로젝트 주소: https://t.co/WjM0ivudwP