Qu’est-ce que Hindsight ?
Hindsight est un serveur de mémoire pour agents conçu par Vectorize. Vous lui envoyez du texte avec retain, l'interrogez avec recall et lui demandez de raisonner sur ce qu'il détient avec reflect. Chaque banque de mémoire est un espace isolé pour un utilisateur, un agent ou un projet.
À chaque retain, un LLM (OpenAI gpt-5-mini par défaut, ou l'un des plus de 25 fournisseurs pris en charge, dont Ollama) extrait faits, dates, entités et relations, stockés dans PostgreSQL avec pgvector, ou dans Oracle AI Database 23ai, sous forme d'entités, de liens, de séries temporelles et de vecteurs denses et creux. Recall lance en parallèle une recherche sémantique, une recherche par mots-clés BM25, une recherche par graphe et un filtre par période, fusionne les résultats par reciprocal rank fusion et les reclasse avec un cross-encoder. En arrière-plan, les faits liés sont consolidés en observations qui conservent leurs citations justificatives et sont affinées plutôt qu'écrasées quand de nouveaux éléments arrivent.
Le 3 novembre 2026, Vectorize a publié trois petits modèles à poids ouverts pour la chaîne de mémoire : un modèle de décision de 0.8B, un reranker de 114M et un modèle d'embeddings de 112M. Le serveur est sous licence MIT ; Hindsight Cloud en est la version hébergée payante.
Hindsight vaut-il le coup ?
Hindsight a grandi plus vite que tous ses concurrents : environ 59 400 étoiles sur GitHub, des versions hebdomadaires et la v1.2.0 le 3 novembre 2026. Contrairement à Mem0, il garde toutes ses fonctions dans le serveur sous licence MIT, y compris le rappel par graphe et par période, la consolidation en arrière-plan et un point d'accès MCP par banque.
Sa conception traite la mémoire comme un ensemble de croyances, pas comme un tas de fragments. Retain utilise un LLM pour extraire faits, entités, relations et dates ; recall lance quatre recherches à la fois (vectorielle, BM25, graphe d'entités et période) et ajuste le résultat à un budget de tokens fixé par défaut à 4 096. Les observations font la différence : les faits liés sont fusionnés en une croyance qui consigne ses preuves et un nombre de confirmations, et une information nouvelle la renforce ou l'affaiblit au lieu de la remplacer en silence. Les mental models vont plus loin en stockant une réponse permanente à une question, comme les préférences d'un utilisateur, relue sans recherche ni appel au LLM.
Les résultats de benchmark sont solides mais pas indépendants. L'article de Vectorize annonce 91,4 % sur LongMemEval et 89,61 % sur LoCoMo avec Gemini-3 pour rédiger les réponses, et 83,6 % sur LongMemEval avec le seul modèle ouvert GPT-OSS-20B. Son classement en ligne affiche désormais 94,6 % sur LongMemEval et 92 % sur LoCoMo. Le README affirme que Virginia Tech et The Washington Post ont reproduit les résultats, mais des chercheurs de ces deux maisons cosignent l'article, et les chiffres des concurrents ont été repris de rapports d'autres éditeurs au lieu d'être mesurés à nouveau. Aucune latence de récupération n'est publiée.
Le serveur auto-hébergé n'est pas verrouillé par défaut. La vérification des clés d'API ne démarre que si vous définissez HINDSIGHT_API_TENANT_EXTENSION, et chaque banque reçoit un point d'accès MCP activé par défaut : un serveur exposé sur le port 8888 laisse donc n'importe qui lire et écrire la mémoire. Le filtrage des secrets et des données personnelles (Memory Defense, 45 motifs) s'active banque par banque. Selon la page de tarifs de Vectorize, la version auto-hébergée n'envoie aucune télémétrie.
La facture hébergée dépend des écritures. Retain coûte 10 $ par million de tokens, cinq fois le tarif d'ingestion de Honcho, contre 0,75 $ par million pour recall ; le stockage est gratuit pendant 30 jours puis coûte 0,25 $ par million de tokens par mois, et la page de tarifs précise que les mémoires ne sont jamais supprimées. Un agent qui stocke 100 millions de tokens de conversation par mois paie 1 000 $ avant le moindre recall.
Là où il fait la différence
Un ingénieur plateforme qui donne une mémoire de projet partagée aux agents de code d'une équipe de 30 personnes
Éviter que Claude Code et Codex réapprennent les mêmes conventions du dépôt à chaque session
npx @vectorize-io/hindsight-coding-agents install all relie chaque agent détecté à une banque par dépôt, construite à partir de l'historique git et des sessions passées. Auto-hébergé sur une machine Postgres, il ne coûte que le LLM d'extraction ; placez-le derrière l'extension de clé d'API avant de le partager sur le réseau.
Une équipe produit qui exploite un assistant de support pour une activité d'abonnement de 50 000 clients
Se souvenir de l'historique de chaque client et repérer quand une information change
Une banque par client, avec retain après chaque ticket et recall avant chaque réponse. Les observations gardent l'ancienne et la nouvelle offre avec leurs preuves au lieu de renvoyer les deux à l'aveugle. Sur Cloud, 100 millions de tokens retenus par mois coûtent 1 000 $ ; l'auto-hébergement reporte ce coût sur l'extraction par LLM.
Un ingénieur ML dans une banque qui ne peut pas envoyer de texte client à une API hébergée
Faire tourner la mémoire de l'agent entièrement sur son propre matériel
Pointez Hindsight vers un modèle local via Ollama ou vLLM et faites tourner en local les modèles ouverts hs-decide-1-flash, hs-rerank-1 et hs-embed-1 pour réduire les appels au LLM. Le résultat de 83,6 % de l'article sur LongMemEval a été obtenu avec le seul GPT-OSS-20B, qui tient sur un GPU grand public haut de gamme.
Avant de vous engager
- Mise en route
- Un seul docker run avec une clé de LLM lance l'API sur le port 8888 et une interface sur le 9999 avec un Postgres embarqué ; pip install hindsight-all le fait tourner dans le processus Python. Des charts Helm et un fichier Compose avec Postgres externe couvrent la production.
- Intégrations
- Clients Python, TypeScript et Go, une CLI et une API REST ; un point d'accès MCP par banque ; un wrapper de LLM pour les SDK d'OpenAI et d'Anthropic via LiteLLM ; plus de 60 intégrations, dont LangGraph, CrewAI, Pydantic AI, n8n et Claude Code.
- Données et confidentialité
- En auto-hébergement, les données restent dans votre base Postgres ou Oracle, mais le texte retenu part vers le LLM configuré ; Vectorize indique que la version auto-hébergée n'a pas de télémétrie. Cloud fait des sauvegardes quotidiennes, affirme ne jamais supprimer les mémoires et affiche des badges SOC 2 Type 2 ; BYOC, single-tenant, SSO et Memory Defense relèvent d'Enterprise.
- Coût à grande échelle
- L'auto-hébergement coûte Postgres plus les appels au LLM d'extraction et de consolidation, que le modèle de décision ouvert vise à réduire. Cloud : 10 $ par million de tokens retenus, 0,75 $ par million récupérés, 0,05 $ par reflect, 0,25 $ par million de tokens stockés par mois après 30 jours.
- Limites
- Latence de récupération non publiée ; la consolidation est asynchrone, donc les nouveaux faits atteignent les observations avec un délai. 185 issues et pull requests ouvertes, et le rythme rapide des versions impose des mises à jour fréquentes.
Les points forts
- Toutes les fonctions sous MIT, y compris le rappel par graphe et par période
- Les observations révisent les croyances avec preuves au lieu d'écraser
- Tourne sur Postgres avec une option embarquée, ou entièrement en local avec Ollama
- Point d'accès MCP intégré et plug-ins pour 13 CLI d'agents de code
Les points faibles
- Authentification de l'API désactivée tant qu'aucune tenant extension n'est configurée
- Benchmarks reproduits par les coauteurs de l'article
- Le retain de Cloud à 10 $ par million de tokens est l'écriture la plus chère ici
- Chaque retain et chaque passe de consolidation coûtent des appels au LLM
Idéal pour
Les équipes qui veulent une mémoire par graphe, temporelle et vectorielle dans un seul serveur auto-hébergeable, sans fonctions réservées à une offre payante.
Alternatives à Hindsight
Hindsight : questions fréquentes
- Hindsight vaut-il le coup ?
- Hindsight est le serveur de mémoire pour agents open source le plus complet que vous puissiez faire tourner aujourd'hui, sans rien retenir hors de la licence MIT, même si son avance aux benchmarks repose sur des chiffres reproduits par les coauteurs de son propre article. Nous lui donnons 4.4 sur 5.
- Combien coûte Hindsight ?
- Serveur auto-hébergé gratuit sous MIT. Hindsight Cloud est facturé à l'usage avec 5 $ de crédit offert : retain à 10 $ par million de tokens, recall à 0,75 $ par million de tokens, reflect à 0,05 $ par appel, stockage à 0,25 $ par million de tokens par mois après les 30 premiers jours. Enterprise (BYOC, sur site, SSO) sur devis.
- Quels sont les inconvénients de Hindsight ?
- Authentification de l'API désactivée tant qu'aucune tenant extension n'est configurée; benchmarks reproduits par les coauteurs de l'article; le retain de Cloud à 10 $ par million de tokens est l'écriture la plus chère ici; chaque retain et chaque passe de consolidation coûtent des appels au LLM.
- À qui s’adresse Hindsight ?
- Les équipes qui veulent une mémoire par graphe, temporelle et vectorielle dans un seul serveur auto-hébergeable, sans fonctions réservées à une offre payante.
- Combien coûte Hindsight pour une équipe ou en production ?
- L'auto-hébergement coûte Postgres plus les appels au LLM d'extraction et de consolidation, que le modèle de décision ouvert vise à réduire. Cloud : 10 $ par million de tokens retenus, 0,75 $ par million récupérés, 0,05 $ par reflect, 0,25 $ par million de tokens stockés par mois après 30 jours.
- Hindsight est-il sûr pour les données de l’entreprise ?
- En auto-hébergement, les données restent dans votre base Postgres ou Oracle, mais le texte retenu part vers le LLM configuré ; Vectorize indique que la version auto-hébergée n'a pas de télémétrie. Cloud fait des sauvegardes quotidiennes, affirme ne jamais supprimer les mémoires et affiche des badges SOC 2 Type 2 ; BYOC, single-tenant, SSO et Memory Defense relèvent d'Enterprise.
- Quelles sont les meilleures alternatives à Hindsight ?
- Les alternatives les plus proches que nous avons testées sont Mem0, Graphiti, Honcho, Letta et Memvid.
Réponses vérifiées le 6 nov. 2026.
Vous éditez Hindsight ? Affichez cette note sur votre site
