Live News

In het kort Mistral Medium 3.5 is een model met een dichtheid van 128 miljard parameters en een prijs van $1,50 input / $7,50 output per miljoen to...

De adoptie van digitale activa in Latijns-Amerika evolueert, waarbij meer gebruikers geld nu omzetten in stablecoins dan in Bitcoin – een verschuiv...

In het kort Elon Musk zei dat xAI gedeeltelijk OpenAI-modellen gebruikte om Grok te trainen, volgens een TechCrunch-rapport...

01/05/26

Volg ons:

Agentic Memory: Walrus pakt het volgende grote knelpunt van AI aan

Agentic Memory: Walrus pakt het volgende grote knelpunt van AI aan
Default Door Remote - 30 Apr 2026
In het kort

Walrus heeft MemWal gelanceerd, een SDK voor AI-agenten.

MemWal brengt verifieerbaarheid, beschikbaarheid, draagbaarheid en deelbaarheid naar agentisch geheugen.

Verbeterd agentgeheugen maakt een reeks nieuwe toepassingen mogelijk, zoals klantenondersteuningsagenten die contextuele aanwijzingen over gebruikers onthouden.

Nu AI-agenten steeds alomtegenwoordiger worden, wordt het geheugen van agenten een van de belangrijkste problemen op het gebied van kunstmatige intelligentie.

Bedrijven en individuen vertrouwen steeds meer op agenten voor steeds complexere taken waarbij veel op het spel staat, maar de geheugenlaag waar de meeste agenten tegenwoordig op draaien heeft beperkingen die van invloed zijn op de kwaliteit van hun werk.

Dat is iets wat Walrus, in combinatie met een onlangs gelanceerde SDK genaamd MemWal, wil oplossen door verifieerbaarheid, beschikbaarheid, draagbaarheid en deelbaarheid naar agentisch geheugen te brengen, vertelde Mysten Labs Group Product Manager Abinhav Garg aan Decrypt.

"Met Walrus plus MemWal leeft het geheugen op een open, verifieerbare datalaag, dus dat betekent dat het niet gebonden is aan één model of leverancier", legt Garg uit. Dat betekent dat gebruikers kunnen schakelen tussen modelaanbieders zoals OpenAI en Anthropic, terwijl gegevens worden opgeslagen met verifieerbare garanties, dus het is fraudebestendig – iets dat “vooral belangrijk is nu agenten in kritischere workflows gaan werken waar correctheid en controleerbaarheid van belang zijn”, zei hij.

Gegevens die op Walrus zijn opgeslagen, nemen de ingebouwde garanties over verifieerbaarheid, draagbaarheid en beschikbaarheid over, waardoor “het gemakkelijker delen van geheugen tussen agenten tussen teams en organisaties mogelijk wordt”, voegde hij eraan toe, waardoor het een “must is voor de samenwerking tussen agenten.”

MemWal kan ook worden geïntegreerd met de populaire agentorkestratieframeworks OpenClaw en NemoClaw, via een plug-in die deze week is uitgebracht. “We wilden het verifieerbare langetermijngeheugen gemakkelijk aanpasbaar maken in echte systemen”, zegt Garg, eraan toevoegend dat het een “naadloze” workflow voor bouwers mogelijk maakt.

“Zonder dit zouden ontwikkelaars de integratie van een gedecentraliseerde opslaglaag zoals Walrus moeten begrijpen, wat voor wrijving en complexiteit zou kunnen zorgen”, legde hij uit. “Dankzij de integratie kunnen ze hun agenten gewoon uitrusten met duurzaam, verifieerbaar geheugen, rechtstreeks met de tools die ze al gebruiken.”

MemWal en privacyPrivacy wordt “een veel groter probleem voor AI-systemen in het algemeen”, zei Garg, waarbij hij opmerkte dat er steeds meer een beroep wordt gedaan op agenten om met gevoelige en bedrijfseigen gegevens om te gaan. “Of het nu gaat om bedrijfsworkflows, financiële informatie of persoonlijke context, de verwachtingen rond vertrouwelijkheid nemen aanzienlijk toe”, voegde hij eraan toe.

MemWal en Walrus hebben privacy en programmeerbare toegangscontrole via een native encryptielaag, wat betekent dat “ook al is de opslag zelf gedecentraliseerd, de inhoud vertrouwelijk blijft en wordt beheerst door beleid – zelfs de opslagproviders kunnen deze niet lezen”, legt Garg uit.

Voor gebruikers, zo betoogde hij, “is het niet langer acceptabel dat die gegevens zich in een ondoorzichtig, gecentraliseerd systeem bevinden zonder duidelijke garanties”, waarbij hij opmerkte dat private, gecontroleerde en controleerbare opslag voor agentisch geheugen “in de loop van de tijd een bepalende vereiste zal worden.”

Nieuwe gebruiksscenario's voor agentisch geheugen Het versterken van agentisch geheugen met verifieerbaarheid, beschikbaarheid, draagbaarheid en deelbaarheid opent een scala aan toepassingen, zei Garg, variërend van klantenondersteuningsagenten die contextuele aanwijzingen over gebruikers onthouden, tot samenwerking tussen agenten in verschillende teams die "aan dezelfde klantgeschiedenis werken."

“Er is een geweldige partner die probeert uit te vinden hoe er coördinatie kan plaatsvinden tussen agenten als uitgever of als consument op een marktplaats”, voegde hij eraan toe. "Dus hoe zouden die agenten met elkaar omgaan en gedurende een bepaalde periode een soort berichten versturen? En die berichten kunnen zelf als een soort geheugen worden gebruikt."

Andere partners hebben agentisch geheugen onderzocht voor robots die context met elkaar moeten delen om taken in de echte wereld te coördineren. "Stel je voor dat ze dat uren of zelfs weken zouden doen, bijvoorbeeld tijdens een rampenbestrijdingsscenario, dan zouden ze dat gedeelde geheugen nodig hebben," legde Garg uit.

Uiteindelijk verwacht hij een “standaardisatie van de stapel” voor agenten. “Je zult een duidelijke scheiding zien tussen computergebruik, data, geheugen en coördinatie”, zei hij. “Onze opvatting is dat geheugen en data niet gebonden mogen zijn aan één enkel model of platform. Walrus wordt dus die duurzame datalaag en MemWal wordt daarbovenop een geheugenlaag.”

Gebruik de snelstartgids om nu MemWal-geheugen aan uw agenten toe te voegen.

Aangeboden door Walrus

Meer informatie over samenwerken met Decrypt.

Dagelijkse debriefing NieuwsbriefBegin elke dag met de belangrijkste nieuwsverhalen van dit moment, plus originele artikelen, een podcast, video's en meer. Uw e-mail Download het! Download het!