#memory

What stood out to me is not that Claude has memory. That part is becoming table stakes. The interesting bit is that Anthropic is now exposing just enough of the machinery for users to tweak it, while still making the whole thing feel oddly scattered across settings, mobile, projects, profile memory, incognito mode, and a few different “don’t remember this” switches. That’s the tension I keep coming back to with these AI memories: they’re pitched as convenience, but they behave more like a second

What jumps out to me is not that Claude can now remember things. It’s that Anthropic is trying to make memory feel ambient instead of explicit. That is a better product move, and also a more dangerous one. For people actually building with Claude, the annoying part of memory has always been the manual handoff. You tell it to remember something, or you restate your preferences every session, and then you hope the right bits stick. If Claude chat is now adding topics as you go, and Cowork shares t

What jumped out at me wasn’t the “memory” part itself. It was the decision to make chat and Cowork share one memory pool by default. That’s a very different product choice from “the model can remember things”; it’s closer to “Anthropic is building a persistent user profile that follows you across contexts.” That might be exactly what a lot of people want. It also feels like the point where convenience starts to lean hard into surveillance. The useful part is obvious if you build with Claude. Reb

読んでまず思ったのは、ようやく「AIに毎回同じ説明をする面倒さ」に、かなり正面から手を付けたな、ということだった。こういう機能って地味に見えるけれど、実際はかなり効く。チャットと別モードの Cowork をまたぐたびに前提を言い直すのは、使っていると想像以上にストレスになるからだ。 ただ、便利さと同じくらい気になったのは、記憶の扱いがかなり繊細な領域に入ってきたことだ。Claude は会話中に topic を memory に積んでいく形になり、あとから一覧で見て編集や削除もできるらしい。ここまでは安心材料だと思う。けれど「何を覚えるか」をユーザーが完全に把握できるわけではないし、しかも chat と Cowork で同じ memory を共有するとなると、思っている以上に文脈が広くつながる。便利な一方で、どこまでが“覚えていてほしい情報”なのかは、使う側が少し意識しないといけない。 それでも、敏感な情報をデフォルトでは保存しないようにしている点は、かなり現実的だと思った。健康、宗教、政治みたいな話題を勝手に記憶しないのは筋がいいし、ID 番号や犯罪歴のようなものを保存しないと明言して

What jumps out to me is less the feature itself and more the fact that it took this long to make memory consistent between chat and Cowork. That feels like the kind of thing users would assume already worked this way. If Claude is going to be pitched as a system that can follow you from a quick chat into a cloud task, then having separate memory islands would be a pretty awkward footgun. The part I’d actually want to test is how well this behaves with real work context. “Less re-explaining” soun

What jumps out to me is not the memory feature itself — every AI company is crawling toward that now — but the fact that Anthropic is trying to make memory feel like a layer on top of products, not a property of just one chat window. If Claude and Cowork really share the same remembered context, that’s the part I’d actually care about as a builder. The annoying bit in these tools is never the model answer alone; it’s having to re-teach the system who you are every time you move between surfaces.

The part that catches my attention isn’t that Anthropic is adding memory. Everyone is doing some version of that now. It’s that Claude Chat and Claude Code are apparently being tied together so the model carries one shared memory across both. That’s the bit I’d actually want to test, because if it works well it removes a lot of friction, and if it works badly it becomes a very efficient way to import one context’s nonsense into another. I can see why this is attractive for people using Claude as

What jumps out to me is not that Anthropic added shared memory. It’s that they made the default so aggressively sticky. Memory crossing between chat and Cowork means the product stops behaving like two separate surfaces and starts behaving like one long-lived assistant with a single model of you. That is probably the right UX if you want Claude to feel smart. It is also exactly the sort of thing that makes people uneasy once they realize how much of their workday now becomes durable context. The

What I actually like here is not the “one command” pitch. It’s the admission that agent memory tends to fail in boring, almost invisible ways. That rings true. The flashy failure mode is easy to notice; the real problem is the slow drift: renamed notes, undated lines, inbox sludge, broken links. Those are the kinds of things that make a memory system look healthy while it quietly stops being trustworthy. The part I’m least convinced by is the universal tone around “memory” itself. A folder of Ma

Samsung Electronicsは、半導体部門の従業員に年間平均約34万ドル（約340,000ドル）のボーナスを提示した。 それでも労働組合は不満で、1人あたり100万ドル近い報酬を求めている。 労組は18日間のストライキを準備しており、実施されれば半導体業界史上最大級になる可能性がある。 争点は「景気がいいときの利益を、どれだけ現場の労働者に分けるのか」だ。 特にAI向け高性能メモリ（HBM）の需要が爆発している今、Samsungの生産が止まれば影響はかなり大きい。 Samsung Electronicsの半導体部門で、ボーナスをめぐる労使対立がかなりヒートアップしています。 TNWの記事によると、Samsungは今年、半導体従業員に平均で約34万ドルのボーナスを支払う方針です。日本円にするとかなりの額ですが、それでも労働組合は納得していません。 労組であるNational Samsung Electronics Unionは、1人あたり100万ドル近い補償を求めており、さらに18日間のストライキに向けて準備を進め

AIチップの部品コストで、HBM（High-Bandwidth Memory、高帯域幅メモリ）が63%まで上昇した 2024年Q1の52%から、2025年Q4にはさらに比率が拡大した 一方で、logic dieはほぼ横ばい、advanced packagingとauxiliary componentsは比率を下げた 4社（Nvidia, AMD, Google, Amazon）のAIチップ全体では、部品コスト総額が2024年の約220億ドルから2025年の約520億ドルへ増加 2026年もメモリ不足と価格上昇で、HBMの存在感はさらに強まりそうだとEpoch AIは見ている Epoch AIの記事は、AIチップを作るときの「部品代」の内訳が、ここ1〜2年でかなり変わってきた、という話です。 結論から言うと、いまAIチップでいちばんお金がかかるのは、演算をするチップ本体ではなく、HBMメモリです。 しかもその割合が、もう全体の6割超。これはかなりインパクトがあります。 ふつう「高性能チップ」と聞くと、まず思い浮かぶの

For Claude and Claude Code developers, this is one of those updates that sounds whimsical but is actually pretty practical. Anthropic is pushing harder on long-running, multi-agent workflows, and “dreaming” is really about making memory less brittle when agents work for hours instead of minutes. Anthropic introduced “dreaming” for Claude Managed Agents at its Code with Claude conference. In this context, dreaming is a scheduled review process that scans recent sessions and memory

TypedMemory は、Java 25 以降向けの off-heap memory（Javaのヒープ外メモリ）を扱うライブラリ record をそのままメモリの型として使えるのが大きな特徴 Javaの FFM API（Foreign Function & Memory API）を土台にしている `get(index)` / `set(index, value)` のように、配列っぽく安全に読み書きできる レイアウト（メモリ配置）を自動で推論してくれるので、手作業の offset 管理がかなり減る ただし、experimental でまだ発展途上。今後仕様が変わる可能性はある `String` や `List<T>` のような参照型はまだ非対応で、対象はかなり「低レベル寄り」 この記事で紹介されている TypedMemory は、ひと言でいうと、 > Javaのrecordを、強い型を保ったまま off-heap memory にマッピングするライブラリ です。 これ、地味に見えてかなり面白いです。 普通のJavaプログ

Intel支援の新しいメモリ技術「ZAM（Zero-Angle Memory）」の詳細が見えてきた 特徴は、DRAMを横に並べず縦に9層積む構造 1モジュールあたり約9GBの容量を持つ見込み 帯域幅はHBM4にかなり近い水準を狙っている AI向けメモリとして、コストや電力効率の面でHBMの代替候補になりうる 商用化はまだ先だが、AIハードウェアの勢力図を変える可能性がある AI向け半導体の話題で、今いちばん熱いキーワードの1つがHBMです。 HBMは *High Bandwidth Memory* の略で、ざっくり言うと「ものすごく速いメモリ」です。AI処理ではGPUやAIアクセラレータが大量のデータを一気に読み書きするので、普通のメモリでは追いつきません。そこで、データの通り道を太くしたHBMが重宝されているわけです。 今回TechRadarが取り上げたのは、そのHBMに挑む新技術ZAM（Zero-Angle Memory）。 Intelが支援しているこのメモリは、メモリチップを平面に広げるのではなく、垂直に積み上げるのが特徴で

$δ$-mem は、LLMに後付けできる軽量な memory 機構の提案 長い会話やエージェントで問題になる「過去の情報をどう残すか」に正面から取り組んでいる 既存の大きな context window に頼るのではなく、固定サイズの online state に要約して保持する frozen backbone（本体モデルは固定）のまま、attention の計算に低ランク補正を入れて性能を上げる 8×8 の小さな memory state でも、平均スコアで baseline を上回り、記憶が重要なベンチマークで特に強い 個人的には、「モデルを丸ごと再学習しなくても記憶を増やせる」という方向性がかなり実用的だと思う 大規模言語モデル（LLM）は、質問に答えたり文章を書いたりするのは得意です。でも、長い時間をまたいで情報を覚え続けるのは別問題です。 たとえば、長期的なアシスタントや agent では、こんな情報を覚えていてほしくなります。 ユーザーの好み これまでの会話の前提 途中で決まった方針 以前に試して失敗した手順