Herramienta de IA

Reseña de Honcho

Honcho es un backend de código abierto para memoria y modelado de usuarios para agentes de IA, que razona sobre conversaciones para mantener un contexto de usuario en evolución entre sesiones, herramientas y máquinas.

shipped 26 oct 2026agentsfreemium

Domain rating58AI-readablestrong

agentsopen-sourcedeveloper-tools

Por qué importa

1Fundada en 2023; desarrollada por Plastic Labs, con sede en Brooklyn, NYC.

2Ofrece una API para desarrolladores y una integración con MCP; la documentación de la API está en honcho.dev/docs/.

3Los precios incluyen memoria a $2.00 por millón de tokens ingeridos y niveles de razonamiento de $0.001 a $0.50 por consulta.

4La retención de datos es de 90 días; Honcho cuenta con la certificación SOC 2 Type I y no está alineado con HIPAA ni cuenta con certificación ISO.

Sobre Honcho

Modelo de negocio

Open Source

Precio por uso

$0.001/q per query

Sede

Brooklyn, NYC

Fundada

2023

Tamaño del equipo

Financiación

Seed

Plataformas

Web, API

Público objetivo

Developers and businesses creating stateful AI agents

Planes de precios

Honcho Memory

$2.00 / M tokens ingested

• Store + Neuromancer reasoning

Minimal Reasoning

$0.001 / query

• Basic conclusions — instant

Low Reasoning

$0.01 / query

• Efficient synthesis — instant

Medium Reasoning

$0.05 / query

• Steerable reasoning — fast

High Reasoning

$0.10 / query

• Deep synthesis — async

Max Reasoning

$0.50 / query

• Research-grade — async

Ejemplos de costes

• Basic conclusions: $0.001/query
• Efficient synthesis: $0.01/query
• Steerable reasoning: $0.05/query

Liderazgo

Vineeth VorugantiCo-founderLinkedIn

Courtland LeerCo-founderLinkedIn

API Docs GitHubOpen Source

Especificaciones

Documentación API

Ver documentación →

API disponible

Sí, API pública

overview

¿Qué es Honcho?

Honcho es una herramienta de memoria de IA de código abierto que permite a desarrolladores y empresas que crean agentes de IA con estado construir modelos de usuarios persistentes y en evolución a partir de conversaciones. Admite memoria entre sesiones, herramientas y máquinas, y utiliza el razonamiento sobre conversaciones para conservar preferencias y contexto. Honcho es proporcionado por Plastic Labs y está diseñado como un backend de memoria y modelado de usuarios, no como un entorno de ejecución completo para agentes.

features

Características principales de Honcho

Honcho proporciona memoria derivada de conversaciones y modelado de usuarios para agentes de IA con estado. Su alcance técnico documentado incluye entrada de texto, modelos Neuromancer de Plastic Labs, una API y una integración con MCP.

Razona sobre conversaciones para crear modelos en evolución de usuarios individuales.
Conserva preferencias y contexto entre sesiones, herramientas y máquinas.
Ofrece aprendizaje continuo para agentes con estado.
Gestiona la memoria de forma eficiente en tokens para reducir el uso de tokens de contexto.
Ofrece un control granular del contexto que se proporciona a los agentes.
Admite razonamiento asíncrono e inferencia en segundo plano.
Proporciona una API para desarrolladores documentada en https://honcho.dev/docs/.
Incluye Plastic Labs Neuromancer y Plastic Labs Neuromancer XR como modelos; la modalidad es texto.
Admite integración con MCP y llamadas a funciones basadas en estándares abiertos.

use cases

¿Quién debería usar Honcho?

Honcho está dirigido a desarrolladores y empresas que crean agentes de IA que necesitan conservar el contexto del usuario más allá de una sola conversación. Las áreas de aplicación enumeradas incluyen atención al cliente, educación, videojuegos, productividad y compañía mediante IA.

Desarrolladores de agentes de IA que crean experiencias con estado y preferencias persistentes de usuario.
Equipos de atención al cliente que crean agentes que utilizan el contexto de interacciones anteriores.
Aplicaciones educativas que necesitan conservar el contexto del estudiante entre sesiones.
Productos de videojuegos y compañía mediante IA que utilizan modelos de usuario en evolución.
Herramientas de productividad que necesitan que los agentes conserven el contexto entre sesiones y herramientas.

how to use

Cómo usar Honcho

Los desarrolladores pueden comenzar con la documentación de la API de Honcho en https://honcho.dev/docs/ y conectar un agente mediante la API o MCP. Configure el uso de memoria y razonamiento según las necesidades de la aplicación; los precios publicados distinguen entre la ingesta de memoria y las consultas de razonamiento.

1Consulte la documentación de la API en https://honcho.dev/docs/.
2Cree o configure un proyecto de Honcho y conéctelo al agente mediante la API o MCP.
3Envíe texto de conversaciones a Honcho para procesar la memoria y el modelo de usuario.
4Recupere el contexto de usuario pertinente para interacciones posteriores con el agente.
5Elija la intensidad del razonamiento y supervise el uso de ingesta de memoria y de consultas.

pricing

Precios y planes de Honcho

Honcho figura como un servicio freemium, con precios por uso para la ingesta de memoria y el razonamiento. La memoria cuesta $2.00 por millón de tokens ingeridos. Los niveles de razonamiento se cobran por consulta; la información disponible no especifica la asignación incluida en el nivel gratuito ni si estos precios están vigentes, así que confirme las tarifas en el sitio web de Honcho antes de comprar.

Honcho Memory: $2.00 por millón de tokens ingeridos.
Razonamiento mínimo: $0.001 por consulta.
Razonamiento bajo: $0.01 por consulta.
Razonamiento medio: $0.05 por consulta.
Razonamiento alto: $0.10 por consulta.
Razonamiento máximo: $0.50 por consulta.
También se indica un precio por uso de $0.001 por consulta; no se especifica la relación exacta entre esta cifra y los niveles de razonamiento nombrados.

¿Te está gustando? Recibe uno así en tu bandeja cada mañana.

un correo al día · date de baja en dos clics · sin rastreadores de terceros

Pros

+Open-source architecture for an agent memory and user-modeling backend.
+Designed to retain conversation-derived preferences and context across sessions, tools, and machines.
+Offers API access and MCP integration, with public API documentation.
+Provides separately priced memory ingestion and reasoning tiers.
+SOC 2 Type I certified, according to the supplied compliance data.

Cons

−Data retention is listed as 90 days, which may not suit applications requiring longer retention.
−Not HIPAA-aligned and not ISO-certified, according to the supplied compliance data.
−The free-tier allowance is not specified in the available pricing information.
−The listed pricing information includes both $0.001 per query and reasoning tiers up to $0.50 per query; their relationship is not explained.
−The documented multimodality is text, limiting the stated scope to text-based input.

Herramientas similares

Honcho frente a la competencia

Honcho se presenta como un backend complementario de memoria y modelado de usuarios. Las comparaciones proporcionadas lo distinguen de herramientas centradas en extraer hechos, gestionar entornos de ejecución de agentes o construir grafos de conocimiento; los detalles de implementación y las capacidades de los productos pueden variar según el proveedor.

Mem0On Stork

Provides a multi-layered extraction pipeline that dynamically extracts, scores, and updates discrete user facts and preferences without manual graph curation.

Mem0 is faster to plug into existing agent stacks like LangChain or AutoGen, but Honcho gives you deeper dialectic user modeling and theory-of-mind representation beyond simple key-value fact extraction.

Letta↗

Manages agent memory like an operating system with tiered context windows, editable memory blocks, and git-backed context storage.

Letta is a full stateful agent runtime (formerly MemGPT) that dictates the agent's reasoning loop, whereas Honcho acts purely as a plug-and-play memory and user-modeling backend.

Graphiti↗

Constructs an evolving, temporally aware knowledge graph directly from conversational turns and external business data.

Graphiti provides clear entity-relation provenance over time, but you have to self-host Neo4j and write custom extraction logic rather than consuming Honcho's out-of-the-box user-profiling APIs.

ZepOn Stork

Combines temporal knowledge graphs with hybrid vector and BM25 search to serve low-latency chat history and automated session summaries.

Zep excels at enterprise context enrichment and temporal fact invalidation, but its primary platform is closed-source managed SaaS, unlike Honcho's open-source architecture.

Más en Stork