AI Инструмент

Обзор Honcho

Honcho — это open-source backend для памяти и моделирования пользователей AI-агентов, который анализирует диалоги, чтобы сохранять и обновлять контекст пользователя между сессиями, инструментами и машинами.

shipped 26 окт. 2026 г.agentsfreemium

Domain rating58AI-readablestrong

agentsopen-sourcedeveloper-tools

Почему это важно

1Основана в 2023 году; разработана Plastic Labs, штаб-квартира компании находится в Бруклине, Нью-Йорк.

2Предлагает API для разработчиков и интеграцию с MCP; документация API доступна по адресу honcho.dev/docs/.

3Стоимость памяти составляет $2.00 за миллион обработанных токенов, а уровни reasoning — от $0.001 до $0.50 за запрос.

4Срок хранения данных — 90 дней; Honcho сертифицирована по SOC 2 Type I, но не соответствует требованиям HIPAA и не имеет сертификата ISO.

О Honcho

Бизнес-модель

Open Source

Оплата по факту использования

$0.001/q per query

Штаб-квартира

Brooklyn, NYC

Основана

2023

Размер команды

Финансирование

Seed

Платформы

Web, API

Целевая аудитория

Developers and businesses creating stateful AI agents

Тарифные планы

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

Примеры затрат

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

Руководство

Vineeth VorugantiCo-founderLinkedIn

Courtland LeerCo-founderLinkedIn

API Docs GitHubOpen Source

Характеристики

Документация API

Посмотреть документацию →

Доступность API

Да, публичный API

overview

Что такое Honcho?

Honcho — это open-source инструмент памяти для AI, который позволяет разработчикам и компаниям, создающим AI-агентов с сохранением состояния, формировать на основе диалогов постоянные и развивающиеся модели пользователей. Он поддерживает память между сессиями, инструментами и машинами, используя анализ диалогов для сохранения предпочтений и контекста. Honcho предоставляется компанией Plastic Labs и предназначен для использования в качестве backend для памяти и моделирования пользователей, а не полноценной среды выполнения агентов.

features

Ключевые функции Honcho

Honcho предоставляет память на основе диалогов и моделирование пользователей для AI-агентов с сохранением состояния. В задокументированные технические возможности входят текстовый ввод, модели Plastic Labs Neuromancer, API и интеграция с MCP.

Анализирует диалоги, чтобы создавать развивающиеся модели отдельных пользователей.
Сохраняет предпочтения и контекст между сессиями, инструментами и машинами.
Обеспечивает непрерывное обучение агентов с сохранением состояния.
Эффективно управляет памятью, сокращая использование токенов контекста.
Позволяет детально контролировать контекст, передаваемый агентам.
Поддерживает асинхронный reasoning и фоновый инференс.
Предоставляет API для разработчиков с документацией по адресу https://honcho.dev/docs/.
В качестве моделей указаны Plastic Labs Neuromancer и Plastic Labs Neuromancer XR; поддерживается текстовая модальность.
Поддерживает интеграцию с MCP и вызов функций на основе открытых стандартов.

use cases

Кому подойдёт Honcho?

Honcho предназначена для разработчиков и компаний, создающих AI-агентов, которым необходимо сохранять контекст пользователя за пределами одного диалога. Среди указанных областей применения — клиентская поддержка, образование, игры, повышение продуктивности и AI-компаньоны.

Разработчикам AI-агентов, создающим сценарии с сохранением состояния и постоянных пользовательских предпочтений.
Командам клиентской поддержки, создающим агентов, которые используют контекст предыдущих взаимодействий.
Образовательным приложениям, которым нужно сохранять контекст обучающегося между сессиями.
Игровым продуктам и AI-компаньонам, использующим развивающиеся модели пользователей.
Инструментам для повышения продуктивности, которым необходимо сохранять контекст между сессиями и инструментами.

how to use

Как использовать Honcho

Разработчики могут начать с документации API Honcho по адресу https://honcho.dev/docs/ и подключить агента через API или MCP. Настройте использование памяти и reasoning с учётом задач приложения; в опубликованных тарифах отдельно указаны обработка данных для памяти и запросы reasoning.

1Изучите документацию API по адресу https://honcho.dev/docs/.
2Создайте или настройте проект Honcho и подключите его к агенту через API или MCP.
3Отправляйте текст диалогов в Honcho для обработки модели пользователя и памяти.
4Получайте релевантный контекст пользователя для последующих взаимодействий агента.
5Выберите интенсивность reasoning и отслеживайте объём обработки данных для памяти и использование запросов.

pricing

Цены и тарифы Honcho

Honcho указана как freemium-сервис с оплатой за обработку данных для памяти и reasoning. Стоимость памяти — $2.00 за миллион обработанных токенов. Уровни reasoning тарифицируются за запрос; доступная информация не уточняет объём бесплатного тарифа и актуальность этих цен, поэтому перед покупкой проверьте тарифы на сайте Honcho.

Honcho Memory: $2.00 за миллион обработанных токенов.
Minimal Reasoning: $0.001 за запрос.
Low Reasoning: $0.01 за запрос.
Medium Reasoning: $0.05 за запрос.
High Reasoning: $0.10 за запрос.
Max Reasoning: $0.50 за запрос.
Также указана цена за использование — $0.001 за запрос; точная связь этой цифры с названными уровнями reasoning не уточняется.

Нравится статья? Получайте такие каждое утро на почту.

одно письмо в день · отписка в два клика · без сторонних трекеров

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.

Похожие инструменты

Honcho и конкуренты

Honcho позиционируется как подключаемый backend для памяти и моделирования пользователей. В предоставленных сравнениях её отличают от инструментов, ориентированных на извлечение фактов, управление средой выполнения агентов или построение графов знаний; детали реализации и возможности продуктов могут различаться у разных поставщиков.

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.

Ещё на Stork