要点
Anthropic は 2026 年 11 月 6 日、エージェント記憶に関する研究を公開した。Claude はセッション中に再利用可能なノートを書き、セッション間のオフライン段階「dreaming」で記録を照合して誤りを直し、wiki を構築する。約 35 万ファイル・4.2 億トークンの社内資料では、25 問のスコアが dreaming の拡大に伴い 13% から 48% へ上昇し、wiki と検索の併用は 61%、検索のみは 53% だった。
出来事の概要
2026 年 11 月 6 日、Anthropic のエンジニアリングチームは研究ブログで「The components of agent memory」を公開した。エージェント記憶を「Claude が経験から得て、セッション間で保持し、後から読めるコンテキストとして保存する知識」と定義し、重みの変更、単一セッション内のインコンテキスト学習、コンパクションとは明確に区別している。
手法は二段階に分かれる。セッション中は、Claude が重要と判断した出来事をメモとして書き出す。セッション間には dreaming と呼ばれる段階がログを再生し、元の記録と照合してメモを検証し、誤りを修正し、新しい記憶表現を生成する。Anthropic は、Letta と UC Berkeley が提唱した sleep-time compute（対話の合間のアイドル時間でコンテキストを再編成する考え方）に由来すると説明している。
主要な情報
| 項目 | Anthropic の公表内容 |
|---|---|
| 公開日 | 2026 年 11 月 6 日 |
| 記憶の形式 | 永続ファイル（メモ、フォルダ、wiki ページ）。モデルの重みは変更しない |
| dreaming の役割 | セッションログの再生、メモの検証、誤りの修正、wiki など検索可能な表現の生成 |
| 評価コーパス | 約 35 万ファイル、約 4.2 億トークン。2026 年 5 月に買収した Stainless の社内資料 |
| 評価規模 | 25 問、128 回の dreaming セッション、Opus 5 エージェント |
| wiki のみで回答 | 2 セッション時点の 13% から、128 セッションで 48% へ（評価項目ベース） |
| wiki と検索の併用 | 総合スコアは 54% から 61% へ。検索のみは 53% |
| トークンコスト | wiki と検索の併用で 1 問あたり約 20,000 トークンを節約 |
| 法務ベンチマーク | Harvey LAB の買収タスク 24 問で、wiki は 87%、検索のみは 73% |
二層構造：ノートと dreaming
Anthropic は、記憶を書くことを未来の需要に関する予測と位置づける。検証済みの事実を書き残すことは、後のセッションが再確認なしに依拠できると予測することになる。この能力はモデルの世代で差がある。Continual Learning Bench 1.0 のデータベース課題では、Sonnet 4.6 は検証されていない推測を散在するファイルに記録するだけだった。Opus 4.7 はノートを 1 つの参照文書に統合し、確認済みの事実に印を付けた。Sonnet 5 は採点者の確認後に回答を確定と記し、Opus 5 が初めてループを閉じた。ほとんどの項目にルール、その検証方法、遭遇した落とし穴への警告が含まれていた。Opus 5.5 と Sonnet 5.5 も同様にループを閉じている。
ポケモン赤の長期的な評価では、何を保存するかの判断が数値で示された。ゲーム開始から約 10,000 ステップの時点で、Sonnet 3.7 は 225 フォルダに 413 個のメモファイルを書き、バッジは 1 個だった。Fable 5 は 2 フォルダに 9 ファイルと最上位の global.md だけを書き、バッジを 4 個獲得した。公式の分析では、Sonnet 3.7 は所持金や位置など毎ターン画面から読める状態まで保存したため記録がすぐ陳腐化し、後半はゲームよりメモ整理に多くのステップを使った。Fable 5 はゲームが明示しない戦略、計画、検証済みのルールだけを保存した。
dreaming はノートに真値を与える。月見山の例では、Claude はポケモンセンターが東側にあると誤って記録し、センターを出た後に「月見山は完了」と書き、一方通行の崖から 3 回落下した末に「もう止める」と記した。dreaming がノートをセッション記録と照合し、方角の誤りを見つけて書き直した結果、Claude は洞窟に戻り次の街へ到達した。
評価結果とコスト
最大の評価は Stainless の社内文書、約 35 万ファイル・約 4.2 億トークンを使った。Anthropic は 25 問を作成し、Opus 5 エージェントに 128 セッションかけて wiki を構築させた。ファイルの探索、リンク付きページの作成と修正、重複の統合、出典との照合を含む。
公開された数値では、dreaming を 2 セッションから 128 セッションへ拡大すると、25 問の評価項目の達成率は 13% から 48% に上がった。wiki と検索ツールを組み合わせると、総合スコアは wiki の成長に伴い 54% から 61% へ上昇し、検索のみの 53% を上回った。同時に 1 問あたり約 20,000 トークンを節約した。
法務領域では、Harvey LAB の買収タスクのうち複数文書の統合が必要な 24 問で、wiki を見る場合は 87%、検索のみでは 73% だった。別の契約条項タスクでは同時書き込みの問題が露呈した。複数のエージェントが共有の条項表に同時に書いた結果、57 条のうち 41 条（72%）しか wiki に残らなかった。契約ごとに 1 ページを用意し、単一のエージェントが条項を逐語で引用する方式に変えると 57 条すべてが残り、評価項目の 100% を満たせた。
限界と適用範囲
Anthropic は無条件に適用できない制約も列挙している。
- 誤ったノートは再注入される。最初から誤っている記憶、あるいは毎セッションに事前読み込みされる記憶は、後続のタスクに誤判断を伝播させる。
- wiki は元資料より大きくなり得る。ある LAB タスクでは、Claude の wiki が要約対象の文書より大きくなり、抽象化が成立していなかった。
- 検索は依然として必要。答えが 1 つのファイルにある場合、直接検索と wiki の効果は同程度で、wiki の優位は複数文書の統合が必要なタスクで現れる。
- コストはセッション外で発生する。dreaming は計算資源を消費するため、タスクが十分に長く反復的で、整理コストを償却できる場合にのみ割に合う。
- 注入層は小さく保つ必要がある。Claude Code の auto memory は MEMORY.md の先頭 200 行または 25 KB だけを索引として読み込み、公式ドキュメントは指示ファイルが長くなると遵守度が下がると警告している。
また、より強力なモデルでは、記憶の用途を簡単に示すほうが固定ルールより有効だと報告している。「失敗だけを記録する」ルールを試したところ、Opus 5 と Opus 4.7 はいずれも記憶による改善幅を大きく失った。
業界への影響
移行可能な結論は 3 点である。第 1 に、エージェント記憶の要点はコンテキスト窓の拡大ではなく、何を書き、いつ検証するかの判断にある。第 2 に、オフライン統合は記憶の維持を主タスクから切り離すが、追加の計算資源と遅延を伴う。第 3 に、記憶システムは再現率だけでなく、タスク達成度とトークンコストの組み合わせで評価すべきである。
事実と評価は分ける必要がある。上記のスコアと事例は Anthropic の公式ブログに基づくベンダー報告であり、記事自身もテスト規模が限られ、すべての場面に一般化できないと明記している。採用の可否は、業務にセッション横断・文書横断の反復照会があるかどうかで判断される。
公式ソース
- Anthropic：The components of agent memory（2026 年 11 月 6 日）
- Anthropic Cookbook：Dreaming with a dynamic workflow