01
What is temporal validity in AI agent memory?
It is knowing which facts are still true after knowledge evolves. MemStrata retires contradicted values with a deterministic supersession rule — no similarity threshold, no LLM on the read path.
مفتوح المصدر · محلي أولاً
توقّف عن إرسال قاعدة الشيفرة بأكملها إلى الذكاء الاصطناعي مع كل طلب.
MemStrata هي طبقة السياق المحلية لأدوات البرمجة بالذكاء الاصطناعي. المستخدم الوسيط: رموز إدخال أقل بنسبة 42% مقارنةً بـ RAG، و$14 شهريًا تعود إلى جيبك.
نواة مجانية ومفتوحة المصدر. نعيد لك المال إذا لم تتجاوز وفورات Pro قيمة اشتراكك.
لوحة التحكم — تبويب المال
live
Saved this month ▲ +12% vs last
$14.62
Tokens vs. RAG 42%
Recall 87%
Precision 64%
24h survival 73%
Works with the tools you already use
Cursor Claude Code VS Code Windsurf Cline JetBrains Aider Copilot Cursor Claude Code VS Code Windsurf Cline JetBrains Aider Copilot
Capabilities
Built like a research product. Feels like magic.
Bento layout of the moat — hover any tile for a spotlight interaction.
Temporal validity ~0% stale-fact error
RAG has no model of time. We do.
Deterministic (subject, relation, object) supersession retires stale facts in a bi-temporal ledger — AUROC 0.59 proves cosine cannot tell contradiction from duplicate.
Explore Local-first 100% local index
Your code stays here
SQLite + DuckDB on-device. License check is a signed JWT only.
Explore Latency ~2.1s retrieval
Embedding floor, not LLM tax
No model on the read path. ~2.1s vs 16–18s for rerankers.
Explore Token economics 42% vs naive RAG
Median 42% fewer input tokens
Compress context per turn. Watch dollars tick up on the local Money tab — money-back if Pro savings fall short.
Explore Integrations 11+ tool surfaces
Cursor · Claude Code · VS Code · more
MCP, harness, and extension paths — honest coverage matrix, no oversell.
Explore Research P1–P5 portfolio
Five papers. One temporal spine.
From arXiv temporal validity through SWE-bench longitudinal, value-change ceilings, detect-and-flag logic bulk, and world-knowledge generalization.
Explore Scrollytelling
Scroll the story of temporal memory
Sticky visual layer · glass panels · research-backed answers
02
Why does RAG serve stale facts?
When a fact changes, old and new embeddings sit next to each other (cosine AUROC ~0.59 for contradiction vs duplicate). RAG retrieves both and has no structural way to choose the current value.
03
How is MemStrata different from Mem0 or Graphiti?
Same-stack local 7B tests show MemStrata’s CERTAIN spine at 1.000 on supersession and TEMPO axes. We optimize for never confidently wrong on evolved knowledge — not just long-dialogue recall leaderboards.
04
Does this cut AI coding token costs?
Yes. Median users see ~42% fewer input tokens vs naive RAG, with live savings on a local dashboard. Pro includes a money-back guarantee if measured savings fall short.
Workflow
كيف تعمل
ثلاث خطوات. أقل من 60 ثانية حتى أول توفير.
ثبّت MemStrata محليًا
pipx install memstrata-pro memstrata init
~60 ثانية، محلي بالكامل
برمج كالمعتاد
يبني MemStrata رسمًا بيانيًا لقاعدة شيفرتك ويضغط السياق مع كل طلب للذكاء الاصطناعي — تلقائيًا وفي الخلفية.
شاهد وفوراتك ترتفع
تعرض لوحة التحكم الحية الرموز والدولارات الموفّرة في كل دور، مع تفصيل المقاييس الأربعة.
Telemetry
نقيس ما نوفّره لك
الأرقام الأربعة جميعها في لوحة التحكم المحلية لديك. لا «حتى X%» — فقط بيانات القياس الحقيقية الخاصة بك.
42%
الرموز الموفّرة مقابل RAG
الوسيط بين المستخدمين النشطين. تعرض لوحتك رقمك الدقيق.
Computed per AI turn: actual tokens sent ÷ what a naive top-5 BM25+embedding RAG pipeline would have sent. 42% is the cross-user median.
Full methodology →
87%
استرجاع الاستدعاء
الوسيط لكل دور — الكيانات التي أشار إليها الذكاء الاصطناعي وكانت في سياقنا.
After each turn, MemStrata parses the AI response for referenced symbols/files and checks how many were in the context it provided.
Full methodology →
64%
دقة الاسترجاع
الوسيط لكل دور — الكيانات التي قدّمناها واستخدمها الذكاء الاصطناعي فعليًا.
High precision means focused context, not padding. Low precision shows up as higher token costs — caught and surfaced in the dashboard.
Full methodology →
73%
بقاء التعديلات بعد 24 ساعة
الوسيط لكل جلسة — تعديلات الذكاء الاصطناعي التي بقيت في المستودع بعد 24 ساعة.
Tracks whether AI-suggested edits survive the next day of development. A proxy for suggestion quality — bad suggestions get reverted quickly.
Full methodology →
Integrations
هل تعمل مع مجموعتك التقنية؟
مصفوفة توافق صادقة، مع التحفظات — نحن لا نبالغ في تسويق الأنظمة المغلقة.
| Tool | MCP | Harness | Extension |
|---|---|---|---|
| Cursor | — | ||
| Windsurf | — | ||
| VS Code | — | ||
| Claude Code | — | ||
| Cline | — | ||
| Continue.dev | |||
| JetBrains AI | — | — | |
| GitHub Copilot Chat | — | ||
| Aider | — | — | |
| Codex CLI | — | — | |
| Zed | — |
No tools match your search.
ضمان استرداد المال
Auto-credited if savings < subscription cost
لا نربح إلا حين نوفّر لك المال
في نهاية كل دورة فوترة، نجمع وفوراتك المقاسة من لوحة التحكم. إذا كانت أقل من تكلفة اشتراكك، نضيف الفرق كرصيد إلى فاتورتك التالية. بلا نماذج ولا تذاكر دعم — تلقائيًا ويظهر في إيصالك.
إذا لم تستخدم MemStrata لمدة شهر، فلن تدفع شيئًا. لا نربح إلا حين نوفّر لك المال فعلاً.
Privacy
شيفرتك لا تغادر جهازك أبدًا
يتحقق خادم التراخيص من اشتراكك عبر رمز موقّع — لا شيء غير ذلك.
Your machine — all local
AI tool
Claude Code, Cursor, VS Code…
Core
MemStrata harness
localhost:8080
compresses context
Your LLM provider
Anthropic, OpenAI, Ollama…
Local SQLite + DuckDB
· index.db · telemetry.db — your code stays here
License server
memstrata.dev/lic
Pricing
تسعير بسيط وصادق
مجاني ومفتوح المصدر للأبد. تضيف الباقات المدفوعة الـ harness النشط وضمان استرداد المال.
مجاني
مفتوح المصدر $0 للأبد
النواة المفتوحة بترخيص MIT. ملكك للأبد.
- Open-source MIT core
- Local MCP server
- Local dashboard
- Browser extension — chat capture
- Community support (GitHub)
الأكثر شيوعًا
Pro
$14.99 CAD /mo
+ الضريبة
الـ harness النشط للسياق + محرك الذاكرة V6.
- Everything in Free
- Active context harness — all AI tools
- VS Code + browser augmentation
- V6 memory engine — verified retrieval
- Money tab — full savings metrics
- 60-day money-back guarantee
Pro+
$16.99 CAD /mo
+ الضريبة
كل ما في Pro، بالإضافة إلى توليد الأدوات V7.
- Everything in Pro
- V7 tool autogeny — auto tool gen + JIT routing
- Earliest access to new engines
- Priority support
استخدم النواة المجانية مفتوحة المصدر للأبد — دون حساب. المقارنة الكاملة →
Research
Backed by science — not vibes
Temporal validity, marker-free evaluation, and a five-paper program on agent memory under knowledge evolution.
0.59
Cosine AUROC
~0%
Stale-fact error
0.95–1.0
Evolving accuracy
~2.1s
Retrieval latency
1 Published arXiv preprint · cs.CL / cs.AI
Temporal Validity in Retrieval Memory: Eliminating Stale-Fact Errors for AI Agents over Evolving Knowledge
Deterministic supersession that RAG cannot match by construction
RAG gives agents access to accumulated knowledge but has no model of time. When a fact changes, cosine similarity surfaces both stale and current values nearly equally (AUROC 0.59 for contradiction vs duplicate). MemStrata stores facts like RAG, then retires contradicted values with a deterministic (subject, relation, object) supersession rule in a bi-temporal ledger — no similarity threshold, no LLM on the read path. Across six local benchmarks with a 7B model, MemStrata ties RAG on static knowledge and reaches 0.95–1.00 accuracy on evolving knowledge where RAG reaches 0.20–0.47. Stale-fact-error drops from 15–40% (RAG, when forced to answer) to ~0%.
- Cosine AUROC 0.59 — similarity cannot separate contradictions from duplicates
- Evolving knowledge accuracy 0.95–1.00 vs RAG 0.20–0.47
- Stale-fact-error ~0% vs RAG 15–40% when required to answer
- Retrieval ~2.1s (embedding floor) vs ~16–18s LLM-rerank baselines
temporal validitystale-fact errorbi-temporal ledgerRAG
Blog
All 10 posts → Explainers that drive SEO & understanding
Product + research
8 min read Paper 1, 2
Cut AI Coding Token Costs with Local Context Compression (Without Sending Your Repo Upstream)
MemStrata is the local context layer for AI coding tools: median 42% fewer input tokens vs naive RAG, money-back on Pro, and research-backed temporal memory so cheaper context is still correct context.
token costs AI coding local-first
Competitive analysis
11 min read Paper 1, 4, 5
MemStrata vs Mem0, Graphiti, and Letta: Same-Stack Comparison on Temporal Axes
Apples-to-apples local 7B evaluation: MemStrata’s deterministic supersession hits 1.000 on MemArch supersession/poisoning/TEMPO axes where flat RAG and several agent-memory systems still serve stale values.
Mem0 Graphiti Letta
Paper 2
8 min read Paper 2, 1
SWE-bench Longitudinal: Temporal Memory Beats RAG on Real Code Histories
On 130 marker-free scenarios extracted from SWE-bench Lite/Verified buggy→fixed histories, MemStrata temporal_v6 hits 0.908 accuracy vs ~0.57 RAG — with stale-fact-error 0.023 vs 0.262.
SWE-bench code agents benchmarks
Ship more. Spend less on tokens.
Install in under a minute. Keep coding the way you already do. Watch the savings compound — with research-backed temporal memory underneath.