Callosium

Callosium

使っているすべての AI は、あなたのことを忘れてしまいます。Callosium は、あなたが所有するプレーンファイルで、すべての AI が共有できる記憶を提供します。

Claude にプロジェクトについて説明します。次に ChatGPT にもう一度説明します。さらに Cursor にも説明します。チャットを始めるたびにすべてがゼロから始まり、これまで AI に伝えたことはすべて、互いに連携しないアプリに散らばっています。

Callosium がその問題を解決します。コンピューター上のプレーンな Markdown フォルダーを、あらゆる AI が使える脳に変えます。AI は回答する前にあなたの知識を思い出し、学んだことを適切な場所に保存し、回答の出典を正確に示します。ファイルがマシンの外に出ることはありません。

• ひとつの脳を、すべての AI で。 Claude、Cursor、ChatGPT 互換アプリなど、27 のクライアントに対応し、すべてが同じ記憶を読み書きします。
• あなたが所有するプレーンファイル。 ディスク上の Markdown です。データベースも、クラウドも、アカウントも必要ありません。明日アンインストールしても、メモはそのままメモとして残ります。
• でっち上げません。 15,000 件のテスト質問で、何も捏造しませんでした。メモに答えがない場合は、そう伝えます。（数値の詳細）
• オフラインで、英語とアラビア語に対応。 日常的な情報の呼び出しに、インターネット、API キー、大規模言語モデルは必要ありません。

---

目次

• ガイドツアー
• インストールと初回起動
• AI を接続する
• 接続後に AI でできること
• 他との違い
• 検証結果
• ホワイトペーパー
• ファイルとストレージはあなたのもの
• ドキュメントとポリシー

---

ガイドツアー

ローカルダッシュボードをひと通り見ていきます。架空の「Northwind Studio」の脳を表示しており、実際のデータは使っていません。

1. 開けばすぐ使え、オフラインを優先します

2. サインインするか、完全にローカルで使う

Google、GitHub、メールでサインインするか、ゲストとして続行できます。アカウントが必要なのは同期と有料プランを利用する場合のみです。無料アプリの利用にアカウントは不要で、どちらの場合もメモがデバイスの外に出ることはありません。

3. コックピット

脳の状態をひと目で確認できます。保存されたメモ、接続、健全性、人間または AI によるすべての変更をリアルタイムで表示します。

4. 接続する AI ごとに、アクセス範囲を指定

接続したすべての AI が同じ記憶を共有します。各 AI がアクセスできる範囲は、あなたが決められます。

クライアントを選ぶと、Callosium がその設定に貼り付ける、アクセス範囲を指定した接続情報を用意します。情報がどこかに送信されることはありません。

5. 脳に質問すると、メモだけをもとに回答

回答にはすべて、出典となったメモが正確に示されます。脳に情報がない場合は、推測せずにその旨を伝えます。

6. メモをリンクでつなぎ、バージョン管理

すべての内容を閲覧し、[[wikilinks]] をたどれます。各メモには完全なバージョン履歴が保存され、ワンクリックで元に戻せます。

7. 脳全体をマップで表示

あなたの知識全体を星座のように表示します。起点となるハブや、メモ同士をつなぐすべてのリンクを確認できます。

8. 健全な状態を維持

ワンクリックの監査で、リンク切れ、孤立したメモ、トピックマップの不足を見つけられます。修正するのは、あなたが承認したものだけです。何かが勝手に変更されることはありません。

9. プライバシーと誠実さをデフォルトで確保

ローカルのみの利用、AI ごとの権限、署名付き書き込み、常に出典を明記、決して捏造しない、バイリンガル対応、そしてすべてのメモをワンクリックでエクスポートできます。これらの保証は、設定し忘れる可能性のあるスイッチではなく、エンジンに組み込まれています。

---

インストールと初回起動

前提条件： Node.js 20 以降。node --version で確認してください。

1. インストールして、ひとこと実行

npm install -g callosium

callosium

セットアップはこれだけです。callosium を実行するとダッシュボードが http://localhost:4319 で開き、ブラウザーも自動で開きます。最初に何かを用意する必要はありません。オンボーディングで、Obsidian の保管庫、Markdown ファイルのフォルダー、生のエクスポートデータ一式、あるいは何もない状態など、現在の状況を確認して、そこから案内します。ファイルの形式が変わることはありません。

インストールせずに試してみたいですか？

npx callosium

同じダッシュボードが開き、マシンには何もインストールされません。そのための npx です。どちらの場合も、ノートは選択したフォルダーに保存され、言語モデルと設定は ~/.callosium に保存されるため、実行のたびに再ダウンロードされたり、失われたりすることはありません。

先に自分でフォルダーを作成したい場合は、callosium init my-brain でフォルダーを作成できます（既存の保管庫を取り込むこともできます）。また、callosium serve --brain my-brain でその特定のブレインを開けます。どちらも必須ではありません。

初回起動時に言語モデルがダウンロードされます（約120MB、1回のみ）。これにより、英語とアラビア語で意味に基づく検索が使えるようになります。その後は完全にオフラインで動作します。初回起動時にインターネットに接続できなくても、すべての機能を引き続き使えます。キーワード検索にはモデルは不要で、モデルが準備できると、より高度な検索が自動的に有効になります。

2. オンボーディングに沿って進める

ダッシュボードが、現在の状況に応じて案内します。

• すでにノートがあります（Obsidian の保管庫、または任意の Markdown フォルダー）。Callosium が内容を読み込み、接続し、その意味を学習します。Obsidian は引き続きエディターとして使えます。
• 生のデータがあります（整理されていないテキスト、エクスポートデータ、書きかけのノート）。受信トレイに入れると、AI がファイルを整理し、リンクを作成します。
• 何もない状態から始めます。 AI があなたにインタビューし（あなたがどんな人か、何に取り組んでいるか、周りに誰がいるか）、最初の記憶を書き込みます。

最後に、ダッシュボードが AI 用の正確な設定と、毎回のセッションで AI が自動的にブレインを使うための常設ルールを生成します。

Linux の場合： インストール時に、Callosium が使用しない検索ライブラリ用の GPU アドオンが追加されます。Callosium はどの環境でも CPU で動作します。CI での計測では、Linux へのインストールサイズは 725MB、Windows と macOS では414MB でした。つまり、ダウンロードされるコードのうち311MBは実行されません。次のようにしてスキップできます。

ONNXRUNTIME_NODE_INSTALL=skip npm install -g callosium

スキップしても失われるものはありません。Windows と macOS には影響しません。

AI を接続する

ダッシュボードの Agents 画面では、各クライアント（Claude Desktop、Cursor、その他20以上）の設定をすぐに貼り付けられる形で生成し、AI が自動的にブレインを使うための常設ルールも作成します。フォルダーを AI に見せるだけの場合との違いは、次の2点です。

• AI ごとのアクセス範囲。 接続した各 AI が参照できるフォルダーを、ダッシュボードから指定できます。Private/ は、あなた自身が許可しない限り表示されません。
• 署名付きの書き込み。 AI が書き込んだすべてのノートに、どの AI が書いたかがサーバー側で記録されます。偽造はできません。

接続すると、AI は回答する前に読み込み、学んだ内容を記録します。毎回プロンプトで指示する必要はありません。

接続後に AI ができること

• 回答する前に確認する。 recall は、該当する行を引用しながら適切なノートを約49msで返します。ノートに答えがない場合は、その旨を伝えます。内容を捏造することはありません。
• 学んだことを記憶する。 write_note は、新しい知識を適切なフォルダーに保存し、関連するノートとリンクし、どの AI が書いたかを記録します。
• プライバシーを尊重する。 各 AI が参照できる内容を個別に指定できます。
• 巨大なドキュメントを扱う。 15万語の参考資料もマップとして返され、AI は回答に必要なセクションだけを読み取ります。
• ブレイン全体を探索する。 get_map は、ブレインの構成を示す最新のルーティングマップを AI に渡します。これにより、すべての情報の保存場所と、新しい情報をどこに入れるべきかが分かります。

異なる点

Markdown のフォルダーを AI に参照させるツールはたくさんあります。Callosium が他と異なるのは、その後に起こるすべてです。

• 主張ではなく、測定しています。 15,000 問のベンチマーク ジェネレーター がこのリポジトリに含まれています。お使いの Vault を使い、お使いのマシン上でテストを作成するため、数値をご自身で確認できます。質問がアップロードされることはなく、開発者自身の質問セットは意図的に含めていません。多くの「AI メモリー」は、それを販売するベンダー自身が評価しています。検証結果をご覧ください。
• すべての AI に対応し、スコープと出所を管理できます。 Claude、Cursor、ChatGPT 対応アプリなどを、同じ脳に接続できます。書き込みにはどの AI が行ったかが記録され、AI ごとに何を参照できるかを設定できます。
• 誰が編集しても、何も失われません。 AI が Callosium 経由で書き込んだ場合も、Obsidian でご自身がファイルを編集した場合も、すべてのメモが自動的にバージョン管理されます。誤ってメモを削除しても、そこに残っています。バージョンはメモフォルダーの外に保存されるため、その分だけ Vault が大きくなることはありません。また、1 件あたり約 900 バイトなので、10 万回編集しても 100MB 未満です。
• ターミナルに常駐する必要はありません。 ローカルダッシュボードで、初期設定、AI ごとの接続設定、ヘルスチェック、検索を実行できます。
• バイリンガル対応を前提に設計されています。 意味ベースの検索は、英語とアラビア語でそのまま使えます。
• 本当に自分のものです。 ご自身のディスク上にあるプレーンファイルです。データベースも、クラウドも、アカウントも必要ありません。明日アンインストールしても、メモはそのまま残ります。

検証結果

宣伝用の計算ではありません。開発者自身の、英語とアラビア語で書かれた 1,162 件の実際のメモを使って測定しました。

• 96.4% を 15,000 問のベンチマークで検出
• 存在しないものについてのひっかけ問題 1,450 問で、捏造した回答は 0 件
• 一般的なクエリは約 49ms、100 件中で最も遅いリクエストは 116ms
• 英語とアラビア語で同等の精度

ご自身の脳で再現できます。納得するうえで意味のある数値は、それだけです。質問ジェネレーターと採点ツールはどちらもここに含まれており（test/）、ご自身の Vault を読み取り、ご自身のメモからテストセットを作成します。開発者自身の質問セットは、実際のプライベートなメモのパスが含まれているため、意図的に含めていません。そのため、自分のメモで実行するベンチマークには、ダウンロードしたベンチマーク以上の価値があります。

以下のホワイトペーパー全文をお読みください。 手書きの難しいベンチマーク（合成データだけではありません）、トークンコストの削減、捏造ゼロという誠実さの結果、競合製品との比較、そしてニューラル再ランキング機能を構築して測定した後、得られる効果よりコストのほうが大きかったために削除した経緯を、率直に詳しく説明しています。

ホワイトペーパー

検索エンジン、そのベンチマーク、各数値の意味、そして現時点での課題について解説する技術ホワイトペーパーです。2026 年 7 月、開発者自身の英語とアラビア語で書かれた約 1,150 件の実際の Markdown メモが保存された Vault で測定しました。ここに記載した数値はすべて、ご自身のメモで再現できます。

---

要約

テストしたすべての質問で、一貫して確認できたことがあります。Callosiumは一度も答えをでっち上げませんでした。存在しないものについての1,450件のひっかけ問題を含む15,000件の質問で、捏造はゼロでした。さらに、数回の追加呼び出しを行えば、接続されたAIはほぼ必ず実際に記録されている答えを取得します。事実がメモにないときは、推測せずにそう伝えます。

このことが、数値の目的を形作っています。追加呼び出しを数回行えば、接続されたAIはほぼ毎回答えにたどり着きます。ですから、測定する価値のある問いは「答えを見つけられるか」ではなく、「そこにたどり着くまでにどれだけの作業が必要か」と「嘘をつくことがあるか」です。この論文では、その点を中心に測定しています。

リリース済みのエンジンの結果は次のとおりです。

主な指標	結果
15,000件の質問でのでっち上げ回答数（存在しないものについてのひっかけ問題1,450件を含む）	0
15,000件の質問からなるベンチマークでの総合正解率	96.4%
検索レイテンシー、単一マシン	通常約49ms、最悪でも116ms
難易度の高い手書きの質問に、1回のrecall呼び出しで完全に回答できる割合	約72%
1回答あたりに読み込むコンテキスト	約3,400トークン。ファイルをすべて読み込む場合より約99%少ない
プレーンなキーワード検索と比べ、答えが記されたノートを見つける頻度	約4.6倍
英語とアラビア語	同等

リリース済みのエンジンにはニューラルリランカーがありません。ひとつ開発して測定した後、削除しました。このプロジェクトが自らの数値をどう扱うかを最も明確に示す事例なので、その経緯もこの論文に記しています。

---

問題

会議、決定事項、人々、未完成のアイデア、6か月前にAIに伝えたことなど、何千ものメモがあるとします。アシスタントに「価格モデルについて何を決めたっけ」と尋ねるときに欲しいのは、自分のメモに書かれた、自分自身の言葉による答えであって、モデルの学習データから自信満々に出される推測ではありません。

ほとんどのツールは、この問題の半分しか解決できません。ベクターデータベースは「意味的に近い」メモを見つけて、あいまいな類似メモを返します。キーワード検索は完全に一致する単語を見つけますが、表現が異なるものは見落とします。どちらも、答えを持たない質問に対して、平気で何かを返します。これが最も危険な点です。でっち上げるセカンドブレインは、セカンドブレインがないよりも厄介です。信頼できなくなり、結局また延々とスクロールすることになるからです。

Callosiumは、ひとつのルールを中心に設計されています。実際に書かれている内容を返し、出典を示し、そこにないときは「その情報はあなたのブレインにはありません」と伝えます。

Callosiumとは

Callosiumは、コンピューター上にあるプレーンなMarkdownファイルのフォルダーを、MCP（Model Context Protocol。AIアシスタントが外部ツールに接続するために使うオープン標準）を通じて、あらゆるAIが読み書きできるブレインに変えます。AIが回答する前に、関連するメモを取得して出典を示します。AIが何かを学んだときは、適切な場所に保存し、どのAIが書いたかを記録します。答えがメモにないときは、率直にそう伝えます。

メモは、あなた自身のディスク上にあるプレーンなファイルのままです。検索を機能させるためにサービスへアップロードされることはありません。また、明日Callosiumを削除しても、ファイルはフォルダーに残り、どのアプリでも読み取れます。この所有権の考え方は、以下のすべてに貫かれています。

エンジンの仕組み

クエリは複数の独立したレーンを同時に通り、その結果が統合されます。どのレーンも LLM ではありません。コア全体は決定論的で、お使いのマシン上で動作します。

• タイトルラダーは、ノート名をほぼそのまま指定する、既知の項目を探すケースに対応します。
• BM25Fは、フィールドごとに重み付けしたキーワードランキングを行います（タイトル、見出し、本文で重みが異なります）。
• セクション網羅度は、ノート内で最適な箇所が質問にどれだけ回答しているかを、各単語の希少度に応じて重み付けして評価します。一般的な語句しか共有していないノートよりも、希少で具体的な語句を含むノートが上位になります。
• 近接度は、クエリ内の単語が互いに近い位置にあるノートを高く評価します。
• グラフは、有力な一致候補にリンクされたノートを取り込み、関連するコンテキストも併せて提示します。
• セマンティック（ローカルの多言語埋め込みモデル）は、異なる言葉で表現されていても同じ意味を持つノートを見つけます。これは、アラビア語や言い換えられた質問で特に重要です。
• 時間性は、質問に新しさを求める意図（「最新の〜」「先週何をしたか」やアラビア語での同等表現）がある場合にのみ有効になり、新しいノートを上位にします。

各レーンのランキングは、スコアの尺度をそろえなくても統合できる Reciprocal Rank Fusion によって組み合わされます。この統合された順序が回答になります。第 2 段階のニューラル再ランキングはありません。構築して評価したうえで削除しました。その理由は以下で説明します。

検索はローカルで実行されます。Callosium がネットワークに接続するのは、サインイン（任意）、アップデートの確認、そして上記の初回起動時に一度だけ行う言語モデルのダウンロードの 3 つの場合です。検索のためにノートがデバイスの外へ送られることはなく、検索を機能させるために何かがアップロードされることもありません。

正直さのゲート

結果の統合後、回答するかどうかを一つのチェックで決定します。返そうとしているノートに、質問に含まれる希少で意味のある単語がどれだけ含まれているかを測定します。その網羅度が低すぎる場合、または質問に含まれる重要な単語の大半がノート全体に存在しない場合、エンジンは回答を拒み、その旨を伝えます。セマンティックレーンからの確認があれば、別の言葉で書かれた正解ノートを救済できます。ただし、指定された具体的な事柄がノートのどこかに実際に含まれている場合に限ります。

この製品を一文で表すと、こうなります。ノートに基づいて回答するか、回答を拒否します。幻覚を起こしうる生成ステップはありません。

---

ベンチマーク：実際の 2 つの数値

異なる 2 種類のテストで評価し、それぞれがどちらのテストの結果かを必ず明記します。この 2 つの差は、ベンチマークと日常の隔たりを示しています。この分野の多くの製品は、その隔たりを見せません。

• CallosiumBench v4（合成、15,000 件の質問）。 9 種類の質問パターンと言語 2 種類にわたって、ノート自体から生成した質問です。ビルド間のリグレッションを見つけるのに非常に役立ちます。また、質問の表現とノートの表現が一致しやすいため、実際の日常的な利用より簡単です。
• 難関の人間作成ベンチマーク（84 件の質問）。 人が手作業で書いた質問で、実際に何かをうろ覚えでたずねるときの表現になっています（たとえば、仕事以外の場面で特定の同僚と初めて会ったときのことなど）。独立したモデルが採点します。テスト結果をひそかに有利にするような、ノート自体の表現からのコピーはありません。日常的な利用にはるかに近く、難易度もはるかに高いテストです。

どちらも本当の数値です。合成ベンチマークの数値はストレステストの結果であり、人間作成ベンチマークの数値は実生活に近い結果です。

CallosiumBench v4：各ファミリー

実際のボルトから生成した15,000件の質問を、9つのファミリーと2つの言語に分けています。

• known（2,850件）：ノートの名前を会話形式で尋ねます。
• content（2,150件）：ノート本文に埋もれた珍しいフレーズについて尋ねます。
• typo（2,150件）：音声入力で名前が崩れるように、エンティティ名の単語を1つ崩します。
• temporal（2,150件）：最新の情報を尋ねる表現です（「Xについての最新情報」など）。
• compare（1,400件）：2つの対象を尋ね、両方を見つける必要があります。
• ambiguous（1,050件）：確認の質問を促す必要があります。
• clean（1,050件）：タイトルが完全一致しており、確認を促してはいけません。
• negative（1,450件）：実在しない架空のエンティティで、回答を拒否する必要があります。
• richness（750件）：断片ではなく、ノートのまとまり全体を必要とする構築タスクです。

各質問には正解となるノート（または複数のノート）が設定されており、評価ではそのノートが上位結果の許容リストに入っているかを確認します。評価対象はノートであり、テキストの完全一致ではありません。優れた検索であれば、正しいノートが見つかるか、見つからないかのどちらかだからです。

「35％」という懸念について

以前、この同じベンチマークを実行した際、35％という結果が報告されました。この数値はエンジンの性能ではなく、テスト上の問題によるものでした。シナリオファイルは7月12日に生成されましたが、その後、ボルトのフォルダー名が変更されていました（Work Indigo HiveはWorkに、Memory HubはMemoryに、VenturesはInitiativesになりました）。期待されるパスの約80％がすでに存在しないフォルダーを指していたため、評価ツールは現在の正解を過去のアドレスと照合していました。現在のボルトを対象に質問を再生成すると問題は解消され、古いパスを再マッピングすると「見逃し」の95.8％を取り戻せます。つまり、エンジンは最初から正しく検索できていたことが分かります。

---

結果

CallosiumBench v4、出荷済みエンジン

全体：96.4％（後述する誠実性ゲートの修正前は94.4％）。

評価項目	スコア
再現率（既知の項目、会話形式）	98.9％
深い再現率（本文中の珍しい単語）	95.2％
タイポ耐性（崩れた単語1つ）	92.5％（クリーンな場合の性能の94％）
時間情報（最新情報を尋ねる表現）	97.8％
複数対象（両方を検出）	94.5％
曖昧さへの対応	100％
タイトル完全一致の精度	98.2％
コンテキストの豊富さ（関連ノート群のカバー率）	95.7％
確認の精度	曖昧な質問の100％で確認し、クリーンな質問では0％
コンテキストの有用性（実際の関連ノートが一緒に得られる）	3,788件のプローブの100％

レイテンシ（単一マシン）：通常のリクエストで49ms（中央値、p50）、90パーセンタイルで77ms、100件中で最も遅いリクエスト（p99）でも116msです。

英語とアラビア語の性能は同等です。既知の項目の再現率はアラビア語で98.7％、英語で99.2％です。時間情報はそれぞれ98.4％と97.1％、内容は94.8％と95.6％です。その理由は、英語専用モデルではなく、多言語対応の埋め込みモデルを使っていることです。

厳しい人間評価ベンチマーク：1回の呼び出しでどれだけ答えられるか

これは誠実で、実生活に即した数値です。シングルショットでは、独立した評価者（Claude Sonnet）が、ビルダーの雑然とした実際の脳の中から、1回の recall 呼び出しで返された内容だけを確認しました。可能な限り厳格な評価です。

指標	結果
最初の呼び出しで完全に正解	71.8％
最初の呼び出しで正解または部分的に正解	77.5％

カテゴリ別の完全正解率：

カテゴリ	スコア
時間情報	85.7％
概念	84.6％
具体的な事実	79.2％
関係性	60.0％
マルチホップ	52.9％

シングルホップの項目はすべて、80％台前半から半ばに収まっています。答えの半分が一方のノートに、もう半分が別のノートにあるマルチホップは、実際に弱点となっており、今後も課題として残ります。これはランキングの問題ではなく、検索結果を集める問題であり、ローンチ後に取り組むべき率直な課題です。

多くのメモリー製品が隠しているため、率直に伝えておきたい点があります。評価は厳密ではありません。同じ回答を2人の独立したSonnet評価者が採点したところ、同一データで約7ポイントの差が出ました（72％から79％）。そのため、シングルショットの数値は、誰が評価するかによっておよそ72～79％の範囲になります。一方、評価者が関与しない、以下の機械的な検索数値は変動しません。

速度とトークン数：実際にコストを大幅に削減する要素

質問に回答するたびに、AI が回答のために実際に読み取るコンテキストを、推定ではなく正確に測定しました。

アプローチ	トークン数の中央値	Callosium との比較
Callosium、対象を絞った引用付き抜粋	約 3,400	基準
一致する上位 5 件のメモを全文表示	約 255,000	Callosium は約 99％少なく読み取ります
スニペットを読む慎重なキーワードエージェント	約 5,100	Callosium は約 35％少なく読み取り、回答できる頻度も大幅に高くなります
正解のメモを 1 件だけ渡された完璧なオラクル	約 990	Callosium は、引用付きの小さなまとまりを返すため、意図的に多く読み取ります

正直に比較すると、関連ファイルをそのままモデルに渡す一般的な方法に対し、Callosium は同じ質問に答えるのに約 99％少なく読み取ります。すでに正確なファイルを把握しているオラクルと比べると、Callosium の読み取り量は多くなります。これは、AI が内容を確認して関連する情報をたどれるように、メモを 1 件だけでなく、数件の引用付きのまとまりとして返すためです。数値の恣意的な選択だと批判されないよう、3 つの比較をすべて示しています。

通常のキーワード検索との比較

生のフォルダーに対して、基本的なテキスト検索とファイル一覧表示のコマンド（grep、ls、cat）しか使えないエージェントに、回答可能な人間からの質問を同じ 71 件与えました。これは、Callosium を使わずに手作業で行う場合におおむね相当します。

	結果に回答の根拠となるメモが見つかった割合
Callosium、リリース版	46 / 71（65％）
キーワードエージェント	10 / 71（14％）

約 4.6 倍の頻度です。通常のキーワード検索では、たまたま同じ単語を含むあらゆる情報に埋もれて、回答の根拠となるメモが見つかりにくくなります。Callosium は順位付けによって、そのメモを最上位に表示します。これは機械的に算出された数値で、採点者による評価は含まれていません。

---

誠実さ：最も重要な数値

ネガティブファミリーは、存在しないものについての質問1,450件で構成されています。つまり、保管庫のどこにも登場しない、創作された発音可能なでたらめな単語です。（生成器はそれぞれの単語を最初にナレッジベースと照合し、実在すると判明したものは除外するため、実在する言及によってファミリーの精度がひそかに損なわれることはありません。単語そのものは意図的にここには記載していません。このREADMEは人々のナレッジベースに保存されることになり、そこに単語が含まれていれば、その質問はもはやネガティブではなくなってしまうからです。）エンジンはそのすべてを拒否するべきです。

素の状態では、拒否率は74.7%でした。この数値だけでは誤解を招くため、私たちは生のベンチマーク数値を扱うときにいつも行うように、独立したAI判定者15人に、エンジンが拒否しなかった367件すべてを読んでもらい、実際に何が起きたのかを分類してもらいました。

判定結果：367件のうち、捏造は0件でした。 1件もありません。どのケースでも、エンジンが返したのは保管庫に実在するノートで、作り上げられた存在とは無関係なものにすぎません。事実を捏造したことはなく、でたらめなものを実在するかのように説明したこともありません。実在するノートを引用しており、これこそが設計のすべてです。

つまり、誠実さを示す数値は2つあり、どちらも正しいものです。

• 幻覚率：0%。 1,450件のトラップを含む15,000件の質問を通して、エンジンは何も捏造しませんでした。
• 拒否の適合率：素の状態では74.7%、今回の修正後は95.4%。 「Xについての最新情報」や「Xを覚えていますか」のような表現のトラップのおよそ4件に1件で、「一致するものはありません」と言う代わりに、最近の実在するノートを提示していました。

拒否の弱点には、明確な原因がありました。新しさを尋ねる表現の質問では、意味解析レーンが「最新」「その」「もの」といった質問の埋め草の単語に近い最近のノートを見つけ、その存在を裏付ける票を投じていました。これにより、名前が挙がったエンティティが存在しないにもかかわらず、拒否が覆されていました。今回の修正では、質問中の意味のある単語の大半が保管庫に存在しない場合に、意味解析レーンの票がノートの提示を後押ししないようにしています。修正後、拒否の適合率は74.7%から95.4%（アラビア語では99.3%）に上昇し、全体の精度は94.4%から**96.4%**に上昇しました。時間に関する精度は97.8%のままです。妥当な新しさに関する質問には、引き続き通常どおり回答します。

生の数値、判定結果、修正内容を、意図的に同じ場所で報告しています。主張しているのは「完璧」だということではありません。何も捏造せず、確信が持てないときはそう伝えることを優先し、そうできていない部分の解消に取り組んでいる、ということです。

誠実さのスコアが高いツールとの間には、実質的な違いがあります。そうしたツールの中には、何も見つけられなかったために回答を控えるものがあります。これは能力がないことによる誠実さです。Callosiumは、本当に答えがない質問には回答を控えながら、答えがある質問には引き続き回答します。

---

リランカーと、それがなくなった理由（学術的な結果）

エンジンには任意で使えるクロスエンコーダーのリランカーがありましたが、削除しました。この判断については、導入前後の数値を並べてすべて公開する価値があります。このプロジェクトが自らの数値をどう扱っているかを示す、最も明確な例だからです。

理論は妥当です。クロスエンコーダーは質問とノートを一緒に読み取り、真の関連性をスコアリングします。一方、埋め込み検索では両者を別々に比較するだけです。まさにこの機能が役立つとされる、表現の異なる難問だけを集めて手作業で構築した小規模なデータセットでは、明らかに有効に見え、単発の精度を約4.3ポイント（71.8％から76.1％）向上させました。そのため、デフォルトで有効にしました。

その後、全15,000件を対象に実行しました。同じエンジン、同じ質問で、違いはリランカーの有無だけです。

	全体（15k）	レイテンシ p50 / p90 / p99
リランカー オフ（出荷版）	96.4％	49ms / 77ms / 116ms
リランカー オン	94.0％	51ms / 1732ms / 2439ms

ベンチマーク全体では、エンジンの精度が下がり、大幅に遅くなりました。最も望ましくない箇所に、まさにその影響が出ました。珍しいフレーズの深い再現率は約8ポイント低下しました（クロスエンコーダーが正しい文字どおりの一致を再考してしまいます）。アラビア語の曖昧性への対応は31ポイント低下しました（「ノートが2つあるので、どちらか尋ねる」を、確信を持って誤った1つの選択肢にまとめてしまいます）。複数対象の比較では2ポイント低下しました。向上したのは、タイプミスとアラビア語での回答拒否で、いずれもわずかなポイントにとどまりました。また、信頼度ゲートがカバレッジの低い質問や僅差の質問が広く分布する範囲全体で動作したため、約8回に1回のクエリで、90ミリ秒ではなく1～2秒かかりました。

エンコーダーが役立つ場面だけで動作するよう、トリガーを絞り込もうとしました。しかし、そのような条件は見つかりませんでした。「僅差」（2番目のノートが1番目の90％以内）は、「曖昧」な範囲（88％以内）に完全に含まれており、エンコーダーが最も大きな悪影響を及ぼすのはその範囲です。23,100通りのトリガー設定を調べ、質問の半分で調整して残りの半分で評価しましたが、条件を満たす設定は1つもありませんでした。

そのため、無効にして残すのではなく、削除しました。精度を2ポイント下げ、レイテンシを1秒増やす機能は、発想が優れているという理由だけでは採用に値しません。削除によって、300MBのモデルのダウンロードも不要になりました。出荷版のエンジンは、精度96.4％、p99レイテンシ116msのリランカー無効構成です。

両方の数値を正直に読み取ると、小規模で難易度の高い手選別データセットではリランカーは役立ちましたが、全体では悪影響を及ぼしました。これは、有利なマイクロベンチマークだけを根拠に機能を出荷してはならないという、教科書どおりの教訓です。次の人が同じ結論を一から導き直さずに済むよう、ここにすべて公開しています。

---

Callosiumの特徴

ほかのメモリ製品9つについて最新の調査を依頼し、さらに別のエージェント群に「Callosiumにしかできない」という主張を一つずつ検証してもらいました。裏付けが取れなかった主張は削除しました。残ったのは次のとおりです。

• 有料プランにしても、所有権はあなたのままです。 有料の同期もご自身のGoogle Drive、GitHub、OneDriveを経由するため、どの料金プランでもメモは当社のサーバーに保存されません。調査したほかの製品はどれも、無料プランではローカルに保存しますが、有料にすると、その時点で利用中のデータを自社のクラウドに移します。
• 各AIに見せる内容を自分で決められ、書き込みにはすべて署名が付きます。 Callosiumでは、ダッシュボードから、接続した各AIがアクセスできるフォルダーを制限できます。また、サーバーが書き込みごとに、どのAIが行ったかを記録するため、その記録を偽造できません。こうした機能の一部はほかにもありますが、一般の人が実行できる製品で両方を備えているものはありません。
• キーもインターネットも不要で、コア部分はクラウドを使わずに回答します。 日常的な情報の呼び出しには、キーワード検索、ナレッジグラフ、小型のローカル埋め込みモデルを使い、すべてご自身のマシン上で動作します。そのため、何にもサインインしていない状態でも、飛行機内で使えます。処理にLLMは介さず、有料APIも必要ありません。「ローカル」をうたうほかのツールでも、Dockerやデータベースが必要だったり、気付かないうちに有料モデルへフォールバックしたりします。
• アラビア語でも英語と同じように使え、そのことは同じテストで実証されています。 15,000問のベンチマークは二言語に対応しており、Callosiumはどちらの言語でも同じスコアを記録しています。私たちが調べた競合製品で、メモリ自体のアラビア語対応をうたうものはありませんでした。

一般の人が実際に比較するのは、ChatGPTやClaudeにすでに組み込まれているメモリです。簡単にまとめると、次のとおりです。

重視する点	Callosium	AIに組み込まれたメモリ（ChatGPT / Claude）	クラウドメモリツール（Mem0、Zep、Supermemory）	ほかのローカルツール（Basic Memory）
使っているすべてのAIで利用できる	はい	いいえ。ベンダーごとに別のコピー	通常は可能	はい
自分で開けるプレーンファイル	はい	いいえ	いいえ	はい
有料プランにしても自分のもの	はい	いいえ	いいえ	いいえ
各AIに見せる内容を自分で管理できる	はい	いいえ	一部可能	いいえ
どのAIが何を書いたか記録する	はい	いいえ	まれに可能	いいえ
オフラインでAPIキーなしで使える	はい	いいえ	まれに可能	一部可能
推測せず「メモにありません」と答える	はい	いいえ	まれに可能	いいえ
アラビア語でも英語と同じように使える	はい	記載なし	記載なし	いいえ
解凍して実行でき、ターミナル不要	はい	組み込み済み	いいえ	いいえ

組み込みメモリはベンダーごとに別のコピーです。内容を読んだり、移動したり、何を保存するか管理したりできず、モデルを切り替えたり、契約を解約したりすると消えてしまいます。Callosiumは、ご自身が管理し、手元に残せるファイルの中に、すべてのAIで使える一つの頭脳を作ります。

---

主張していないこと

• Mem0やZepが公開しているベンチマークで、それらを上回るという主張ではありません。これらのテストでは、合成されたチャットの書き起こしからメモリを取り出すシステムを評価します。Callosiumは、すでに自分で書いたメモを検索します。こうしたテストで評価しても、製品には含まれないアダプターを測ることになります。
• 一律に「トークンを90％節約できる」という主張ではありません。無駄の多い全コンテキスト利用と比べた場合に限り約99％であり、Callosiumが完全なオラクルより多く読むケースも示しています。
• 難しいベンチマークで、正確さを単一の数値で示す主張ではありません。単発の回答の数値は、評価者によって72～79％の幅があります。私たちは、変動しない指標、つまり15kの結果、機械的な検索率、そして誤情報の生成がゼロである件数を先に示しています。
• 完璧に思い出せるという主張ではありません。マルチホップは難しいベンチマークで52.9％と、実際に弱点があります。そのためAIの追加呼び出しが重要であり、リリース後の最優先課題となっています。

主張していること

• 嘘をつきません。 検出対象として設計された、本当に未知の情報はすべて回答を拒否し、情報を捏造したことはありません。回答を拒否しなかった367件のうち、捏造は0件でした。
• 通常の検索では見つけられない情報を見つけます。 キーワードエージェントと比べて約4.6倍の頻度で見つけます。
• 15,000問のベンチマークで96.4％を達成。 p99は116msで、英語とアラビア語のどちらでも同等です。
• ファイルをモデルにそのまま投入する場合と比べ、読み込む量を約99％削減します。
• ここに示す数値はすべて再現できます。 質問生成ツールと評価ツールはリポジトリ（test/）に含まれており、あなた自身の保管庫を読み込み、あなた自身のメモからテストを作成します。作者自身の質問セットは、実在する非公開メモのパスが含まれているため、意図的に含めていません。自分自身の脳を使って実行するベンチマークは、ダウンロードしたものより価値があるからです。

セカンドブレインの価値は、それが自分のものであることです。これはオフラインで、あなたのファイルの中にとどまり、測定結果も公開されています。

---

あなたのファイル、あなたのストレージ

すべてのデータは、好きなフォルダー内のプレーンなMarkdownとYAMLです。データベースもクラウドもアカウントも必要ありません。明日Callosiumを削除しても、メモはそのままメモとして残ります。

ステータス：早期アクセス。開発状況はこちら：callosium.com

Callosiumのアンインストール

メモはあなたのものであり、保存場所も変わりません。アンインストールしても、保管庫には一切触れません。ただし、Callosiumは保管庫の外に3つのものを保持しており、パッケージをアンインストールしてもそれらは削除されません。何も残さず削除するには、次の手順を実行してください。

1. バージョン履歴。 ~/.callosium/（Windowsでは %USERPROFILE%\.callosium\）。AIが加えた変更を元に戻せるようにするローカルの安全策です。メモのシャドーコピーであり、非公開として扱っているフォルダーも含め、あなたの脳内にあるすべてのフォルダーが対象です。また、保管庫からメモを削除しても、ここからは削除されません。履歴を消去するには、このフォルダーを削除してください。このデータが端末の外に出ることはありません。
2. 言語モデルのキャッシュ。 Windowsでは %LOCALAPPDATA%\Callosium\models\、macOSとLinuxでは ~/.cache/callosium/models/ にあります。約130 MBで、一度だけダウンロードされます。
3. 接続した各AIクライアントのMCPエントリ。 パッケージを削除しても、クライアントの設定ファイルは編集されません。各クライアントを開き、mcpServers の下にある callosium エントリを削除してください（各クライアントが使用しているファイルは callosium pair で確認できます）。

最後に、パッケージ自体を削除します。npm uninstall -g callosium を実行するか、デスクトップアプリの場合は「プログラムの追加と削除」を使用してください。

ドキュメントとポリシー

• ホワイトペーパー：エンジン、ベンチマーク、そして各数値の意味を、誠実に測定した結果とともに説明します。
• セキュリティポリシー：Callosiumが端末上でアクセスするもの、保管庫の外に保持するもの、脆弱性の報告方法について説明します。
• ライセンス：Apache-2.0。自由に使用、フォーク、保管できます。