Loom, de Looki: la memoria de una cámara wearable alcanza 79 puntos, 18 más que mem0
Una cámara wearable graba horas de vídeo y audio al día, y nadie las va a revisar. Looki, fabricante de la cámara L1, ha creado Loom: el sistema divide la grabación en eventos y responde a preguntas como «¿qué acordamos con el proveedor?» mostrando los fotogramas de origen. En su propio test, Loom obtuvo 79 puntos: 18 más que mem0 y 15 más que A-Mem. Todavía no hay verificación de laboratorios independientes.
Procesado por IA desde TG: @ai_machinelearning_big_data (Machinelearning); editado por Hamidun News
Una cámara wearable graba horas de vídeo y audio al día, y nadie las va a revisar. Para que la grabación sirva de algo, el asistente debe poder responder a una pregunta como «¿qué acordamos con el proveedor la semana pasada?» y mostrar los fotogramas de los que sale la respuesta.
Eso es justo lo que hace Loom, un sistema de Looki, la empresa china que fabrica la cámara wearable Looki L1. En el test propio de la compañía, elaborado con grabaciones reales de usuarios que dieron su consentimiento, la memoria de Loom obtuvo 79 puntos. Son 18 puntos más que mem0 y 15 más que A-Mem.
Ambos competidores son sistemas de memoria populares para agentes de IA de texto, es decir, para conversaciones y documentos, no para vídeo. La conclusión práctica para un desarrollador: si construye un asistente con cámara o micrófono, el esquema «eventos, resúmenes, fotogramas de origen» parece una alternativa viable a la memoria de texto plano, aunque por ahora las cifras las ha obtenido solo la propia Looki.
Qué componentes tiene Loom
El sistema se compone de dos modelos y una capa de memoria.
Sense responde a la pregunta «qué está pasando ahora mismo». Recibe un fragmento corto de vídeo y audio, una pregunta sobre el evento y varias opciones de respuesta. El modelo no redacta una descripción de texto, sino que puntúa cada opción. Para un dispositivo siempre encendido tiene sentido: elegir de una lista es más rápido y barato que generar texto. Según Looki, en un conjunto interno de casi 20 tipos de eventos Sense alcanza un F1 de 88,6 (una medida general de cuán precisa y completa es la detección de los eventos buscados) con un tiempo medio de reconocimiento de 0,51 segundos.
Moment trabaja con material ya grabado. Alinea imagen y sonido en una misma línea temporal, encuentra por sí solo los límites de los eventos y los describe. Cada evento tiene hora de inicio y de fin, una descripción y evidencias. Junto a cada dato aparece una marca que indica si se vio, se oyó o se dedujo del contexto. Este etiquetado importa para la confianza: el usuario distingue lo que realmente entró en cuadro de una suposición del modelo. Looki afirma que Moment determina los límites de los eventos con más precisión que Qwen Omni y Gemini Flash. La fuente no ofrece cifras concretas.
Cómo funciona la memoria
La capa Memory agrupa los eventos en resúmenes diarios, semanales y mensuales, y además en una instantánea general de lo que se sabe del usuario: sus hábitos, su entorno y sus actividades recurrentes.
Cuando el usuario hace una pregunta, el sistema busca de arriba abajo. Primero consulta los resúmenes mensuales, después baja a los eventos concretos y, si hace falta, a los fotogramas originales. Es como buscar en un archivo en papel: primero abres la carpeta correcta, luego la hoja y por último compruebas el documento original. El modelo no tiene que mantener en contexto todo un mes de grabaciones, y la respuesta se puede verificar en la fuente primaria.
La diferencia con mem0 y A-Mem resulta previsible: ambos sistemas se crearon para texto, y el vídeo y el audio de una cámara son otro tipo de material.
Qué hacer con esto y qué salvedades hay
Para quienes desarrollan dispositivos wearable, asistentes de voz y vídeo o una «segunda memoria» para el usuario, Loom ofrece un esquema ya armado:
- un modelo rápido y específico para reconocer eventos;
- un paso aparte que divide el flujo en episodios e indica la fuente de cada dato;
- una jerarquía de resúmenes por la que la búsqueda va de lo general a lo particular y termina en un enlace al fotograma original.
Las salvedades son importantes. Todas las cifras proceden de conjuntos de datos internos de la propia Looki y no hay verificación independiente. La comparación con mem0 y A-Mem se hizo en un benchmark que elaboró la propia compañía, así que fuera de sus datos la diferencia podría ser otra. Para Moment no hay números, solo la afirmación de que es «más preciso». Por último, la grabación continua de las personas del entorno plantea dudas de privacidad. La fuente solo dice que los datos del test se recopilaron con el consentimiento de los usuarios, y no aclara cómo trata el sistema las voces y los rostros de terceros.
El acceso a Loom es limitado. Se puede probar en una demo web y hay API, pero Looki no tiene previsto publicar el sistema en abierto. A los desarrolladores externos solo les queda usar la API o replicar la arquitectura por su cuenta.
La compañía describe así su siguiente paso: unir las tres partes en un único modelo multimodal que decida por sí mismo cuándo ofrecer ayuda. Entonces el asistente dejará de limitarse a responder preguntas y empezará a intervenir por iniciativa propia. Es más difícil: hay que entender no solo qué ocurre, sino también si es oportuno hablar en ese momento. Por ahora, Loom demuestra que la memoria de una cámara wearable conviene diseñarla como una capa independiente con enlaces a los originales.
- 18 nov 2026El resumen de IA casi no muestra los sitios de las propias empresas en el 94% de las selecciones B2B
- 18 nov 2026Un vídeo a partir de una sola foto de producto costó $4,25 en lugar de $2,42 por los fallos de Seedance 2.0
- 18 nov 2026Claude Code guardaba contraseñas de los comandos: hallan secretos en el 1,1% de los archivos de configuración en GitHub
- 18 nov 2026OpenAI lanza GPT-6.2 Astra: segundo puesto en el ranking y un 20% más barata
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Qué componentes tiene Loom?
El sistema se compone de dos modelos y una capa de memoria. Sense responde a la pregunta «qué está pasando ahora mismo». Recibe un fragmento corto de vídeo y audio, una pregunta sobre el evento y varias opciones de respuesta. El modelo no redacta una descripción de texto, sino que puntúa cada opción. Para un dispositivo siempre encendido tiene sentido: elegir de una lista es más rápido y barato que generar texto.
Cómo funciona la memoria?
La capa Memory agrupa los eventos en resúmenes diarios, semanales y mensuales, y además en una instantánea general de lo que se sabe del usuario: sus hábitos, su entorno y sus actividades recurrentes. Cuando el usuario hace una pregunta, el sistema busca de arriba abajo. Primero consulta los resúmenes mensuales, después baja a los eventos concretos y, si hace falta, a los fotogramas originales.
¿Qué se sabe sobre Qué hacer con esto y qué salvedades hay?
Para quienes desarrollan dispositivos wearable, asistentes de voz y vídeo o una «segunda memoria» para el usuario, Loom ofrece un esquema ya armado: un modelo rápido y específico para reconocer eventos; un paso aparte que divide el flujo en episodios e indica la fuente de cada dato; una jerarquía de resúmenes por la que la búsqueda va de lo general a lo particular y termina en un enlace al fotograma original. Las salvedades son importantes.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.