Referencia · 15 min de lectura · Junio de 2026
Definiciones claras y sencillas de cada término que importa en la memoria de IA. Cada entrada es lo bastante breve para citarla y lo bastante completa para ser útil. Diseñada como la referencia que puedes enviar a cualquiera que necesite ponerse al día sobre esta categoría.
La cantidad máxima de texto que un modelo puede retener en su memoria de trabajo en un solo chat.
Se mide en tokens. Modelos de la clase GPT-4: 128k; Claude: 200k; Gemini 2.5 Pro: más de 1M. Cuando la superas, los turnos más antiguos se descartan en silencio.
La unidad de texto que los modelos leen y producen: aproximadamente 0.75 de una palabra en inglés.
1,000 tokens ≈ 750 palabras en inglés. Los precios, las ventanas de contexto y los límites de frecuencia se miden en tokens.
Memoria que sobrevive entre chats independientes, no solo dentro de uno.
Se diferencia de la ventana de contexto (que se reinicia con cada nuevo chat). Se implementa de forma distinta en cada herramienta.
Notas breves que un modelo escribe sobre ti y que reaparecen en futuros chats.
La memoria de ChatGPT es el ejemplo canónico. Tiene límite, requiere activación y es opaca respecto a las sobreescrituras.
Patrón en el que el modelo recupera documentos relevantes al momento de la consulta y los incluye en el contexto.
Se utiliza para dar a los modelos acceso a información que no cabe en la ventana de contexto, como una base de conocimiento completa.
Base de datos que almacena embeddings (representaciones numéricas de texto) para búsquedas rápidas por similitud.
Impulsa la mayoría de los sistemas RAG. Pinecone, Weaviate y pgvector son ejemplos comunes.
Una representación numérica de un fragmento de texto que captura su significado.
Te permite calcular la similitud entre textos: la base de la búsqueda semántica y de la mayoría de los flujos de RAG.
Memoria de eventos específicos: qué se dijo, cuándo y quién lo dijo.
A diferencia de la memoria semántica (hechos generales). Los registros de conversación son episódicos; un dato guardado como 'Soy diseñador' es semántico.
Memoria de hechos generales, desvinculada del momento específico en que se aprendieron.
Lo que la memoria de ChatGPT intenta extraer de tus conversaciones. Más fácil de almacenar, con pérdida de información por diseño.
Cambio gradual en el comportamiento de una IA hacia ti a lo largo del tiempo, a menudo tras actualizaciones del modelo.
Especialmente notorio en aplicaciones de compañía (Replika, Character.ai). Causado por cambios en los filtros, reemplazos de modelos o inconsistencias acumuladas en la memoria.
Cuando un proveedor reemplaza el modelo base predeterminado por una nueva versión.
Ejemplos: GPT-4 → GPT-4o → GPT-5. Casi siempre cambia la capacidad de recuerdo y la personalidad, incluso si se conserva la memoria guardada.
Cuando una versión de un modelo se retira oficialmente y ya no está disponible.
Los GPT personalizados y los prompts ajustados al modelo descontinuado no se comportan igual en el reemplazo.
Una configuración reutilizable de ChatGPT con su propio prompt del sistema y archivos subidos.
Persiste entre chats, pero solo dentro de ChatGPT. No es transferible a Claude ni a Gemini.
Un contenedor delimitado en Claude con documentos e instrucciones fijadas.
Persistente dentro de Claude. No aprende automáticamente de la conversación; es explícito y curado.
Entradas de memoria que un usuario marca explícitamente para conservar, exentas de descarte automático.
Utilizado por Character.ai, Replika y otros para dar a los usuarios un conjunto reducido de datos con persistencia garantizada.
El número máximo de entradas de memoria guardada que un sistema retendrá.
ChatGPT: unos cientos de elementos. Cuando se llena, las entradas más antiguas se sobrescriben en silencio.
Cuando información incorrecta o maliciosa entra en la memoria guardada de un modelo e influye en respuestas futuras.
Puede ocurrir por accidente (el modelo interpreta mal lo que dices) o mediante inyección de prompts. Audita tu memoria con regularidad.
Una sola unidad destilada de contexto personal (un dato, una preferencia o un patrón) extraída de tus artefactos originales.
Término específico de Konshus. Los átomos son los bloques de construcción de una personalidad portátil.
Un fragmento sin procesar de contenido personal (una exportación de chat, un documento, una entrada de diario) antes de la destilación.
Material de origen para los átomos. Permanece sin procesar en el Vault.
El proceso de extraer átomos estructurados a partir de artefactos sin procesar utilizando un modelo de lenguaje.
Konshus utiliza Gemini Flash Lite para la destilación a fin de mantener bajos los costos; la síntesis hacia una personalidad utiliza modelos más potentes.
Un archivo portátil que representa quién eres, derivado de tus átomos.
Konshus ofrece cuatro niveles: Whisper, Briefing, Full Mirror y Crisis Handoff. Se utiliza para incorporar cualquier nueva IA.
Estándar abierto para conectar clientes de IA con fuentes externas de contexto.
Alcanzó masa crítica en 2026; es compatible con Claude, los GPT personalizados de ChatGPT, Cursor y otros. El primer estándar real de contexto entre distintos proveedores.
Instrucciones enviadas a un modelo antes de cualquier mensaje del usuario que definen su comportamiento.
Permanece oculto para el usuario en aplicaciones de consumo. Los GPT personalizados y los proyectos de Claude lo muestran para editarlo.
Un modo de ChatGPT que excluye la conversación de la memoria, el historial y el entrenamiento.
Se indica con un ícono de rayo. Es fácil iniciarlo por accidente.
Una descarga masiva de todo lo que un proveedor tiene almacenado sobre ti.
Obligatoria según el GDPR. OpenAI, Anthropic y Google ofrecen una; la calidad varía.
Eliminación permanente de datos con un registro de auditoría que confirma que se han eliminado por completo.
A diferencia del soft delete (oculto a tu vista pero conservado). Las herramientas que se toman en serio la privacidad deberían ofrecer borrado permanente.
Los datos almacenados se cifran de modo que una filtración del almacenamiento por sí sola no permita leerlos.
No significa que el proveedor no pueda leerlos: ellos tienen la clave. Revisa por separado las políticas de acceso y de uso para entrenamiento.
Ajuste que evita que tus conversaciones se utilicen para mejorar el modelo subyacente.
Suele estar desactivado por defecto en los planes para consumidores. Revisa Configuración → Controles de datos en cada proveedor que uses.
Proceso de entrenar más a fondo un modelo con datos adicionales, incluidos (a veces) los tuyos.
Diferente del prompting. La mayor parte de la memoria en las IA de consumo se logra mediante prompting y recuperación, no mediante fine-tuning.
Pegar manualmente grandes cantidades de contexto previo en cada chat nuevo.
Económico, portátil y manual. La técnica original del 'documento de contexto personal'.
Cuando un modelo opera con información desactualizada sobre ti.
Especialmente común en ChatGPT Memory, donde las entradas antiguas permanecen hasta que se sobrescriben.
Colección de muestras de escritura de un usuario que se utiliza para imitar su voz en la generación.
Konshus almacena un corpus de voz como parte de la persona para las herramientas que imitan tu estilo.
Exportación de persona de nivel de detalle medio que cubre tu contexto, preferencias y enfoque actual.
Uno de los cuatro niveles de exportación. En el punto justo para hacer el traspaso a un nuevo asistente sin volcar todo.
Exportación mínima de persona: el conjunto más pequeño de datos que influye de forma significativa en una respuesta.
Exportación predeterminada. Diseñada para caber en el system prompt de cualquier modelo.
Exportación integral de persona que incluye identidad declarada, patrones y muestras de voz.
Nivel Counsel+. Diseñado para una continuidad de nivel crítico entre proveedores.
Exportación especializada para traspasar contexto a otro ser humano en una emergencia.
Nivel Counsel Pro. Diseñado para contactos de emergencia designados.
Rastreo del elemento original del que proviene un dato almacenado.
Fundamental para una memoria en la que puedas confiar. Sin ella, no puedes auditar ni corregir entradas.
Estimación numérica de cuán fiable es un dato almacenado.
Permite que un sistema de memoria muestre primero los datos de alta confianza y marque los inciertos para su revisión.
Revisión periódica de la memoria almacenada para eliminar entradas obsoletas o incorrectas.
Debería ser un hábito constante: como mínimo mensual para usuarios activos.
La capacidad de que la misma personalización te acompañe a través de diferentes proveedores de IA.
Prácticamente imposible sin una capa dedicada; los proveedores nativos no tienen incentivos para admitirla.
Konshus es una forma de resolver esto: una bóveda de memoria persistente y una persona portátil que te acompaña en ChatGPT, Claude, Gemini y lo que venga después.
Conoce KonshusKonshus es una forma de resolver esto: una bóveda de memoria persistente y una persona portátil que te acompaña en ChatGPT, Claude, Gemini y lo que venga después.
Conoce Konshus