Unsere Einschätzung: Hebbrix passt zu Entwicklern, die eine OpenAI-kompatible Speicherebene für produktive Agenten wünschen, mit kostenlosem Start über 1,000 Credits pro Monat und bezahlten Tarifen ab $19/Monat.
Wichtigste Einschränkung: Die Nutzung wird in Credits gemessen, und bei Free und Starter pausieren Schreibvorgänge in den Speicher, sobald das Kontingent überschritten ist.
Von den Redakteuren des AI Tool Atlas.
Auf Basis der offiziellen Dokumentation des Anbieters; wir haben dieses Produkt nicht selbst getestet. Was „dokumentierte Übersicht“ bedeutet
Ist Hebbrix das Richtige für Sie?
Hebbrix passt zu Entwicklern, die eine OpenAI-kompatible Speicherebene für produktive Agenten wünschen, mit kostenlosem Start über 1,000 Credits pro Monat und bezahlten Tarifen ab $19/Monat. Auf Basis der Dokumentation des Anbieters, nicht in einem praktischen Test.
Am besten für: Entwickler von KI-Agenten
Auch gut geeignet für
Teams, die Agenten produktiv betreiben
Ein anderes Tool in Betracht ziehen, wenn die Nutzung wird in Credits mit dokumentierten Gewichtungen gemessen
Oder wenn
Bei Free und Starter pausieren Speicher-Schreibvorgänge bei überschrittenem Kontingent
Outcome Memory API ab dem Pro-Tarif aufgeführt
Hebbrix Preise und Nutzungslimits
Preise am Sep 29, 2026 auf der offiziellen US-Preisseite geprüft. Offizielle Preise ↗ Preise und Limits ändern sich häufig.
Die offizielle Hebbrix-Preisseite, wie wir sie gesehen haben. hebbrix.com, erfasst Oct 1, 2026
Kostenloser Zugang und Testbedingungen
Kostenloser Tarif mit 1,000 Credits pro Monat, keine Kreditkarte.
Keine separate Testphase; der Free-Tarif dient als Einstieg.
Kostenpflichtige Tarife: was sich beim Upgrade ändert
Abrechnung von Mehrverbrauch kann bei Pro und Scale aktiviert werden; Aufrufe verwalteter Modelle melden zusätzlich die Token-Nutzung.
Nicht angegeben.
Was ist Hebbrix und wie funktioniert es?
Hebbrix ist ein Speicher-Infrastrukturdienst für KI-Agenten und Anwendungen. Er speichert Erinnerungen und einen Wissensgraphen und ordnet den Abruf anhand semantischer, lexikalischer, graphbasierter, zeitlicher und gemeldeter Ergebnissignale.
Entwickler können einen bestehenden OpenAI-Client auf die Basis-URL der Hebbrix-API richten, sodass Erinnerungen automatisch abgerufen und eingefügt werden. Die Dokumentation behandelt außerdem einen MCP-Server, SDKs, Webhooks und Mandantenfähigkeit.
Offizielle Website von Hebbrix: So stellt sich das Produkt selbst dar. hebbrix.com, erfasst Oct 1, 2026
Was Sie liefern und was Sie erhalten
Was Sie Hebbrix geben und was zurückkommt, laut Dokumentation
Sie liefern
Über API oder SDK gesendete Erinnerungen und Dokumente
Chat-Nachrichten über den OpenAI-kompatiblen Endpunkt
Gemeldete Ergebnisse zu Entscheidungen
Sie erhalten zurück
Eingeordnete, abgerufene Erinnerungen, die in den Kontext eingefügt werden
Wissensgraph aus Entitäten und Beziehungen
Nutzerprofile
Exporte des gesamten Speichers
Wo Sie es nutzen können
Plattformen
Web, API
Konto
Erforderlich
API
OpenAI-kompatible Chat-Completions plus REST-API für den Speicher
Funktionsüberblick auf der offiziellen Website. hebbrix.com, erfasst Oct 1, 2026
OpenAI-kompatible Drop-in-API (Basis-URL ändern)
Leitet Ihren bestehenden OpenAI-Client über den Hebbrix-Endpunkt, sodass relevanter Speicher automatisch in den Kontext eingefügt wird. Ergänzt Speicher, ohne den Agenten neu zu schreiben.
Ordnet den Abruf anhand semantischer, lexikalischer, graphbasierter, zeitlicher und gemeldeter Ergebnissignale. Zeigt, was funktioniert hat, statt nur ähnlichen Text.
Zugriff: Hybride Suche in allen Tarifen; Outcome Memory API ab ProLimit: Ergebnisse müssen von Ihrem Agenten gemeldet werden; fehlendes Feedback gilt nicht als MisserfolgQuelle (öffnet in neuem Tab)
Wissensgraph aus Entitäten und Beziehungen
Extrahiert Entitäten und Beziehungen und verfolgt, wann Fakten ersetzt werden. Lässt Agenten darüber schlussfolgern, wer wen kennt und was sich geändert hat.
Zugriff: Starter und höherLimit: Das manuelle Ändern des Graphen unterliegt zusätzlichen SchrankenQuelle (öffnet in neuem Tab)
Speicher-Verfall und Extraktion von Nutzerprofilen
Ordnet Speicher nach Nutzung, Aktualität, Wichtigkeit und Korrekturen und erstellt Nutzerprofile. Hält gespeicherte Erinnerungen über die Zeit relevant.
Zugriff: Profilextraktion in allen TarifenLimit: Verfall wirkt sich auf die Rangfolge aus, nicht auf stilles LöschenQuelle (öffnet in neuem Tab)
Gehosteter MCP-Server
Stellt Speicher für MCP-kompatible Agenten über einen Endpunkt mit 33 aufgeführten Tools bereit. Verbindet Coding-Agenten wie Claude oder Cline.
Zugriff: In der Dokumentation beschriebenLimit: Tarifverfügbarkeit auf der abgerufenen Seite nicht näher beschriebenQuelle (öffnet in neuem Tab)
Hebbrix Vor- und Nachteile
Gründe für die Wahl von Hebbrix
Kostenloser Tarif mit 1,000 Credits pro Monat, keine Kreditkarte angegeben Sie können Prototypen bauen, bevor Sie zahlen.dokumentiertQuelle (öffnet in neuem Tab)
Speicherexport in jedem Tarif verfügbar Gespeicherter Speicher und Graph bleiben portabel, wenn Sie wechseln.dokumentiertQuelle (öffnet in neuem Tab)
Eigener Modellschlüssel in unterstützten bezahlten Tarifen Sie bestimmen, welches LLM Sie nutzen und was es kostet.dokumentiertQuelle (öffnet in neuem Tab)
Öffentliche Dokumentation mit API-Referenz Die Integration lässt sich vor der Anmeldung bewerten.dokumentiertQuelle (öffnet in neuem Tab)
Kundeninhalte werden nicht zum Training gemeinsam genutzter Modelle verwendet Verringert das Risiko der Datennutzung bei Produktivdaten.dokumentiertQuelle (öffnet in neuem Tab)
Vor dem Bezahlen bei Hebbrix prüfen
Die Nutzung wird in Credits mit dokumentierten Gewichtungen gemessen Die Kosten müssen anhand der Operationsgewichte geschätzt werden.dokumentiertQuelle (öffnet in neuem Tab)
Bei Free und Starter pausieren Speicher-Schreibvorgänge bei überschrittenem Kontingent Agenten lernen bis zum nächsten Zyklus nicht weiter.dokumentiertQuelle (öffnet in neuem Tab)
Outcome Memory API ab dem Pro-Tarif aufgeführt Die Hauptfunktion kostet $99/Monat oder mehr.dokumentiertQuelle (öffnet in neuem Tab)
Richtet sich an Entwickler; erfordert API-Integration Für nicht technische Teams nicht direkt nutzbar.dokumentiertQuelle (öffnet in neuem Tab)
Daten werden auf AWS in den Vereinigten Staaten gehostet Datenresidenz außerhalb der USA wird auf den abgerufenen Seiten nicht angeboten.dokumentiertQuelle (öffnet in neuem Tab)
So nutzen Sie Hebbrix für einem KI-Agenten persistenten Speicher hinzufügen
Hebbrix Dokumentation: Quellen der folgenden Schritte. hebbrix.com, erfasst Oct 1, 2026
Hebbrix einrichten
Legen Sie ein Hebbrix-Konto im Free-Tarif an und erzeugen Sie im Dashboard einen API-Schlüssel.
Installieren Sie das Python-SDK (MemoryClient) oder behalten Sie Ihren OpenAI-Client.
Erstellen Sie über client.collections.create eine Sammlung für Ihren Agenten.
Setzen Sie base_url auf https://api.hebbrix.com/v1, wenn Sie den OpenAI-Client verwenden.
Beispiel: einem KI-Agenten persistenten Speicher hinzufügen
Speichern Sie eine Erinnerung wie 'User prefers dark mode' in der Sammlung.
Suchen Sie in derselben Sammlung mit der Anfrage 'user preferences'.
Senden Sie eine Chat-Completion und prüfen Sie, ob der gespeicherte Fakt in den Kontext eingefügt wird.
Melden Sie ein Ergebnis zur Entscheidung, damit der Abruf es gewichten kann.
Ergebnis prüfen und exportieren
Prüfen Sie nach den Aufrufen im Dashboard Kontingent und Credit-Verbrauch.
Exportieren Sie die Erinnerungen, um zu bestätigen, dass die gespeicherten Einträge vorhanden sind.
Hebbrix Integrationen und API
Hebbrix Dokumentation (Fortsetzung). hebbrix.com, erfasst Oct 1, 2026
Native Integrationen und Exportformate
Export: Export von Speicher und Wissensgraph (Format nicht angegeben)
API-Zugang und separate Abrechnung
Hebbrix hat laut offizieller Dokumentation keine öffentliche API. OpenAI-kompatible Chat-API plus REST-API für den Speicher API-Dokumentation ↗
Datenschutz, Datennutzung und kommerzielle Rechte
Zusammengefasst aus den aktuellen Richtlinien des Anbieters; dies ist keine Rechtsberatung, und das Badge eines Anbieters ersetzt kein unabhängiges Audit.
Wie Ihre Eingaben und Ausgaben verarbeitet werden
Speichert Erinnerungen, Prompts, Ausgaben, Dokumente und Embeddings, die Sie bereitstellen.
Kundeninhalte werden nicht zum Training gemeinsam genutzter oder universeller Modelle verwendet.
Aufbewahrung, solange das Konto aktiv ist; die Kontolöschung startet ein 90-tägiges Zeitfenster zur Wiederherstellung; App-Logs bis zu 90 Tage.
Credits sind normierte Nutzungseinheiten mit dokumentierten Gewichtungen pro Operation; Aufrufe verwalteter Modelle erfassen zusätzlich Tokens. Das Dashboard zeigt Kontingent und Nutzung. 1,000 Credits entsprechen grob 300 Chat-Runden mit Speicher. Quelle (öffnet in neuem Tab)
Was passiert, wenn ich mein Hebbrix-Kontingent überschreite?
Bei Free und Starter pausieren Schreibvorgänge in den Speicher bis zum nächsten Zyklus, während Lesezugriffe weiter funktionieren. Bei Pro und Scale können Sie die Abrechnung von Mehrverbrauch aktivieren, damit nichts unterbrochen wird. Quelle (öffnet in neuem Tab)
Kann ich mit Hebbrix mein eigenes LLM verwenden?
Ja, eigene Schlüssel funktionieren in unterstützten bezahlten Tarifen und bei Enterprise. Der Speicher ist modellunabhängig, sodass gespeicherte Daten über Modelle hinweg portabel bleiben. Quelle (öffnet in neuem Tab)
Kann ich meinen Speicher aus Hebbrix exportieren?
Ja, jede Erinnerung und der Wissensgraph lassen sich jederzeit in jedem Tarif exportieren. Quelle (öffnet in neuem Tab)
Wie verbinde ich eine bestehende OpenAI-App mit Hebbrix?
Ändern Sie die base_url des Clients auf https://api.hebbrix.com/v1 und verwenden Sie Ihren Hebbrix-Schlüssel; der Speicher wird dann automatisch abgerufen und eingefügt. Quelle (öffnet in neuem Tab)
Nicht verifiziert: Credit-Gewichte pro Operation; Verfügbarkeit speziell in den USA; Dateiformat des Exports; Änderungsprotokoll.
Wie wir diese Seite dokumentiert haben und pflegen
Jede Angabe zu Hebbrix oben stammt aus den 4 hier aufgeführten offiziellen Seiten, zuletzt verglichen am Sep 29, 2026; wir haben Hebbrix nicht selbst getestet, daher gibt es keine redaktionelle Bewertung. Wie wir Seiten prüfen und erneut prüfen.
Artikel aktualisiert Oct 10, 2026; Preise geprüft Sep 29, 2026. Ausgehende Links zu Anbietern sind einfache Links; wir erhalten keine Provisionen. So testen wir · Fehler melden