Hermes新功能上線！比Opus 4.8和GPT-5.5還猛

Hermes Agent 近日正式上線 MoA（Mixture of Agents）功能，允許用戶自由組合多種開源模型作為虛擬模型使用，以提升輸出品質。這項舉措的背景正是當前頂尖閉源模型如 Fable 5、Mythos 5 等遭到禁用或限制訪問，迫使業界轉向更靈活的模型協作方案。Nous Research 在官方推文中直言「最強大的模型是受限的」，揭露了少數企業壟斷頂級模型權限的現狀。在這種環境下，MoA 模式試圖透過多個開源模型的協同工作，達到甚至超越最強閉源模型的水準，正如 Hermes 聯合創始人 Teknium 所說，他們正在探索能否用更經濟的模型組合複現 Opus 等級的效能。 MoA 的技術核心早在 2024 年便由 Together AI 在《Mixture-of-Agents Enhances Large Language Model Capabilities》論文中提出，其關鍵在於分層協作：系統將模型分為「參考模型」與「聚合模型」。當用戶輸入問題時，多個參考模型先分別對任務進行分析與判斷，生成初步的參考意見；這些意見隨後交由聚合模型進行綜合權衡，並執行具體指令或工具呼叫。參考模型不具備工具使用能力，只專注於規劃與建議，而聚合模型則負責實際落地，如此一來便能集合不同模型的長處，例如讓擅長邏輯推理的模型負責拆解任務，讓執行穩定的模型負責生成最終結果。 這套思路與日本 AI 獨角獸 Sakana AI 推出的 Sakana Fugu 系列編排器模型相似，後者同樣會根據任務動態挑選最合適的模型進行處理。這些案例共同指向一個趨勢：與其等待一個「全能型」的單一模型，不如利用模型間的能力互補，以組合的方式突破單體模型的瓶頸。在 Hermes 的實際操作中，用戶只需在桌面版設定中啟用 Mixture of Agents 選項，預設包含兩個參考模型與一個聚合模型，也可以手動添加更多參考模型，自由度相當高。 針對 MoA 的實測結果也頗具參考價值。有海外博主先後測試了遊戲開發與互動頁面設計兩種場景。使用單一模型（如 glm-5.2）生成遊戲時，耗時 13 分鐘、成本 0.38 美元，成品流暢度與可玩性仍有不足；啟用 MoA（以 kimi-k2.6 和 minimax-m3 為參考、glm-5.2 為聚合）後，耗時增加至 35 分鐘、成本升至 0.47 美元，但生成的遊戲在移動流暢度、關卡合理性上均有顯著提升。另一方面，在動漫儀表盤的生成測試中，使用 GPT-5.5 單一模型耗時 7 分鐘，品質尚可；改用三個 Grok 模型為參考、GPT-5.5 為聚合後，不僅生成速度出乎意料地更快，最終畫面的質感與交互細膩度也明顯優於單一模型，成為 MoA 潛力的有力佐證。 值得注意的是，MoA 的代價並非固定不變。在不同任務中，參考模型的選擇會直接影響生成速度與總耗時，並不一定會比單一模型更慢，而 Token 的消耗量也沒有想像中驚人。這意味著若用戶針對任務特性謹慎挑選模型組合，有機會在成本與品質之間取得較佳平衡。當然，當前 MoA 仍以更高的推理成本與潛在的延遲為代價，並非所有場景都適合啟用；但隨著開源模型能力持續提升與推理成本逐步下降，這類多模型協作機制的吸引力將會越來越強。 從更宏觀的角度看，MoA 代表了大模型競爭從「誰家模型更強」轉向「誰能有效組織模型協作」的重要轉折。過去用戶必須在不同模型之間手動切換，尋找最適合特定任務的選項；如今 Agent 扮演起調度與編排的角色，讓擅長思考的模型擔任參謀、擅長執行的模型負責行動。這剛好符合 Agent 時代對底層能力整合的需求，也使「編排」逐漸成為核心競爭力。未來，當推理成本不再構成障礙，多模型協作很可能成為 AI 應用的預設模式，並進一步拉近開源生態與頂尖閉源模型之間的距離。