Hermes新功能上线！比Opus 4.8和GPT-5.5还猛

发布时间：2026-07-18 06:23:44 来源：杯赛赛事 作者：NBA新闻

AI应用风向标（公众号：ZhidxcomAI） | 作者｜毕伟豪 编辑｜漠影

智东西6月30日报道，新功线比随着Fable 5、和G还猛Mythos 5等顶级闭源模型逐渐被封锁或限制访问，新功线比单一模型在处理复杂任务时的和G还猛局限性日益凸显。面对这一困境，新功线比追求高质量输出的和G还猛用户该如何破局？

近日，Hermes Agent正式推出MoA（Mixture of Agents，新功线比智能体混合）功能，和G还猛允许用户自由组合多种模型构建“虚拟模型”。新功线比在Nous Research即将公布的和G还猛基准测试中，该混合模型的新功线比综合评分超越了Opus 4.8和GPT-5.5，展现出惊人的和G还猛潜力。

一、新功线比 闭源受限，和G还猛多模型协同成新潮流

Nous Research在官方社交媒体上直言：“最强大的新功线比模型往往受到限制，仅少数人能访问。”这番话直指Fable 5等顶尖模型被封禁的现状。

在此背景下，MoA模式的战略意图清晰可见：通过开源模型的组合，逼近甚至超越顶尖闭源模型的性能。正如Hermes Agent联合创始人Teknium所言，团队正在测试各种开源模型组合，旨在以更低成本达到Opus级别的输出效果。

这种“多模型协作”思路并非孤例。近期，日本AI独角兽Sakana AI发布的Sakana Fugu系列编排器模型也采用了类似逻辑，根据任务特性动态选择最佳模型进行处理，与MoA的理念不谋而合。

MoA的技术渊源可追溯至2024年6月Together AI发表的论文《Mixture-of-Agents Enhances Large Language Model Capabilities》。该论文核心在于多LLM组合架构：每一层模型参考上一层的输出，进而生成自身回答。论文将模型分为两类，这也正是Hermes当前采用的架构：参考模型（Reference Models）与聚合模型（Aggregator Model）。

工作流程如下：
1. 参考模型：对用户问题进行初步分析与判断，生成参考意见。它们仅生成文本建议，不调用工具，不执行命令。
2. 聚合模型：综合所有参考意见，进行最终决策，并调用工具执行具体任务。

这种分工充分发挥了不同模型的优势：擅长规划的模型负责“思考”，擅长执行的模型负责“落地”。

使用指南：
以桌面版为例，用户只需进入设置 > 模型选项，向下滚动即可找到Mixture of Agents选项。默认配置为“2个参考模型 + 1个聚合模型”，用户也可手动添加更多参考模型进行自定义组合。

二、 实测：游戏开发更丝滑，Token消耗可控

海外博主针对MoA进行了实测，对比了单一模型与MoA模式在游戏生成和交互页面开发中的表现。结果显示，MoA并未显著增加任务耗时，且Token消耗在合理范围内。

测试案例1：Three.js游戏开发

博主尝试使用Three.js开发一款“原力海盗训练竞技场”小游戏。

1. 单一模型测试（glm-5.2）
* 成本：$0.38
* 耗时：13分钟
* 效果：整体可用，但存在缺陷。飞船移动速度不均，躲避敌人攻击困难，可玩性较低。

2. MoA模式测试
* 配置：参考模型（kimi-k2.6 + minimax-m3），聚合模型（glm-5.2）
* 成本：$0.47
* 耗时：35分钟
* 效果：虽然成本略高、耗时增加，但生成质量显著提升。移动速度更流畅，关卡设计更合理，整体体验远优于单一模型。

测试案例2：动漫多元宇宙仪表盘

博主进一步测试生成一个包含《火影忍者》、《海贼王》、《龙珠》等IP的交互式仪表盘。

1. 单一模型测试（GPT-5.5）
* 耗时：约7分钟
* 效果：交互流畅，但视觉设计略显单薄。中间光球周围的光圈缺乏质感，细节不足。

2. MoA模式测试
* 配置：参考模型（3个grok模型），聚合模型（GPT-5.5）
* 效果：意外地更快完成（博主推测得益于grok快速模型的辅助）。生成结果质感大幅提升，光球设计极具科技感，交互更加丝滑，点击星球可实现远近景切换，视觉效果惊艳。

结语：未来竞争的核心是“编排”

过去，大模型竞争聚焦于“谁更强”，用户被迫在不同模型间切换以适配编程、写作或推理需求。

然而，MoA和Sakana Fugu等技术的出现标志着范式转移：与其等待一个不存在的“万能模型”，不如让多个专精模型协作完成任务。

这种“编排（Orchestration）”趋势完美契合Agent的发展需求：
* 模型提供底层能力；
* Agent负责协调协作；
* 规划型模型负责思考，执行型模型负责落地。

尽管目前MoA面临推理成本较高、部分任务耗时增加的挑战，并非所有场景都适用，但随着推理成本下降和开源模型能力提升，多模型协作极有可能成为Agent时代的默认工作模式。

相关文章