Nous Research أطلقت يوم الأحد إصدار Hermes Mixture of Agents 2.0، الذي يجمع مخرجات عدة نماذج لغوية كبيرة، من بينها GPT وClaude وDeepSeek، لإنتاج ردود تتفوق على أي نموذج منفرد في معايير التقييم القياسية.
ووفقًا لـتقرير، فإن MoA 2.0 هو تحديث لإطار Hermes Agent القائم لدى Nous Research، ويحافظ على طبيعته مفتوحة المصدر.
كيف يعمل النظام
يعمل Hermes MoA 2.0 كطبقة تجميع (ensemble). فهو يستعلم عدة نماذج أساسية بالتوازي، ويجمع مخرجاتها، ثم يصيغ استجابة نهائية موحَّدة. هذا الأسلوب، المعروف باسم Mixture of Agents، يتعامل مع النماذج المختلفة بوصفها مساهمين متخصصين، بدلًا من الاعتماد على نموذج واحد لتنفيذ كل مهمة بمفرده.
يمكن للمستخدمين ضبط النماذج التي تشارك في كل تجميع. الإعداد الافتراضي يعتمد على GPT وClaude وDeepSeek، وهي ثلاثة نماذج تمثل فلسفات تدريب وتركيبات بيانات مختلفة. ومن خلال تجميع مخرجاتها، يلتقط MoA 2.0 نقاط القوة المتكاملة بينها.
تُظهر نتائج المعايير التي نُشرت مع الإصدار أن MoA 2.0 يتفوق على كل نموذج مكوِّن بشكل منفصل في مهام الاستدلال والترميز واتباع التعليمات. كما أن هامش التفوق ملحوظ في اختبارات الاستدلال طويلة الأمد، حيث غالبًا ما تفقد النماذج المنفردة ترابطها.
يظل الإطار مفتوح المصدر، ما يعني أن بإمكان الباحثين والمطورين فحص المعمارية، واستبدال النماذج الأساسية، وتكييف التجميع لحالات استخدام محددة.
اقرأ أيضًا: قيمة Anthropic السوقية تتفوق على OpenAI لتصل إلى 965 مليار دولار مع إعادة تشكيل سباق تمويل الذكاء الاصطناعي
مختبرات النماذج المفتوحة تتجه إلى تنظيم الوكلاء
بنت شركة Nous Research سمعة في إصدارات النماذج مفتوحة الأوزان الموجهة إلى المجتمع البحثي. وقد أسس إطار Hermes Agent الأصلي خطًا أساسيًا لتنظيم عدة نماذج في وقت مبكر من عام 2026.
يأتي ذلك في سياق أوسع لدورة تسارع في تطوير نماذج الذكاء الاصطناعي مفتوحة الأوزان. فقد نشرت شركة Z.ai نموذج GLM-5.2 في أوائل يوليو 2026، وطرحته كنموذج ترميز مفتوح الأوزان لمهام هندسية طويلة الأمد. ويتبع هذا الإصدار نمطًا تتبعه مختبرات النماذج مفتوحة الأوزان، يستهدف مجالات قدرات محددة تتمتع فيها النماذج المغلقة بأفضلية سمعة.
اقرأ أيضًا: الخبراء يقولون إن حصة 5% من OpenAI قد تدفع الذكاء الاصطناعي إلى مزيد من سيطرة الدولة
جادل جون يانغ لين، القائد التقني السابق في Qwen، علنًا في أواخر يونيو 2026 بأن الأنظمة المعتمدة على الوكلاء تمثل الخطوة الصحيحة التالية في تطوير الذكاء الاصطناعي. ويتماشى هذا الطرح مع فلسفة التصميم وراء MoA 2.0، التي تتعامل مع الوكلاء وتركيبات النماذج بوصفها مسارًا لتحقيق مكاسب في القدرات لا يمكن لجلسات تدريب منفردة أن تكررها بسهولة.
يأتي إصدار Hermes MoA أيضًا وسط نقاش نشط في مجتمع أبحاث الذكاء الاصطناعي حول الدور الأنسب لنماذج الأساس في مقابل طبقات الوكلاء.
حذّر أندريه كارباثي في وقت سابق من هذا الأسبوع من أن التطوير المعتمد على الوكلاء أولًا قد يكرر أخطاءً من دورات بحث OpenAI السابقة. ويحاول نهج Nous Research أن يسلك مسارًا وسطًا، باستخدام نماذج أساس قوية بوصفها مدخلات، مع إضافة طبقة تنظيم فوقها.
اقرأ أيضًا: OpenAI تترقب طرحًا عامًّا أوليًّا بقيمة تريليون دولار بينما تحتفظ مايكروسوفت بأكبر مكسب
ما الذي يجب متابعته
لم يُختبر Hermes MoA 2.0 بعد في مواجهة أحدث النماذج المتقدمة على الحدود التقنية. فقد تصوغ Claude Sonnet 5 وإصدارات GPT المحدّثة التي طُرحت في منتصف 2026 صورة مختلفة لنتائج المعايير. ولم تنشر Nous Research ورقة أكاديمية رسمية مرافقة للإصدار.
تبرز الأهمية العملية للمطورين بوضوح؛ فأداة مفتوحة المصدر تُظهر تحسنًا ملموسًا على معايير النماذج المغلقة من خلال جمعها، تقلل الحاجز أمام فرق البحث للوصول إلى قدرات استدلال من الدرجة الأولى دون دفع تكاليف واجهات برمجة تطبيقات النماذج المتقدمة لكل استدعاء استدلال.
وعلى مستوى صناعة الذكاء الاصطناعي، يضيف MoA 2.0 وزنًا للحجة القائلة إن تنوع النماذج، وليس نموذجًا مهيمنًا واحدًا، قد يحدد المرحلة التالية من نشر الذكاء الاصطناعي. وينبغي مراقبة ردود OpenAI وAnthropic على الأساليب القائمة على التجميع في الأشهر المقبلة.
اقرأ التالي: سياسة Anthropic المزدوجة بشأن ترامب التي يرفض البيت الأبيض شرحها