Nous Research bracht zondag Hermes Mixture of Agents 2.0 uit, een systeem dat de uitkomsten van meerdere grote taalmodellen, waaronder GPT, Claude en DeepSeek, combineert om reacties te produceren die beter scoren dan elk individueel model op standaardbenchmarks.
Volgens een rapport is MoA 2.0 een update van het bestaande Hermes Agent‑framework van Nous Research en behoudt het zijn open‑source‑structuur.
Hoe het systeem werkt
Hermes MoA 2.0 fungeert als een ensemblelaag. Het bevraagt meerdere basismodellen parallel, verzamelt hun uitkomsten en synthetiseert daaruit een definitieve reactie. De aanpak, bekend als Mixture of Agents, behandelt afzonderlijke AI‑modellen als specialistische bijdragers in plaats van één enkel model te laten proberen elke taak alleen af te handelen.
Gebruikers kunnen configureren welke modellen deelnemen aan een bepaald ensemble. De standaardconfiguratie maakt gebruik van GPT, Claude en DeepSeek, drie modellen die verschillende trainingsfilosofieën en datacomposities vertegenwoordigen. Door hun uitkomsten te bundelen, benut MoA 2.0 complementaire sterke punten.
Benchmarkresultaten die bij de release zijn gedeeld, laten zien dat MoA 2.0 elk afzonderlijk componentmodel overtreft op het gebied van redeneren, programmeren en het opvolgen van instructies. De voorsprong is betekenisvol bij tests voor langetermijnredeneren, waar individuele modellen vaak hun samenhang verliezen.
Het framework blijft open‑source, wat betekent dat onderzoekers en ontwikkelaars de architectuur kunnen inspecteren, basismodellen kunnen vervangen en het ensemble kunnen aanpassen voor specifieke gebruiksscenario’s.
Ook lezen: Anthropic steekt OpenAI voorbij met waardering van $965 mrd nu AI-investeringsrace opnieuw begint
Open‑weight labs zetten in op agent‑orkestratie
Nous Research heeft een reputatie opgebouwd met open‑weight modelreleases die gericht zijn op de onderzoeksgemeenschap. Het oorspronkelijke Hermes Agent‑framework legde begin 2026 een basis voor orkestratie met meerdere modellen.
De bredere context is een versnellende open‑weight AI‑ontwikkelcyclus. Z.ai publiceerde GLM‑5.2 begin juli 2026 en positioneerde dit als een open‑weight codemodel voor langlopende engineeringstaken. De release past in een patroon waarin open‑weight labs zich richten op specifieke vaardigheidsdomeinen waar gesloten modellen een reputatievoordeel hebben.
Ook lezen: Experts zeggen dat OpenAI's belang van 5% AI dieper onder staatscontrole zou brengen
De voormalige technisch leider van Qwen, Junyang Lin, stelde eind juni 2026 publiekelijk dat agentische systemen de juiste volgende stap in AI‑ontwikkeling vormen. Dat standpunt sluit aan bij de ontwerpfilosofie achter MoA 2.0, dat agents en modelcombinaties ziet als een pad naar vaardigheidswinst die afzonderlijke trainingsruns niet gemakkelijk kunnen evenaren.
De release van Hermes MoA komt ook op een moment van actief debat binnen de AI‑onderzoeksgemeenschap over de juiste rol van foundation‑modellen versus agent‑lagen.
Andrej Karpathy waarschuwde eerder deze week dat agent‑first‑ontwikkeling het risico loopt fouten uit eerdere onderzoekscycli van OpenAI te herhalen. De aanpak van Nous Research probeert een middenweg, door sterke foundation‑modellen als input te gebruiken en daarbovenop een orkestratielaag toe te voegen.
Ook lezen: OpenAI mikt op beursgang van $1 biljoen terwijl Microsoft de grootste troef in handen heeft
Waar op letten
Hermes MoA 2.0 is nog niet getest tegen de meest recente frontier‑modellen. Claude Sonnet 5 en bijgewerkte GPT‑varianten, uitgebracht medio 2026, kunnen het benchmarkbeeld veranderen. Nous Research heeft geen formeel academisch artikel bij de release gepubliceerd.
De praktische betekenis voor ontwikkelaars is duidelijk. Een open‑source hulpmiddel dat aantoonbaar beter presteert dan gesloten modelbenchmarks door deze te combineren, verlaagt de drempel voor onderzoeksteams om toegang te krijgen tot redeneringsvermogen van topniveau zonder voor elke inference‑call de API‑kosten van frontier‑modellen te moeten betalen.
Voor de AI‑industrie voegt MoA 2.0 gewicht toe aan het argument dat modeldiversiteit, in plaats van één dominant model, de volgende fase van AI‑uitrol kan bepalen. Let de komende maanden op reacties van OpenAI en Anthropic op ensemble‑gebaseerde benaderingen.
Lees verder: Het tweegezichte Trump‑Anthropic‑beleid dat het Witte Huis niet wil uitleggen