Nous Research heeft zondag Hermes Mixture of Agents 2.0 uitgebracht, dat outputs van meerdere grote taalmodellen combineert, waaronder GPT, Claude en DeepSeek, 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 opensource-structuur.
Hoe het systeem werkt
Hermes MoA 2.0 fungeert als een ensemblelaag. Het bevraagt meerdere basismodellen parallel, verzamelt hun outputs en synthesizeert een definitief antwoord. De benadering, bekend als Mixture of Agents, behandelt afzonderlijke AI-modellen als gespecialiseerde bijdragers in plaats van één enkel model te vereisen dat elke taak zelfstandig afhandelt.
Gebruikers kunnen configureren welke modellen meedoen in een bepaald ensemble. De standaardconfiguratie maakt gebruik van GPT, Claude en DeepSeek, drie modellen die verschillende trainingsfilosofieën en datacomposities vertegenwoordigen. Door hun outputs te bundelen, vangt MoA 2.0 complementaire sterke punten.
Benchmarkresultaten die bij de release zijn gedeeld, laten zien dat MoA 2.0 elk componentmodel afzonderlijk overtreft op taken rond redeneren, programmeren en het opvolgen van instructies. De voorsprong is aanzienlijk bij tests voor redeneren over lange trajecten, waar individuele modellen vaak hun samenhang verliezen.
Het framework blijft opensource, wat betekent dat onderzoekers en ontwikkelaars de architectuur kunnen inspecteren, basismodellen kunnen vervangen en het ensemble kunnen aanpassen voor specifieke use-cases.
Ook lezen: Anthropic verslaat OpenAI met waardering van $965 mrd terwijl AI-financieringsrace reset
Open-weight labs zetten in op agent-orkestratie
Nous Research heeft een reputatie opgebouwd met open-weight modelreleases gericht op de onderzoekscommunity. Het oorspronkelijke Hermes Agent-framework legde begin 2026 een basis voor multimodel-orkestratie.
De bredere context is een versnellende ontwikkelcyclus rond open-weight AI. Z.ai publiceerde GLM-5.2 begin juli 2026 en positioneerde dit als een open-weight codeermodel voor engineerstaken over lange trajecten. De release past in een patroon waarin open-weight labs specifieke vaardigheidsdomeinen targeten waar gesloten modellen een reputatievoordeel hebben.
Ook lezen: Experts zeggen dat het 5%-belang van OpenAI AI dieper onder staatscontrole zou brengen
De voormalige technisch leider van Qwen, Junyang Lin, betoogde eind juni 2026 publiekelijk dat agentische systemen de juiste volgende stap in AI-ontwikkeling vormen. Dat betoog sluit aan bij de ontwerpfilosofie achter MoA 2.0, dat agents en modelcombinaties ziet als een pad naar capaciteitswinsten die individuele trainingsruns niet eenvoudig kunnen repliceren.
De release van Hermes MoA valt ook samen met een actief debat in de AI-onderzoekscommunity over de juiste rol van foundation-modellen versus agentlagen.
Andrej Karpathy waarschuwde eerder deze week dat agent-first ontwikkeling het risico loopt fouten uit eerdere onderzoeksfases van OpenAI te herhalen. De aanpak van Nous Research probeert een middenweg te vinden, door sterke foundation-modellen als input te gebruiken en daarbovenop een orkestratielaag toe te voegen.
Ook lezen: OpenAI mikt op $1 biljoen IPO terwijl Microsoft de grootste troef in handen heeft
Waarop te letten
Hermes MoA 2.0 is nog niet getest tegen de meest recent uitgebrachte frontier-modellen. Claude Sonnet 5 en bijgewerkte GPT-varianten die medio 2026 zijn verschenen kunnen het benchmarkbeeld veranderen. Nous Research heeft geen formeel academisch artikel bij de release gepubliceerd.
De praktische betekenis voor ontwikkelaars is duidelijk. Een opensource-tool die aantoonbaar beter presteert dan benchmarks van gesloten modellen door ze te combineren, verlaagt de drempel voor onderzoeksteams om toegang te krijgen tot toprekenkracht voor redeneren zonder voor elke inferentiecall de API-kosten van frontier-modellen te betalen.
Voor de AI-sector versterkt MoA 2.0 het argument dat modeldiversiteit, in plaats van één dominerend model, de volgende fase van AI-uitrol kan bepalen. Let in de komende maanden op reacties van OpenAI en Anthropic op ensemble-gebaseerde benaderingen.
Lees verder: Het tweeledige Trump-Anthropic-beleid dat het Witte Huis niet uitlegt