Nous Research w niedzielę zaprezentowało Hermes Mixture of Agents 2.0 – system, który łączy odpowiedzi wielu dużych modeli językowych, w tym GPT, Claude i DeepSeek, by generować rezultaty przewyższające osiągi każdego z nich z osobna w standardowych testach porównawczych.
Jak wynika z raportu, MoA 2.0 to rozwinięcie dotychczasowego frameworka Hermes Agent od Nous Research, przy zachowaniu jego otwartoźródłowej struktury.
Jak działa system
Hermes MoA 2.0 pełni rolę warstwy zespołowej (ensemble). Równolegle odpytuje kilka modeli bazowych, zbiera ich odpowiedzi, a następnie syntetyzuje finalny wynik. To podejście, znane jako Mixture of Agents, traktuje różne modele AI jak wyspecjalizowanych „doradców”, zamiast wymagać, by pojedynczy model obsługiwał każde zadanie samodzielnie.
Użytkownik może skonfigurować, które modele wejdą w skład konkretnego „zespołu”. Domyślnie wykorzystywane są GPT, Claude i DeepSeek – trzy modele reprezentujące odmienne filozofie treningu i zbiory danych. Dzięki łączeniu ich odpowiedzi MoA 2.0 wykorzystuje komplementarne mocne strony każdego z nich.
Udostępnione wraz z premierą wyniki benchmarków pokazują, że MoA 2.0 wyraźnie przewyższa każdy z modeli składowych z osobna w zadaniach związanych z rozumowaniem, kodowaniem i wykonywaniem instrukcji. Największe różnice widać w testach długookresowego wnioskowania, w których pojedyncze modele często tracą spójność.
Framework pozostaje otwartoźródłowy, co pozwala badaczom i deweloperom swobodnie analizować architekturę, podmieniać modele bazowe i dostosowywać cały układ do konkretnych zastosowań.
Przeczytaj także: Anthropic przebija OpenAI z wyceną 965 mld dol., zmieniając układ sił w wyścigu o finansowanie AI
Laboratoria open-weight wchodzą w epokę orkiestracji agentów
Nous Research zbudowało pozycję jednego z głównych dostawców modeli z otwartymi wagami, adresowanych do środowiska naukowego. Oryginalny framework Hermes Agent wyznaczył wczesny standard dla orkiestracji wielu modeli już na początku 2026 r.
Szerzej wpisuje się to w przyspieszający cykl rozwoju AI z otwartymi wagami. Z.ai na początku lipca 2026 r. opublikowało GLM-5.2, pozycjonując go jako model open-weight do kodowania i długotrwałych zadań inżynieryjnych. To kolejny przykład strategii laboratoriów open-weight, które celują w wyspecjalizowane obszary kompetencji, gdzie zamknięte modele cieszą się dziś dominującą reputacją.
Przeczytaj także: Eksperci: 5-proc. udział państwa w OpenAI pogłębiłby kontrolę polityczną nad AI
Były szef działu technicznego Qwen, Junyang Lin, publicznie argumentował pod koniec czerwca 2026 r., że systemy agentskie są naturalnym kolejnym etapem rozwoju AI. Ta teza dobrze współgra z filozofią stojącą za MoA 2.0, które traktuje agentów oraz kombinacje modeli jako sposób na przyrost możliwości, trudny do osiągnięcia samą skalą pojedynczych treningów.
Premiera Hermes MoA zbiega się z ożywioną debatą w środowisku badawczym AI na temat właściwej roli modeli bazowych (foundation models) w porównaniu z warstwami agentów.
Andrej Karpathy ostrzegł na początku tygodnia, że strategia „agent-first” może prowadzić do powtarzania błędów z wcześniejszych cykli badań OpenAI. Nous Research próbuje obrać drogę pośrednią: korzysta z mocnych modeli bazowych jako wejścia, ale dodaje na nich warstwę orkiestracji.
Przeczytaj także: OpenAI mierzy w IPO za 1 bln dol., ale to Microsoft trzyma najcenniejsze karty
Na co warto zwrócić uwagę
Hermes MoA 2.0 nie został jeszcze porównany z najnowszą generacją modeli czołowych. Claude Sonnet 5 oraz zaktualizowane warianty GPT, wypuszczone w połowie 2026 r., mogą zmienić obraz benchmarków. Nous Research nie opublikowało też na razie pełnoprawnego artykułu naukowego towarzyszącego premierze.
Dla deweloperów praktyczny wymiar jest jednak jasny. Otwartoźródłowe narzędzie, które potrafi poprawić wyniki zamkniętych modeli poprzez ich łączenie, obniża barierę dostępu do najwyższej klasy możliwości wnioskowania, bez konieczności płacenia za każdy request po stawce frontierowego API.
W skali całej branży AI MoA 2.0 wzmacnia narrację, że o kolejnej fazie wdrożeń może decydować różnorodność modeli, a nie dominacja jednego giganta. W najbliższych miesiącach warto obserwować, jak na podejścia oparte na ensemble zareagują OpenAI i Anthropic.
Czytaj dalej: Dwulicowa polityka Anthropic wobec Trumpa, której Biały Dom nie chce wyjaśnić