Nous Research wypuściło w niedzielę Hermes Mixture of Agents 2.0, który łączy wyniki z wielu dużych modeli językowych, w tym GPT, Claude i DeepSeek, aby generować odpowiedzi przewyższające każdy pojedynczy model w standardowych benchmarkach.
Zgodnie z raportem MoA 2.0 jest aktualizacją istniejącego frameworka Hermes Agent od Nous Research i zachowuje jego otwartoźródłową strukturę.
Jak działa system
Hermes MoA 2.0 działa jako warstwa zespołowa (ensemble). Odpytuje równolegle kilka modeli bazowych, zbiera ich wyniki i syntetyzuje ostateczną odpowiedź. To podejście, znane jako Mixture of Agents, traktuje różne modele AI jako wyspecjalizowanych współtwórców zamiast wymagać, aby pojedynczy model obsługiwał każde zadanie samodzielnie.
Użytkownicy mogą konfigurować, które modele biorą udział w danym zespole. Domyślna konfiguracja wykorzystuje GPT, Claude i DeepSeek – trzy modele reprezentujące odmienne filozofie treningu i zbiory danych. Poprzez łączenie ich wyników MoA 2.0 wychwytuje komplementarne mocne strony.
Benchmarki udostępnione wraz z premierą pokazują, że MoA 2.0 przewyższa każdy model składowy z osobna w zadaniach związanych z rozumowaniem, kodowaniem i wykonywaniem instrukcji. Przewaga jest szczególnie widoczna w testach długoterminowego rozumowania, w których pojedyncze modele często tracą spójność.
Framework pozostaje otwartoźródłowy, co oznacza, że badacze i deweloperzy mogą analizować architekturę, wymieniać modele bazowe i dostosowywać zespół do konkretnych zastosowań.
Przeczytaj także: Anthropic wyprzedza OpenAI z wyceną 965 mld dol., gdy wyścig finansowania AI startuje od nowa
Laboratoria open-weight wchodzą w orkiestrację agentów
Nous Research zbudowało reputację dzięki publikowaniu modeli open-weight skierowanych do społeczności badawczej. Oryginalny framework Hermes Agent ustanowił wczesny punkt odniesienia dla orkiestracji wielu modeli na początku 2026 roku.
Szerszym kontekstem jest przyspieszający cykl rozwoju AI w paradygmacie open-weight. Z.ai opublikowało GLM-5.2 na początku lipca 2026, pozycjonując go jako model open-weight do kodowania dla długoterminowych zadań inżynierskich. Wydanie wpisuje się w schemat laboratoriów open-weight celujących w konkretne domeny kompetencji, w których modele zamknięte mają przewagę reputacyjną.
Przeczytaj także: Eksperci twierdzą, że 5‑procentowy udział OpenAI pogłębiłby kontrolę państwa nad AI
Były szef techniczny Qwen, Junyang Lin, publicznie argumentował pod koniec czerwca 2026, że systemy agencyjne są właściwym kolejnym krokiem w rozwoju AI. To stanowisko jest zgodne z filozofią projektową stojącą za MoA 2.0, które traktuje agentów i kombinacje modeli jako drogę do zysków wydajności, których pojedyncze przebiegi treningowe nie są w stanie łatwo odtworzyć.
Wydanie Hermes MoA zbiega się także z aktywną debatą w społeczności badawczej AI na temat właściwej roli modeli bazowych w porównaniu z warstwami agentów.
Andrej Karpathy ostrzegał na początku tygodnia, że rozwój „agent‑first” grozi powtórzeniem błędów z wcześniejszych cykli badawczych OpenAI. Podejście Nous Research próbuje pójść ścieżką środka, wykorzystując silne modele bazowe jako wejście, a na wierzchu dodając warstwę orkiestracji.
Przeczytaj także: OpenAI celuje w IPO o wartości 1 biliona dolarów, podczas gdy Microsoft trzyma najcenniejszą kartę
Na co zwrócić uwagę
Hermes MoA 2.0 nie został jeszcze przetestowany wobec najnowszych modeli granicznych. Claude Sonnet 5 i zaktualizowane warianty GPT wydane w połowie 2026 mogą zmienić obraz benchmarków. Nous Research nie opublikowało formalnego artykułu naukowego wraz z premierą.
Praktyczne znaczenie dla deweloperów jest jasne. Otwartoźródłowe narzędzie, które w sposób mierzalny poprawia wyniki zamkniętych modeli poprzez ich łączenie, obniża barierę wejścia dla zespołów badawczych chcących uzyskać dostęp do najwyższej klasy możliwości rozumowania bez płacenia kosztów API modeli granicznych za każde wywołanie.
Dla branży AI MoA 2.0 wzmacnia argument, że to różnorodność modeli, a nie jeden dominujący model, może zdefiniować kolejną fazę wdrażania AI. W nadchodzących miesiącach warto obserwować reakcje OpenAI i Anthropic na podejścia oparte na zespołach modelowych.
Czytaj dalej: Dwulicowa polityka Anthropic wobec Trumpa, której Biały Dom nie chce wyjaśnić