Nous Research lançou neste domingo o Hermes Mixture of Agents 2.0, um sistema que combina as respostas de vários grandes modelos de linguagem, entre eles GPT, Claude e DeepSeek, para gerar resultados que superam qualquer um desses modelos quando avaliados individualmente em benchmarks de referência.
Segundo um relatório, o MoA 2.0 é uma atualização do framework Hermes Agent da própria Nous Research e mantém sua estrutura de código aberto.
Como o sistema funciona
O Hermes MoA 2.0 funciona como uma camada de orquestração em ensemble. Ele consulta diversos modelos-base em paralelo, coleta as saídas e sintetiza uma resposta final. A abordagem, conhecida como Mixture of Agents (mistura de agentes), trata cada modelo de IA como um especialista, em vez de exigir que um único modelo dê conta de todas as tarefas sozinho.
O usuário pode configurar quais modelos vão participar de cada ensemble. A configuração padrão reúne GPT, Claude e DeepSeek, três modelos que refletem filosofias de treinamento e composições de dados distintas. Ao combinar essas saídas, o MoA 2.0 captura forças complementares.
Resultados de benchmark divulgados com o lançamento mostram que o MoA 2.0 supera cada modelo componente, isoladamente, em tarefas de raciocínio, programação e seguimento de instruções. O ganho é especialmente relevante em testes de raciocínio de longo prazo, onde modelos únicos tendem a perder coerência ao longo da interação.
O framework permanece open source, o que permite a pesquisadores e desenvolvedores inspecionar a arquitetura, trocar os modelos-base e adaptar o ensemble para casos de uso específicos.
Leia também: Anthropic supera OpenAI com valuation de US$ 965 bi e redefine disputa por funding em IA
Laboratórios de modelos abertos avançam em orquestração de agentes
A Nous Research consolidou sua reputação com o lançamento de modelos de peso aberto voltados à comunidade acadêmica e de pesquisa. O framework original Hermes Agent estabeleceu, ainda no início de 2026, uma referência para orquestração multimodelo.
O pano de fundo é um ciclo cada vez mais rápido de desenvolvimento de IA de peso aberto. A Z.ai publicou o GLM-5.2 no começo de julho de 2026, posicionando o modelo como uma alternativa aberta para tarefas de engenharia de software de longo horizonte. O movimento segue a tendência de laboratórios de peso aberto mirando nichos específicos de capacidade em que modelos fechados ainda detêm vantagem de reputação.
Leia também: Especialistas dizem que fatia de 5% na OpenAI aprofundaria controle estatal sobre IA
Junyang Lin, ex-líder técnico da Qwen, defendeu publicamente no fim de junho de 2026 que sistemas “agentes” são o próximo passo natural na evolução da IA. Essa visão dialoga diretamente com a filosofia por trás do MoA 2.0, que enxerga combinações de agentes e modelos como um caminho para ganhos de capacidade que não são facilmente alcançados com um único treino isolado.
O lançamento do Hermes MoA ocorre em meio a um debate intenso na comunidade de pesquisa em IA sobre qual deve ser o papel correto dos modelos fundacionais em relação às camadas de agentes.
Andrej Karpathy alertou, no início desta semana, que uma abordagem excessivamente centrada em agentes corre o risco de repetir erros de ciclos anteriores de pesquisa da OpenAI. A Nous Research tenta seguir uma via intermediária: usa modelos fundacionais robustos como insumo, mas adiciona por cima uma camada de orquestração.
Leia também: OpenAI mira IPO de US$ 1 trilhão enquanto Microsoft mantém o maior prêmio
O que acompanhar
O Hermes MoA 2.0 ainda não foi colocado à prova frente aos modelos de fronteira mais recentes. Claude Sonnet 5 e novas variantes de GPT, lançadas em meados de 2026, podem alterar o quadro dos benchmarks. A Nous Research também ainda não publicou um artigo acadêmico formal acompanhando o lançamento.
Para desenvolvedores, o impacto prático é direto. Uma ferramenta aberta que melhora, de forma demonstrada, benchmarks de modelos fechados ao combiná-los reduz a barreira para times de pesquisa acessarem capacidades de raciocínio de alto nível, sem arcar com o custo de APIs de modelos de fronteira em cada chamada de inferência.
Para o setor de IA, o MoA 2.0 reforça a tese de que a diversidade de modelos, e não um único modelo dominante, pode definir a próxima fase de adoção da tecnologia. Vale acompanhar como OpenAI e Anthropic vão responder, nos próximos meses, às abordagens baseadas em ensembles.
Próxima leitura: A política “duas caras” sobre a Anthropic ligada a Trump que a Casa Branca não explica