Nous Research lançou no domingo o Hermes Mixture of Agents 2.0, que combina saídas de vários grandes modelos de linguagem, incluindo GPT, Claude e DeepSeek, para produzir respostas que superam qualquer modelo individual em benchmarks padrão.
De acordo com um relato, o MoA 2.0 é uma atualização do framework Hermes Agent existente da Nous Research e preserva a sua estrutura open source.
Como o sistema funciona
Hermes MoA 2.0 funciona como uma camada de ensemble. Ele consulta vários modelos base em paralelo, coleta suas saídas e sintetiza uma resposta final. A abordagem, conhecida como Mixture of Agents, trata modelos de IA distintos como contribuintes especialistas, em vez de exigir que um único modelo lide sozinho com todas as tarefas.
Os usuários podem configurar quais modelos participam de um determinado ensemble. A configuração padrão utiliza GPT, Claude e DeepSeek, três modelos que representam filosofias de treinamento e composições de dados diferentes. Ao reunir suas saídas, o MoA 2.0 captura pontos fortes complementares.
Resultados de benchmark compartilhados com o lançamento mostram o MoA 2.0 superando cada modelo componente individualmente em tarefas de raciocínio, programação e seguimento de instruções. A diferença é significativa em testes de raciocínio de longo prazo, nos quais modelos únicos frequentemente perdem coerência.
O framework permanece open source, o que significa que pesquisadores e desenvolvedores podem inspecionar a arquitetura, trocar modelos base e adaptar o ensemble para casos de uso específicos.
Leia também: Anthropic supera OpenAI com avaliação de US$ 965 bi enquanto a corrida de financiamento em IA se redefine
Laboratórios de pesos abertos avançam em orquestração de agentes
A Nous Research construiu uma reputação por lançamentos de modelos com pesos abertos voltados para a comunidade de pesquisa. O framework Hermes Agent original estabeleceu um padrão inicial para orquestração multimodelo no começo de 2026.
O contexto mais amplo é um ciclo acelerado de desenvolvimento de IA com pesos abertos. A Z.ai publicou o GLM-5.2 no início de julho de 2026, posicionando-o como um modelo de programação com pesos abertos para tarefas de engenharia de longo prazo. O lançamento segue um padrão de laboratórios de pesos abertos que miram domínios de capacidade específicos em que modelos fechados mantêm vantagens de reputação.
Leia também: Especialistas dizem que participação de 5% do OpenAI empurraria a IA mais fundo para o controle estatal
Junyang Lin, ex-líder técnico da Qwen, argumentou publicamente no fim de junho de 2026 que sistemas agentic representam o próximo passo correto para o desenvolvimento de IA. Esse argumento se alinha com a filosofia de design por trás do MoA 2.0, que trata agentes e combinações de modelos como um caminho para ganhos de capacidade que execuções de treinamento individuais não conseguem replicar facilmente.
O lançamento do Hermes MoA também chega em meio a um debate ativo na comunidade de pesquisa em IA sobre o papel correto de modelos de base em comparação com camadas de agentes.
Andrej Karpathy alertou no início desta semana que um desenvolvimento centrado em agentes corre o risco de repetir erros de ciclos de pesquisa anteriores do OpenAI. A abordagem da Nous Research tenta um caminho intermediário, usando modelos de base fortes como entradas enquanto adiciona uma camada de orquestração por cima.
Leia também: OpenAI mira IPO de US$ 1 trilhão enquanto a Microsoft mantém o maior prêmio
O que observar
Hermes MoA 2.0 ainda não foi testado contra os modelos de fronteira lançados mais recentemente. Claude Sonnet 5 e variantes atualizadas do GPT lançadas em meados de 2026 podem alterar o panorama dos benchmarks. A Nous Research não publicou um artigo acadêmico formal junto com o lançamento.
O significado prático para desenvolvedores é claro. Uma ferramenta open source que melhora de forma demonstrável os benchmarks de modelos fechados ao combiná-los reduz a barreira para equipes de pesquisa acessarem capacidade de raciocínio de ponta sem pagar custos de API de modelos de fronteira para cada chamada de inferência.
Para a indústria de IA, o MoA 2.0 reforça o argumento de que a diversidade de modelos, e não um único modelo dominante, pode definir a próxima fase de implantação de IA. Observe as respostas da OpenAI e da Anthropic sobre abordagens baseadas em ensemble nos próximos meses.
Leia em seguida: A política de duas caras sobre Trump e Anthropic que a Casa Branca não explica