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.
Segundo um relatório, o MoA 2.0 é uma atualização da estrutura Hermes Agent existente da Nous Research e preserva sua natureza open source.
Como o sistema funciona
Hermes MoA 2.0 funciona como uma camada de conjunto (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 conjunto. A configuração padrão utiliza GPT, Claude e DeepSeek, três modelos que representam diferentes filosofias de treinamento e composições de dados. Ao reunir suas saídas, o MoA 2.0 captura pontos fortes complementares.
Resultados de benchmark divulgados com o lançamento mostram o MoA 2.0 superando cada modelo componente individualmente em tarefas de raciocínio, programação e seguimento de instruções. A margem é significativa em testes de raciocínio de longo horizonte, nos quais modelos isolados frequentemente perdem coerência.
A estrutura permanece open source, o que significa que pesquisadores e desenvolvedores podem inspecionar a arquitetura, substituir modelos base e adaptar o conjunto para casos de uso específicos.
Também leia: Anthropic supera OpenAI com avaliação de US$ 965 bi enquanto corrida de financiamento em IA recomeça
Laboratórios de pesos abertos avançam em orquestração de agentes
A Nous Research construiu uma reputação com lançamentos de modelos de pesos abertos voltados para a comunidade de pesquisa. A estrutura original Hermes Agent estabeleceu um ponto de partida para orquestração multi‑modelo no início de 2026.
O contexto mais amplo é um ciclo acelerado de desenvolvimento de IA de pesos abertos. A Z.ai lançou o GLM-5.2 no início de julho de 2026, posicionando-o como um modelo de programação de pesos abertos para tarefas de engenharia de longo horizonte. O lançamento segue um padrão de laboratórios de pesos abertos mirando domínios específicos de capacidade em que modelos fechados mantêm vantagens de reputação.
Também leia: 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 à 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 adequado de modelos de base em comparação com camadas de agentes.
Andrej Karpathy alertou no início desta semana que o 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 no topo.
Também leia: OpenAI mira IPO de US$ 1 trilhão enquanto Microsoft mantém o maior prêmio
O que observar
Hermes MoA 2.0 ainda não foi testado contra os modelos de fronteira mais recentes. Claude Sonnet 5 e variantes atualizadas do GPT lançadas em meados de 2026 podem alterar o quadro 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 que equipes de pesquisa acessem capacidade de raciocínio de alto nível 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 de OpenAI e Anthropic a abordagens baseadas em conjuntos nos próximos meses.
Leia a seguir: A política de duas caras de Trump sobre a Anthropic que a Casa Branca não explica