Nous Research lançou no domingo o Hermes Mixture of Agents 2.0, um sistema que combina as respostas de vários grandes modelos de linguagem, incluindo GPT, Claude e DeepSeek, para gerar saídas que superam qualquer modelo individual em benchmarks padronizados.
Segundo um relatório, o MoA 2.0 é uma atualização da estrutura Hermes Agent da própria Nous Research e mantém a filosofia de código aberto.
Como funciona o sistema
O Hermes MoA 2.0 atua como uma camada de ensemble. Ele consulta vários modelos base em paralelo, recolhe as respetivas respostas e sintetiza uma resposta final. A abordagem, conhecida como Mixture of Agents, trata cada modelo de IA como um especialista setorial, em vez de exigir que um único modelo assuma todas as tarefas.
Os utilizadores podem configurar quais os modelos que integram cada ensemble. A configuração padrão recorre a GPT, Claude e DeepSeek, três modelos com filosofias de treino e composições de dados distintas. Ao agregar as suas saídas, o MoA 2.0 procura capturar forças complementares.
Resultados de benchmark divulgados com o lançamento mostram o MoA 2.0 a superar cada um dos modelos componentes, isoladamente, em tarefas de raciocínio, programação e seguimento de instruções. A vantagem é particularmente relevante em testes de raciocínio de longo alcance, em que modelos únicos tendem a perder coerência.
O framework continua open source, permitindo a investigadores e developers inspecionar a arquitetura, trocar modelos base e adaptar o ensemble a casos de uso específicos.
Leia também: Anthropic ultrapassa OpenAI com avaliação de 965 mil milhões de dólares na nova fase da corrida pela IA
Laboratórios de open weights avançam na orquestração de agentes
A Nous Research consolidou uma reputação no lançamento de modelos com pesos abertos dirigidos à comunidade académica e de I&D. O framework original Hermes Agent estabeleceu, no início de 2026, uma referência para orquestração multimodelo.
O contexto mais amplo é um ciclo cada vez mais acelerado de desenvolvimento de IA com pesos abertos. A Z.ai lançou o GLM-5.2 no início de julho de 2026, posicionando-o como modelo de código com pesos abertos para tarefas de engenharia de longo prazo. O lançamento segue um padrão em que laboratórios de open weights atacam domínios de capacidades específicos, onde os modelos fechados detêm vantagens de reputação.
Leia também: Especialistas dizem que participação de 5% na OpenAI aprofundaria controlo estatal sobre a IA
Junyang Lin, antigo responsável técnico da Qwen, defendeu publicamente no final de junho de 2026 que sistemas “agénticos” são o passo certo seguinte na evolução da IA. Essa visão está alinhada com a filosofia de design do MoA 2.0, que vê combinações de agentes e modelos como um caminho para ganhos de capacidade difíceis de replicar apenas com novos ciclos de treino individuais.
O lançamento do Hermes MoA surge também num momento de debate intenso na comunidade de investigação em IA sobre o papel adequado dos modelos fundacionais face às camadas de agentes.
Andrej Karpathy alertou, no início desta semana, que uma estratégia excessivamente centrada em agentes pode repetir erros de ciclos anteriores de investigação da OpenAI. A Nous Research tenta posicionar-se numa via intermédia, usando modelos fundacionais robustos como inputs e acrescentando uma camada de orquestração por cima.
Leia também: OpenAI prepara IPO de 1 bilião de dólares enquanto Microsoft mantém o grande trunfo
O que acompanhar
O Hermes MoA 2.0 ainda não foi testado frente aos modelos de fronteira mais recentes. Claude Sonnet 5 e as versões atualizadas de GPT, lançadas em meados de 2026, podem alterar o quadro competitivo nos benchmarks. A Nous Research não publicou, para já, um artigo académico formal a acompanhar o lançamento.
Para developers, o impacto prático é evidente. Uma ferramenta open source que, ao combinar modelos fechados, melhora de forma demonstrável os seus resultados em benchmarks, reduz a barreira de acesso a capacidades de raciocínio de topo sem obrigar equipas de investigação a suportar custos de API de modelos de fronteira em todas as chamadas 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 adoção de IA. Vale a pena acompanhar a resposta de OpenAI e Anthropic a abordagens baseadas em ensembles nos próximos meses.
A seguir: A política ambígua sobre Trump e Anthropic que a Casa Branca evita explicar