Nous Research у неділю випустила Hermes Mixture of Agents 2.0, який поєднує відповіді кількох великих мовних моделей, зокрема GPT, Claude та DeepSeek, щоб формувати відповіді, які перевершують будь-яку окрему модель на стандартних бенчмарках.
Згідно з репортажем, MoA 2.0 — це оновлення наявного фреймворку Hermes Agent від Nous Research, яке зберігає його відкриту структуру.
Як працює система
Hermes MoA 2.0 функціонує як ансамблевий шар. Він звертається паралельно до кількох базових моделей, збирає їхні відповіді й синтезує фінальний результат. Підхід, відомий як Mixture of Agents, розглядає окремі AI‑моделі як спеціалізованих учасників, а не вимагає від однієї моделі розв’язувати всі завдання самостійно.
Користувачі можуть налаштовувати, які моделі беруть участь у конкретному ансамблі. Типова конфігурація залучає GPT, Claude та DeepSeek — три моделі, що уособлюють різні філософії навчання та склади даних. Об’єднуючи їхні результати, MoA 2.0 вловлює комплементарні сильні сторони.
Опубліковані разом з релізом результати бенчмарків показують, що MoA 2.0 перевершує кожну з компонентних моделей окремо в задачах міркування, програмування й слідування інструкціям. Відрив особливо помітний у тестах на довготривале міркування, де поодинокі моделі часто втрачають когерентність.
Фреймворк залишається відкритим, тож дослідники й розробники можуть вивчати архітектуру, замінювати базові моделі й адаптувати ансамбль під конкретні сценарії використання.
Також читайте: Anthropic випереджає OpenAI з оцінкою $965 млрд, коли перезапускається гонка інвестицій в AI
Лабораторії з відкритими вагами виходять в оркестрацію агентів
Nous Research здобула репутацію завдяки релізам моделей з відкритими вагами, орієнтованим на дослідницьку спільноту. Оригінальний фреймворк Hermes Agent заклав базовий рівень для оркестрації кількох моделей на початку 2026 року.
Ширший контекст — це прискорення циклу розробки AI з відкритими вагами. Z.ai опублікувала GLM-5.2 на початку липня 2026 року, позиціонуючи її як модель з відкритими вагами для кодування у довготривалих інженерних задачах. Цей реліз продовжує тренд, коли лабораторії з відкритими вагами націлюються на окремі домени можливостей, де закриті моделі мають репутаційну перевагу.
Також читайте: Експерти кажуть, що 5% частка OpenAI ще глибше занурить AI під контроль держави
Колишній технічний лід Qwen Цзюньян Лін наприкінці червня 2026 року публічно стверджував, що агентні системи є правильним наступним кроком розвитку AI. Цей аргумент узгоджується з філософією дизайну MoA 2.0, який розглядає агентів і комбінації моделей як шлях до зростання можливостей, що їх окремі тренувальні запуски не можуть легко відтворити.
Реліз Hermes MoA також відбувається на тлі активних дискусій у дослідницькій спільноті AI щодо правильної ролі базових моделей порівняно з агентними шарами.
Андрій Карпатий минулого тижня застеріг, що пріоритетний розвиток агентів ризикує повторити помилки ранніх дослідницьких циклів OpenAI. Підхід Nous Research намагається знайти золоту середину, використовуючи потужні базові моделі як вхідні, але додаючи над ними оркестраційний шар.
Також читайте: OpenAI націлена на IPO в $1 трлн, тоді як Microsoft утримує головний приз
На що звернути увагу
Hermes MoA 2.0 ще не тестували проти найновіших передових моделей. Claude Sonnet 5 та оновлені варіанти GPT, випущені в середині 2026 року, можуть змінити картину бенчмарків. Nous Research не опублікувала формальної наукової статті разом із релізом.
Практичне значення для розробників очевидне. Відкритий інструмент, який демонстративно покращує результати закритих моделей, поєднуючи їх, знижує бар’єр для дослідницьких команд у доступі до топового рівня міркування без необхідності сплачувати вартість API передових моделей за кожен запит.
Для AI‑індустрії MoA 2.0 підсилює аргумент, що саме різноманіття моделей, а не одна домінантна модель, може визначити наступну фазу розгортання AI. Варто стежити за реакцією OpenAI та Anthropic на підходи, засновані на ансамблях, у найближчі місяці.
Читайте далі: Подвійна політика Трампа щодо Anthropic, яку Білий дім не може пояснити