Hermes Agent набрал более 140 000 звёзд на GitHub и стал самым используемым агентом

Hermes Agent от Nous Research резко вырос в популярности: проект набрал более 140 000 звёзд на GitHub за менее чем три месяца и, по данным OpenRouter, на момент публикации стал самым используемым агентом. Этот спрос отражает продолжающийся интерес сообщества к агентным фреймворкам и делает Hermes заметным выбором для организаций, ориентированных на локальные always‑on решения. По задумке разработчиков Hermes — платформа для постоянно работающих локальных агентов: она интегрируется с мессенджерами, получает доступ к локальным файлам и приложениям, работает 24/7 и сохраняет выученные навыки, автоматически создавая и дорабатывая подзадачи как «скиллы». Архитектура заявлена как провайдер‑ и модель‑агностичная; Nous Research курирует и стресс‑тестирует каждый встроенный скилл, инструмент и плагин для повышения стабильности.

В основе инженерного подхода четыре ключевых принципа: «саморазвивающиеся» навыки, изолированные короткоживущие под‑агенты для отдельных подзадач (чтобы уменьшать необходимый контекст), акцент на надёжности поставки плагинов и активная оркестрация — платформа не реализована как «тонкая оболочка». Разработчики отмечают, что при использовании одинаковых моделей Hermes демонстрирует более устойчивые и качественные результаты благодаря постоянной на‑устройстве оркестрации задач.

В экосистеме моделей LLM важную роль играют Qwen 3.6 от Alibaba: версии 35B и 27B показывают производительность, сравнимую или превосходящую предыдущие крупные модели. Qwen 3.6 35B требует примерно 20 ГБ памяти, тогда как модели порядка ~120B занимают 70 ГБ и более. Версия 27B по точности сопоставима с 397B‑моделью Qwen 3.5, оставаясь при этом в 16 раз компактнее, что делает её выгодным выбором для локального и параллельного запуска.

Аппаратное сопровождение критично для опыта работы агентов: GPU серии RTX, RTX PRO‑рабочие станции и DGX Spark оптимизированы под постоянные локальные нагрузки. Tensor Cores ускоряют вывод, увеличивая пропускную способность и снижая задержки — это позволяет Hermes обрабатывать многошаговые задачи и дорабатывать скиллы за секунды вместо минут при запуске на соответствующем GPU. DGX Spark позиционируется как компактная платформа для круглосуточных агентных рабочих нагрузок: система предоставляет 128 ГБ объединённой памяти и около 1 петафлопа вычислительной мощности, что по заявлению производителя достаточно для непрерывного запуска 120‑миллиардных mixture‑of‑experts моделей. В сочетании с компактными моделями Qwen 3.6 это даёт возможность запускать эквивалентные по качеству модели в более экономичном и масштабируемом виде для одновременных задач.

В результате Hermes сочетает быстрый рост популярности с инженерными решениями и аппаратной оптимизацией, которые делают его подходящим вариантом для организаций и исследователей, ищущих стабильные локальные агенты с возможностью непрерывной работы и масштабирования.