Hermes MoA 2.0 融合GPT、Claude与DeepSeek，性能超越所有单一模型

Nous Research 发布 Hermes 混合专家系统 2.0

Nous Research 于上周日发布了 Hermes 混合专家系统 2.0（Hermes Mixture of Agents 2.0）。该系统整合了包括 GPT、Claude 和 DeepSeek 在内的多个大型语言模型的输出结果，生成的回答在标准基准测试中得分高于**单个模型。

根据相关报告，MoA 2.0 是对 Nous Research 现有 Hermes Agent 框架的升级，并保持其开源架构。

系统运作方式

Hermes MoA 2.0 作为一个集成层运行。它并行查询多个基础模型，收集它们的输出，然后综合生成**回答。这种被称为“混合专家系统”的方法，将不同的人工智能模型视为各具专长的贡献者，而非要求单个模型独自处理所有任务。

用户可以配置特定集成中参与工作的模型。默认配置使用了 GPT、Claude 和 DeepSeek，这三个模型代表了不同的训练理念和数据构成。通过汇集它们的输出，MoA 2.0 能够吸纳各方的互补优势。

发布时分享的基准测试结果显示，MoA 2.0 在推理、编程和指令遵循任务上均超越了其每一个组成模型。在长程推理测试中，这种优势尤为明显，而单个模型在此类测试中往往难以保持逻辑连贯性。

该框架保持开源，这意味着研究人员和开发者可以查看其架构、替换基础模型，并根据特定使用场景调整这个集成系统。

开放权重实验室推动智能体编排

Nous Research 因面向研究社区发布开放权重模型而闻名。其最初的 Hermes Agent 框架早在今年早些时候就为多模型编排建立了基线。

更广泛的背景是开放权重人工智能开发周期的加速。Z.ai 公司在 7 月初发布了 GLM-5.2，将其定位为面向长程工程任务的开放权重编程模型。这一发布遵循了开放权重实验室针对封闭模型拥有声誉优势的特定能力领域进行突破的模式。

Qwen 的前技术负责人林俊阳在 6 月底曾公开表示，智能体系统代表了人工智能发展的正确下一步。这一论点与 MoA 2.0 的设计理念不谋而合，该理念将智能体和模型组合视为获得能力提升的途径，而这种提升是单个训练轮次难以轻易复制的。

Hermes MoA 的发布也正值人工智能研究社区就基础模型与智能体层的正确角色展开激烈讨论之际。知名 AI 研究员 Andrej Karpathy 本周早些时候警告说，优先发展智能体的方法有重蹈 OpenAI 早期研究周期覆辙的风险。Nous Research 的做法试图走一条中间路线，即使用强大的基础模型作为输入，同时在其之上增加一个编排层。

值得关注的动向

Hermes MoA 2.0 尚未针对**发布的**模型进行测试。2026 年中发布的 Claude Sonnet 5 和更新的 GPT 变体可能会改变当前的基准测试格局。Nous Research 在发布时并未同时发布正式的学术论文。

对开发者而言，其实用意义是显而易见的。一个能够通过组合模型来切实提升封闭模型基准测试成绩的开源工具，**了研究团队获取**推理能力的门槛，他们无需为每次推理调用支付前沿模型的 API 费用。

对于整个人工智能行业，MoA 2.0 为一个论点增添了分量：即决定人工智能部署下一阶段的，可能不是单一的主导模型，而是模型的多样性。未来几个月，值得关注 OpenAI 和 Anthropic 对基于集成的方**作何反应。