Hermes上线MoA功能！比Opus 4.8和GPT-5.5还猛

顶尖闭源模型接连被禁，而单打独斗的模型又总有搞不定的事情，那想要高质量输出结果的用户该怎么办？

最近，Hermes Agent上线了MoA（Mixture of Agents）功能，允许用户自由组合多种模型当作一个虚拟模型来用。在Nous Research即将发布的基准测试中，这个混合模型的评分竟然超过了Opus 4.8和GPT-5.5。

Fable 5、Mythos 5被禁，多模型组合成为潮流

Nous Research在官推上说了这样一句话：“最强大的模型是受限的，只有少数人才能获得访问权限。”这话明晃晃地指向了Fable 5等模型被封禁的事。在这种背景下，MoA的终极目标就清晰了——用开源模型的组合来达到顶尖闭源模型的水准。就像Hermes Agent联合创始人Teknium说的，他们正在测试各种开源模型组合，看看能不能用更便宜的模型达到Opus的水平。

这种多模型组合的思路，最近其实有不少实践。比如日本AI独角兽Sakana AI发布的Sakana Fugu系列编排器模型，会根据任务选择最优模型来处理，和MoA的思路非常相似。

而MoA的技术并非新鲜事。2024年6月，Together AI就发表过一篇论文叫《Mixture-of-Agents Enhances Large Language Model Capabilities》，核心是多LLM组合——每一层模型都会参考上一层模型的输出，再继续生成自己的回答。论文把模型分成了两类，也就是现在Hermes所用的参考模型和聚合模型。

具体来说，当用户提出问题时，参考模型会先分析判断，给出参考意见，然后由聚合模型综合判断，并调用工具执行具体任务。这里有一个关键点：参考模型只生成意见，不会使用任何工具，也不能执行任何命令。这种模式可以发挥不同模型的独特优势，让擅长规划的模型来提意见，让长于实践的模型去完成任务。

使用起来也很简单。以桌面版为例，在设置里点开模型选项，向下翻就能看到Mixture of Agents的选项，直接选择你想用的模型进行组合即可。默认是两个参考模型加一个聚合模型，当然也可以手动添加多个参考模型。

实测做游戏更丝滑，Token消耗量相差不大

有海外博主专门做了实测，用两种组合分别生成了游戏和交互页面。结果发现，使用MoA任务完成的时间并不一定会变长，而是会因模型选择不同而变化；同时，Token的消耗量也没有想象中那么恐怖。

博主先是测试了一个小游戏的制作——用Three.js开发一个原力海盗训练竞技场游戏。为了对比效果，他先用单一模型glm-5.2来测试，输入提示词：

Hermes花费了0.38美元，用时13分钟搞定了这个游戏。可以看到，单一glm-5.2生成的游戏整体效果不错，但在移动速度和流畅程度上存在一些问题——比如飞船很难躲避敌人的攻击，可玩性稍弱。

随后博主启用了MoA，用kimi-k2.6和minimax-m3做参考模型，glm-5.2做聚合模型，新开对话，输入同样的提示词。

这一次，Hermes花费了0.47美元，用时35分钟完成任务。价格比单一模型稍高，时间上翻了接近三倍。但MoA模式下的生成效果也明显更好，移动速度、流畅程度以及关卡合理性都比单一模型的输出强很多。

接着，博主又用顶尖闭源模型GPT-5.5进行了测试。这次是让Hermes生成一个可交互的动漫多元宇宙仪表盘，包括火影忍者、海贼王、龙珠等IP。对照组依旧是单一模型，使用GPT-5.5执行任务。由于是订阅制，博主直言没办法核算成本。

Hermes用了接近7分钟完成任务。设计的仪表盘中间的光球周围的光圈略显简单，缺少质感，但交互上非常流畅。

随后博主用了三个grok模型做参考模型，GPT-5.5为聚合模型进行同样的测试。出乎意料的是，MoA模式下的Hermes生成速度竟然更快，博主推测可能是用了grok快速模型的原因。

这次的生成结果明显更有质感，中间的光球设计感很强，整体交互非常丝滑，而且点击不同的星球还有远近景的切换。

结语：未来比拼的不只是模型

过去，大模型竞争几乎都是围绕着“谁家的模型更强”展开的，用户需要不断切换模型，在编程、写作、推理之间寻找最适合的那个。

但MoA、Sakana Fugu等已经在另一条路上前进：与其等待一个“万能模型”，不如让多个擅长不同能力的模型共同完成一项任务。

这种走向“编排”的趋势，其实刚好符合Agent的要求。模型是底层能力，Agent负责组织不同模型协作——让规划能力强的模型负责思考，让执行能力强的模型负责落地。

当然，目前MoA需要承担更高的推理成本，在部分任务上耗时也会明显增加，并不是所有场景都值得开启。但随着推理成本持续下降、开源模型能力不断提升，多模型协作很可能会成为Agent未来的默认工作方式。