Hermes 4 vs Hermes 3: o que mudou e qual escolher

O que mudou entre Hermes 3 e Hermes 4

Hermes 3, lançado pela Nous Research em 2024, era uma família de fine-tunes completos do Llama 3.1 em 8B, 70B e 405B. O foco era alinhamento neutro e capacidade de direção: um assistente forte e sem censura que fazia o que você pedia sem acrescentar opiniões próprias. Não raciocinava passo a passo por padrão. Respondia.

Hermes 4, lançado em agosto de 2025, é outro bicho. Vem em três tamanhos (14B em cima do Qwen 3, 70B e 405B em cima do Llama 3.1) e adiciona um modo de raciocínio híbrido no qual o modelo escolhe se pensa em traços <think>...</think> antes de responder. O corpus de pós-treinamento cresceu cerca de cinquenta vezes: de mais ou menos 1M de amostras e 1,2B de tokens no Hermes 3 para cerca de 5M de amostras e 60B de tokens no Hermes 4, misturando dados de raciocínio e não-raciocínio. O treinamento rodou em 192 GPUs NVIDIA B200.

Depois, em dezembro de 2025, a Nous lançou o Hermes 4.3 36B. Ele é baseado na arquitetura Seed-OSS-36B da ByteDance, estende o contexto para 512K tokens e foi pós-treinado inteiramente na rede descentralizada Psyche da Nous. Quase iguala o Hermes 4 70B em avaliações com metade dos parâmetros.

Se você roda o Hermes Agent com sua própria chave do OpenRouter ou direta da Nous, a escolha de modelo virou algo genuinamente interessante. Aqui está o que muda e como escolher.

A família Hermes 4 em resumo

Modelo	Base	Modo raciocínio	Melhor para
Hermes 4 14B	Qwen 3 14B	Sim	Inferência local, dispositivos edge, rascunhos baratos
Hermes 4 70B	Llama 3.1 70B	Sim	Cargas BYOK ajustadas em custo que precisam de qualidade real
Hermes 4 405B	Llama 3.1 405B	Sim	Raciocínio de fronteira: matemática, código, STEM difícil
Hermes 4.3 36B	Seed-OSS 36B	Sim	Trabalho com contexto de 512K, auto-hospedagem em uma GPU

Os quatro compartilham o mesmo truque de raciocínio híbrido: um único conjunto de pesos, um interruptor. Você não precisa manter um modelo de "raciocínio" separado de outro "instruct".

Raciocínio híbrido: o recurso que mais importa

No Hermes 3 você recebia uma resposta direta. Rápida, competente, resolvido.

No Hermes 4 você pode pedir qualquer um dos dois comportamentos no mesmo checkpoint. Com o modo raciocínio ativo, o modelo emite um bloco <think>...</think> com sua deliberação interna e depois a resposta final. Com o modo desligado, responde direto, como o Hermes 3 fazia.

Duas implicações para o uso dentro do Hermes Agent:

Você não precisa de dois slots de provedor. Aponte o BYOK para um único modelo Hermes 4 e alterne o modo por tarefa via system prompt ou convenção do wrapper. Mais barato e mais simples do que rotear entre modelos de raciocínio e não-raciocínio separados.
Você paga pelos tokens que o modelo gastou pensando. O modo raciocínio não é de graça. Um bloco <think> longo pode facilmente dobrar o custo de saída de uma pergunta difícil, então mantenha desligado para resumos rotineiros ou conversa casual.

Se quer entender melhor como um agente com raciocínio se comporta no dia a dia, nosso post sobre memória e skills do Hermes Agent mostra como os arquivos de memória mudam sobre o que o agente decide raciocinar.

Benchmarks: o que os números realmente dizem

No topo, o Hermes 4 405B em modo raciocínio reporta:

MATH-500: 96,3
AIME'24: 81,9
GPQA Diamond: 70,5
LiveCodeBench: 61,3

São números competitivos com o DeepSeek R1 671B e o Qwen 3 235B, em pesos abertos. A manchete do 96,3 no MATH-500 é real, mas trate como um teto para certo tipo de pergunta, não como promessa para qualquer prompt: em tarefas sem raciocínio o mesmo modelo se comporta mais como um Llama 3.1 405B bem ajustado do que como um raciocinador de fronteira.

O Hermes 4 70B perde alguns pontos nos benchmarks duros de raciocínio em troca de inferência cerca de seis vezes mais barata. O Hermes 4 14B é o modelo esquecido: é pequeno o bastante para rodar em uma única GPU de consumo e mantém o raciocínio híbrido, o que é raro nesse tamanho.

O Hermes 4.3 36B é o mais interessante de acompanhar. A Nous reporta que ele quase iguala o Hermes 4 70B com metade dos parâmetros, graças à base Seed-OSS maior e ao pós-treinamento distribuído sobre a Psyche. Também tem 512K de contexto, algo que o 70B não oferece.

Qual rodar no Hermes Agent

O Hermes Agent é agnóstico ao modelo. Você escolhe no config.yaml ou pela configuração do OpenRouter no Hermes Agent, e o arnês cuida do resto. Regra prática para usuários BYOK:

Resumo de contexto longo, memória de chat longa, revisão de código em arquivos grandes. Escolha o Hermes 4.3 36B. A janela de 512K é o fator decisivo. Nada mais na família compete aí.
Raciocínio duro: matemática, código novo, planejamento agêntico de muitos passos. Escolha o Hermes 4 405B em modo raciocínio. Desligue nos turnos rotineiros e ligue nos difíceis.
Modelo de uso diário ajustado em custo. Escolha o Hermes 4 70B. É o equilíbrio padrão. Boas respostas, preço razoável, e ainda entrega raciocínio híbrido se precisar.
Edge, local ou execuções offline. Escolha o Hermes 4 14B, ou o Hermes 4.3 36B se você tiver uma GPU mais parruda. Os GGUFs de 14B rodam confortavelmente em uma placa de gama média.
Você já tem um Hermes 3 funcionando e ele resolve seu trabalho. Não migre só por migrar. O Hermes 3 405B ainda é um assistente forte sem raciocínio. Mude só quando precisar de uma das quatro capacidades acima.

Para uma visão mais ampla sobre escolher a camada de provedor, veja nossa comparação de hosting vs auto-hospedagem do Hermes Agent. A escolha de modelo é em grande parte ortogonal a onde você roda o agente.

Como trocar de modelo no Hermes Agent

A troca é um ajuste de config, não um rebuild. No ~/.hermes/config.yaml:

model:
  provider: openrouter
  name: nousresearch/hermes-4-405b
  # Para acesso direto à Nous, use:
  # provider: nous
  # name: hermes-4-405b

Reinicie o gateway:

hermes gateway restart

Para o modo raciocínio, a maioria dos modelos Hermes 4 aceita uma flag reasoning: true ou enable_thinking: true do lado do provedor, ou você pode envolver seu prompt com uma diretiva <think> explícita no system prompt. Consulte a documentação do seu provedor antes de assumir o comportamento padrão.

Se você usa BYOK por um host gerenciado, a troca é ainda mais simples: mude a string do modelo no seu painel e envie uma nova mensagem. Sem reinício, sem rebuild de imagem.

Conclusão

De Hermes 3 para Hermes 4 há um salto maior do que o número de versão sugere. Você sai de um forte fine-tune do Llama 3.1 com capacidade de direção para uma família com raciocínio híbrido, benchmarks de fronteira competitivos, um pipeline de treinamento distribuído (4.3) e uma opção real de contexto longo. A migração é uma mudança de config se você já usa o Hermes Agent, e o ROI é maior em cargas com raciocínio real, contexto longo ou uma mistura dos dois.

Escolha o menor modelo da família que responda bem à sua pergunta mais difícil. Ligue o raciocínio só quando precisar. E fique de olho nos lançamentos da rede Psyche: o padrão do 4.3 (base menor, mais pós-treinamento, execução descentralizada) é quase certamente a forma dos próximos Hermes.

Comece com a Hermify se quiser que a troca de modelo seja um dropdown em vez de um arquivo de configuração, com um Hermes Agent rodando no Telegram enquanto você decide.