Nous Research 最近给 Hermes Agent 更新了一个很有意思的能力：

MoA 预设现在可以直接作为“虚拟模型”来使用。

简单来说，以前我们使用 AI，通常是在 GPT、Claude、Gemini 这些模型里选择一个。

但 MoA（Mixture of Agents） 的思路不一样：

它不是让你只选择一个模型，而是让多个模型先分别思考，再由一个聚合模型整合它们的分析，生成最终答案。

也就是说：

你看到的仍然像是在调用“一个模型”，但背后其实是一组模型在协作。

为什么这件事值得关注？

因为现在最强的 AI 模型，使用门槛正在越来越高。

比如：

• 有些需要邀请才能使用；
• 有些存在区域限制；
• 有些价格非常高；
• 有些只开放给少数用户。

Hermes 这次的思路其实很直接：

既然单个最强模型不一定人人都能用，那就通过 Agent 框架，把多个公开可用的模型组合起来，尝试获得接近甚至超过顶级单模型的效果。

根据 Nous Research 官方公布的信息，在他们即将发布的 Benchmark 中，Hermes 的 MoA 预设表现：

• 相比 Opus 4.8 高约 8%；
• 相比 GPT 5.5 高约 11%。

当然，这里需要注意：

目前这些数据来自官方 Benchmark，具体测试方法、任务分布和完整结果还需要等待进一步公布。

但相比具体领先多少，我觉得这个方向本身更加值得关注。

AI 产品竞争的方式可能正在发生变化

过去，很多 AI 产品竞争的核心是：

“我接入了哪个最强模型？”

谁能接入最新的 GPT、Claude、Gemini，谁的产品能力似乎就更强。

但接下来，竞争点可能会逐渐变成：

谁能更好地组织多个模型，让它们协作完成复杂任务。

这其实也是 Agent 和普通 Chatbot 的一个重要区别。

普通 Chatbot

更像是：

一个模型接收问题，然后直接回答。

Agent

更像是一个调度系统。

它不仅可以调用模型，还可以：

• 调用工具；
• 保存上下文；
• 使用长期记忆；
• 执行代码和任务；
• 操作外部环境；
• 让多个模型进行分工；
• 汇总多个模型的结果。

因此，一个 Agent 的最终能力，并不完全取决于它背后的某一个模型。

Hermes 把 MoA 做成“虚拟模型”，这一步很关键

过去，多模型协作通常意味着需要自己配置：

用户问题
   ↓
模型 A 分析
模型 B 分析
模型 C 分析
   ↓
聚合模型
   ↓
最终答案

对于普通用户来说，这种工作流显然太复杂。

而 Hermes 现在把整个流程封装成了一个 MoA Preset。

用户看到的体验可能只是：

GPT
Claude
Gemini
Hermes MoA

像切换普通模型一样，直接切换到 MoA。

但它背后执行的其实是：

多个模型并行思考
        ↓
结果汇总与比较
        ↓
聚合模型重新推理
        ↓
最终答案

这样一来，用户不需要理解复杂的 Agent 工作流，也不需要自己配置多个模型。

多模型协作，被包装成了一个可以直接调用的“虚拟模型”。

这可能是 AI Agent 接下来很重要的趋势

未来，AI 能力未必全部依赖某一个“超级模型”。

更可能是：

模型 + 工具 + 记忆 + 执行环境 + 多模型协作

共同组成一个完整的 AI 系统。

单个模型负责“思考”，而 Agent 负责：

调度、协作、执行和整合。

所以未来我们使用的，可能不再只是：

“某一个 AI 模型”

而是一个由多个模型组成的：

AI 工作组

不同模型负责不同任务，再由 Agent 统一协调。

这可能才是 Agent 真正有意思的地方。