Hermes (Nous Research)

Hvad er Hermes?

Hermes er Nous Researchs flagskibslinje af finjusterede sprogmodeller. Det vigtige at forstå er, at Hermes ikke er en basemodel trænet fra bunden. I stedet er Hermes høj kvalitets finjusteringer (“instruct”- eller assistentmodeller) bygget oven på åbne basemodeller som Llama og Qwen.

Bag modellerne står Nous Research, et kollektiv og en organisation med fokus på open source og decentral AI. Deres tilgang er et godt eksempel på “finjusteringslaget” i det åbne økosystem: værdien Nous tilfører er træningen og alignment, ikke selve basearkitekturen. De tager en stærk åben model og gør den til en mere kompetent, styrbar assistent.

Hermes-modeller og -versioner

1. OpenHermes og Nous-Hermes (tidlige versioner). De første generationer, bygget oven på modeller som Llama 2 og Mistral. De etablerede Nous Research som et af de mest respekterede navne inden for finjusterede open source-modeller.
2. Hermes 2 og Hermes 2 Pro. Et kvalitetsspring med stærkere instruktionsfølge, function calling og struktureret output. Pro-varianterne lagde særlig vægt på værktøjsbrug og pålidelige svar i et fast format.
3. Hermes 3 (2024). Bygget oven på Llama 3.1 i størrelser som 8B, 70B og 405B. En markant modnet udgave med fokus på styrbarhed, ræsonnement og agentiske evner.
4. Hermes 4 (2025). Igen bygget oven på Llama 3.1, i størrelser som 14B, 70B og 405B. Den introducerede hybrid ræsonnement, hvor modellen kan slå et eksplicit tænketrin til, når opgaven kræver dybere overvejelse.

Hvad gør Hermes anderledes?

1. Styrbarhed og neutralitet. Hermes er kendt for at være mere neutral og mindre kraftigt filtreret end mange virksomhedsmodeller. Den gør i højere grad det, du beder den om, hvilket udviklere værdsætter når de skal bygge noget specifikt.
2. Stærk instruktionsfølge. Modellerne er trænet til at følge instruktioner præcist, også når opgaven er kompleks eller har flere trin.
3. Function calling og struktureret output. Hermes håndterer værktøjsbrug og kan returnere svar i faste formater som JSON, hvilket er afgørende når modellen skal indgå i et større system.
4. Fuld kontrol. Fordi vægtene er åbne, kan du køre Hermes helt selv og tilpasse den, uden at være afhængig af en leverandørs regler eller prissætning.

Hvordan bruges Hermes?

1. Download via Hugging Face. Hermes distribueres som open weight og hentes typisk fra Hugging Face, hvor alle versioner og størrelser ligger frit tilgængelige.
2. Lokal kørsel. Modellerne kan køres via Ollama, llama.cpp og vLLM på egen hardware. De mindre størrelser kører på en almindelig maskine, de store kræver kraftig GPU.
3. Som åben assistent. Mange udviklere bruger Hermes som en kompetent assistent de fuldt ud kan kontrollere, for eksempel i interne værktøjer eller produkter hvor data ikke må forlade eget miljø.
4. Som fundament for videre finjustering. Hermes kan selv bruges som udgangspunkt for yderligere finjustering til et bestemt domæne med egne data.

Vigtige overvejelser

1. Mere udviklermodel end færdigt produkt. Hermes er ikke en turnkey-løsning som en chat-app du bare logger ind på. Styrken er kontrol og tilpasning, og det forudsætter typisk en der kan opsætte og drive modellen.
2. Kvaliteten følger basemodellen. Fordi Hermes bygger oven på en basemodel, arver den både styrker og begrænsninger fra det fundament den er bygget på. En Hermes oven på Llama 3.1 er bundet af, hvad den underliggende model kan.
3. Ansvar for filtrering. Den lavere grad af filtrering er en fordel for kontrol, men betyder også at du selv står med ansvaret for, at modellen bruges forsvarligt i en forretningssammenhæng.