Із Discord-каналу — у лідери відкритого ШІ: історія агента Hermes

Поки всі стежили за анонсами OpenAI, Google та Anthropic, головний застосунок року виріс там, де його ніхто не шукав, — у відкритому репозиторії на GitHub. Згідно з даними OpenRouter про використання ШІ-застосунків, першу сходинку щоденного рейтингу наразі посідає Hermes Agent від незалежної лабораторії Nous Research.

Станом на 18 червня 2026 року Hermes Agent пропускав близько 830 млрд токенів на добу — більш ніж утричі більше за найближчих конкурентів: Kilo Code (~257 млрд) і OpenClaw (~182 млрд). Важливо, що рейтинг OpenRouter відображає реальний оплачений трафік, — за цифрою стоять користувачі та реальні задачі. Проєкт має 197 000 зірок на GitHub і майже 1 500 контриб'юторів. І все це — за неповних три місяці після запуску.

Головна причина уваги користувачів — концепція self-improving AI. Hermes не чекає на вказівки в чаті, а працює як автономний співробітник, пам'ятає попередні завдання, створює власні скрипти автоматизації та інтегрується прямо у Telegram чи Discord. Розберемо, як влаштований цей інструмент, чому він злетів саме зараз — і де його реальні обмеження. Сергій Толмачов, Backend Developer в PawChamp поділився враженнями про цей інструмент.

Що таке Hermes Agent

Hermes Agent — це флагманський автономний ШІ-агент з відкритим кодом (під дозвільною MIT-ліцензією), створений лабораторією Nous Research. Це агентна оболонка, що вміє самонавчатися, володіє довготривалою пам'яттю та керує десятками вбудованих інструментів — від автоматизації браузера до написання коду.

Сама Nous Research — помітний гравець руху за відкритий ШІ: лабораторія відома лінійкою моделей Hermes (понад 55 млн завантажень на Hugging Face) і мережею децентралізованого навчання Psyche. У квітні 2025 року компанія закрила раунд Series A на $50 млн на чолі з фондом Paradigm за оцінкою близько $1 млрд; сумарно вона залучила приблизно $65 млн.

Від спільноти ентузіастів до компанії

Усе почалося не в офісах Кремнієвої долини, а у звичайному Discord-каналі. Nous Research зародилася як неформальне об'єднання однодумців, яких співзасновники описують як «друзяк із Discord», — людей зі спільною метою не дати гігантам монополізувати технологію й зберегти ШІ відкритим для всіх. Близько двох років тому ентузіазм переріс у повноцінну компанію.

Спочатку їхньою North Star було зробити розробку ШІ доступнішою. Команда зосередилася на академічних дослідженнях і пошуку способів зменшити колосальні витрати на навчання моделей, випускаючи оптимізовані відкриті моделі (перша серія Hermes), які стали популярними завдяки відсутності нав'язаних моралізаторських обмежень. Паралельно лабораторія досліджувала методи розподіленого навчання моделей через інтернет — на випадок, якщо колись спробують заборонити відкритий ШІ.

Ідея, що змінила підхід

Стало зрозуміло, що змагатися з техногігантами у ресурсах марно: великі компанії можуть наймати найкращих ШІ-інженерів за зарплати на рівні квотербеків NFL. Тоді Nous Research почали шукати асиметричну відповідь — так звані «1000-кратні хаки».

Однією з таких ідей стало рекурсивне самовдосконалення: коли ШІ-система сама проводить експерименти й допомагає тренувати наступні моделі, автоматизуючи роботу дорогих інженерів-дослідників. Щоб рухатися в цьому напрямі, компанія почала створювати внутрішній інструмент виключно для власної команди. Він і отримав робочу назву Hermes Agent.

Повна версія цієї ідеї — щоби ШІ сам перетреновував власні моделі — виявилася задачею на роки й лишилася дослідницьким горизонтом. Але сама спроба дала несподіваний робочий результат: агента, який самовдосконалюється не на рівні моделі, а на рівні власної поведінки. Замість переучувати «мозок», Hermes під час роботи нарощує бібліотеку навичок поверх нього — запам'ятовує вдалі способи розв'язання задач і повторно застосовує їх згодом.

Архітектура: як це працює на практиці

Кілька місяців команда користувалася агентом лише для внутрішніх потреб. Та щойно код відкрили для публіки — стався вибух: продукт влучив у потребу ринку.

Головна конкурентна перевага Hermes — він стає кращим, чим більше ви ним користуєтеся. «ШІ достатньо розумні, щоб просто бачити, що ми робимо, а потім з'ясувати, що їм слід робити. Ідея в тому, щоб не стояти на заваді у моделі, — пояснював Джефрі Кеснел (Jeffrey Quesnelle), співзасновник і CTO Nous Research, у подкасті Practical AI.

Архітектура та мінімалізм

Агент побудований на поділі ролей. ШІ-модель (наприклад, Llama) — це «мозок», який генерує токени. Оболонка Hermes — це «тіло», що дозволяє цим токенам матеріалізуватися в дії у реальному світі.

«Модель — це мозок. Платформа (harness) — це тіло. Краща платформа з гіршою моделлю може перемогти кращу модель із гіршою платформою, і обидві симбіотично працюють одна з одною», — розповідає Кеснел.

Розробники свідомо відмовилися від традиційного підходу, де кожна функція жорстко прописується. Натомість реалізовано програмний tool calling через команду execute_code, що дозволяє стискати складні багатокрокові пайплайни в один виклик моделі. В основі «тіла» лежить контроль над вебпростором (пошук, вилучення даних, браузинг, комп'ютерний зір, генерація зображень і TTS), доступний через єдину підписку Nous Portal. Решта складних функцій — набуті властивості, які модель розвиває самостійно.

Архітектура «всеядна»: агент сумісний із Nous Portal, OpenRouter (200+ моделей), прямими API Anthropic/OpenAI, локальними Ollama чи vLLM та фактично будь-яким іншим ендпоінтом.

Ієрархічна пам'ять

Hermes реалізує багатошарову систему пам'яті, що утворює замкнений цикл навчання:

• Агент створює й оновлює робочий портрет користувача — його вподобання та стиль комунікації.

• Повнотекстовий пошук SQLite FTS5 для миттєвого знаходження інформації між сесіями, підкріплений автоматичним ШІ-самаризацією.

• Періодичні підказки: система акуратно стимулює пам'ять моделі під час роботи.

Особливість у тому, що сама модель вирішує, коли витягти ті чи інші фрагменти пам'яті. Це означає, що з виходом розумніших базових моделей агент стає ще кращим у керуванні власною пам'яттю.

Система навичок через саморефлексію

Агент може створювати нові навички завдяки внутрішнім інструкціям. Він постійно здійснює «саморефлексію», що забезпечує автономне створення й удосконалення навичок прямо під час використання.

Наприклад, Кеснел попросив агента забронювати столик у ресторані Лас-Вегаса. Агент натрапив на капчі, обійшов їх, знайшов прихований API ресторану й витратив на це 30-45 хвилин. Зрозумівши, що досяг успіху, він автоматично зберіг цей алгоритм як нову навичку — і наступного дня виконав схоже бронювання миттєво. 

Навички портативні: користувачі можуть ділитися напрацюваннями та завантажувати чужі. Втім, саме тут починаються й ризики. По-перше, агент, що дистилює навички з власного досвіду, може так само впевнено закріпити й помилку. Навичка, виведена з рішення, яке спрацювало випадково, перетворюється на хибну відповідь, що автоматично застосовується до всіх майбутніх задач, схожих за патерном. На цей ризик вказують і в самій спільноті. По-друге, механізм обміну навичками зручний, але історія головного конкурента показова: OpenClaw у березні 2026 пережив дев'ять CVE за чотири дні (одну — з критичним рейтингом 9.9), а в його репозиторії навичок дослідники безпеки нарахували понад 340 шкідливих записів. Будь-який агент із публічним хабом навичок може успадковути цей клас ризиків.

Інтеграція корпоративного рівня

Окрім персонального використання, агент масштабується для бізнесу завдяки ізольованому багатокористувацькому режиму (multi-tenant). За потреби Hermes делегує й паралелізує роботу, миттєво створюючи ізольованих субагентів для паралельних потоків завдань. Він інтегрується з будь-яким MCP-сервером для розширення інструментарію.

Інженери Nous Research використовували агента для пошуку причин системних збоїв (наприклад, помилок 500). За місяць спільної роботи агент самостійно накопичив великий список навичок із дебагінгу — тепер звичайний співробітник підтримки може попросити його перевірити клієнтський акаунт і отримати готовий звіт. Для бізнес-процесів доступна вбудована автоматизація за розкладом (cron) із доставкою звітів на будь-яку платформу, а архітектура готова до досліджень: пакетна обробка даних, експорт траєкторій роботи та RL-навчання через інструмент Atropos.

Інфраструктурний мінімалізм: живе там, де й ви

Hermes працює всюди — від ноутбука до хмари — і доступний з будь-якого пристрою:

• Будь-яке середовище: 6 термінальних бекендів — local, Docker, SSH, Daytona, Singularity, Modal. Серверлес-рішення (Daytona, Modal) забезпечують serverless persistence: коли агент бездіє, середовище «засинає», зводячи витрати на інфраструктуру майже до нуля.

• 20+ платформ в одному гейтвеї: CLI, Email, SMS, Home Assistant, корпоративні месенджери (Slack, MS Teams, Google Chat, Mattermost) і майже всі популярні чати — Telegram, Discord, WhatsApp, Signal, Matrix, а також WeChat, DingTalk і Feishu.

Враження від використання

Протягом місяця використовую Hermes для автоматизації, планування, ресерчу та збору даних (зокрема дослідження тем, повʼязаних з маркетингом, оновленням політик, вивченням нових підходів). Поступово також інтегруємо його у наші робочі месенджери. Окрема цінна функція — щоденний моніторинг новин і дослідження актуальних тем: релізи нових моделей, що метчаться з нашими задачами, зміни в інструментах тощо. Корисне агент вносить у внутрішню базу знань в Obsidian, а також формує онбординг-плани й документацію, які потім стають у нагоді новим колегам.

Розгортання. Зайняло не більше 15 хвилин — від завантаження й інсталяції до конекту з моделями. README в розробників чіткий і покроковий, тож шанс помилитися на старті мінімальний. На початку перепробував чимало моделей: від звичних Claude Opus/Sonnet і GPT 5.4 до менш тривіальних Nemotron 3 Super (Nvidia) і Step 3.7 Flash. Зупинився на Claude і планую лишатися на ньому. 

Важливий нюанс: ще кілька місяців тому Claude можна було спокійно ганяти в сторонніх застосунках на кшталт Hermes, користуючись лімітами своєї підписки Pro/Max. 4 квітня 2026 року Anthropic почала блокувати використання підписки Claude (Pro/Max) у сторонніх застосункахх, і тепер усе, що звертається до Claude через сторонній harness, тарифікується окремо. Підписка, як і раніше, покриває лише офіційні Claude Code та Cowork. Тож чекаю оновлення, коли залежно від тарифу почнуть давати кредити на Claude SDK, щоби не йти в extra usage.

Як він розвивається. За задумом творців, агент стає кращим, чим більше ним користуєшся — і це не маркетинг. Якщо порівнювати найперші відповіді Hermes з поточними, то це будуть дві різні моделі: як за скілами та knowledge base, так і за загальними відчуттями під час взаємодії.

Що працює, а що ні. Найкорисніша порада від розробників: не давати покрокових інструкцій, а описувати кінцевий результат і критерії оцінки. Архітектурно агент постійно саморозвивається, тож зайвий мікроменеджмент радше шкодить — обмежує його й не дає розкритися. 

Безпека. Таких агентів краще не тримати на робочій машині: він ходить в інтернет і вільно тягне контент під ваш запит, а найбільший ризик тут — prompt injection, коли він виконує інструкції, зашиті в сторонньому джерелі (і не лише на вебсторінці, а в будь-якому контенті, який він читає). Як контрзахід — можна обмежити йому привілеї й контролювати вихідний трафік (навіть прочитавши секретний токен, без вільного egress агент його не зіллє), а для авторизації брати окремі сервісні акаунти без доступу до чутливих даних, а не основні відповідно.

Загалом наразі про Hermes складаються виключно позитивні враження. Це зовсім інший рівень роботи та можливостей агенту, порівняно з тим же OpenClaw.