Сравнивать поколения по общим показателям бессмысленно: цифры в карточках моделей меняются, а вопрос у читателя обычно узкий. Если вы пришли за ответом «какое поколение брать под агента», важны ровно два свойства: держит ли модель формат вызова инструментов и следует ли она системному промпту на протяжении длинной цепочки.
Всё остальное — эрудиция, стиль, поведение в свободном разговоре — на агентных задачах вторично, потому что агент это система, где системный промпт содержит описания инструментов и правила поведения, а от модели требуется дисциплина, а не изобретательность.
Сразу дисциплинирующая оговорка. Речь идёт о весах моделей от Nous Research, а не об одноимённом агентном фреймворке Hermes Agent — это разные проекты; разбор путаницы в материале про три разные вещи под именем Hermes. И отдельно: Persona не работает ни на тех, ни на других — это обзор чужого продукта.
Сведения приведены по состоянию на 25.08.2026 и в значительной части требуют проверки: линейка обновляется, а карточки моделей — единственный достоверный источник на момент скачивания.
#Что общего у поколений
Прежде чем про различия — про то, что не меняется, потому что это и определяет большую часть опыта.
Оба поколения — дообучения поверх чужих базовых моделей. Это значит, что архитектура, требования к памяти и размер контекстного окна унаследованы от базы, а не заданы автором дообучения. Общая механика семейства разобрана в обзоре моделей Nous Hermes.
Оба ориентированы на послушность: следовать инструкции пользователя, держать заданную роль, реже отказываться. Оба требуют правильного шаблона чата — и оба дают невнятный результат, если шаблон применён неверно.
#Таблица различий
Все строки требуют проверки на момент чтения; конкретные размеры и базы для конкретных сборок смотрите в карточках.
| Свойство | Hermes 3 | Hermes 4 |
|---|---|---|
| База | Одно семейство базовых моделей | Несколько разных баз |
| Разброс размеров | От компактных до крупных | Шире, зависит от базы |
| Режим рассуждений | Обычный ответ | Заявлен режим с развёрнутым размышлением |
| Однородность линейки | Выше | Ниже: сборки различаются сильнее |
| Предсказуемость выбора | Проще | Сложнее: надо смотреть базу |
Строка про однородность важнее остальных с практической точки зрения. Когда линейка построена на одной базе, опыт с одной сборкой переносится на другую. Когда баз несколько, две модели с одинаковым номером поколения могут вести себя по-разному — и разница будет в базе, а не в дообучении.
Строка про режим рассуждений — самая спорная, и с ней стоит быть осторожным. Заявленная возможность выдавать развёрнутый ход рассуждения перед ответом полезна для сложных задач и вредна для агентных цепочек, если рассуждение попадает в контекст следующего шага: оно занимает место, которое нужно наблюдениям. Проверять надо не наличие режима, а то, можно ли его выключить и не мешает ли он парсеру вызовов.
#Пригодность для агентных задач
Оценка по трём вопросам, каждый из которых проверяется на вашем стенде за полчаса.
Держит ли формат вызова. Ключевой вопрос. Прогоните двадцать запросов, где инструмент нужен очевидно, и посчитайте долю вызовов, которые парсер не смог разобрать. Это единственная честная метрика, и она зависит не только от поколения, но и от квантизации: агрессивно сжатая сборка ошибается в структурированном выводе заметно чаще. Механика самого протокола вызова — в материале про function calling.
Не теряет ли системный промпт. Задайте в системном промпте узнаваемое правило — например, отвечать с определённым префиксом — и проверьте, соблюдается ли оно на шестом шаге цепочки, а не только на первом. Потеря системного промпта в длинном контексте встречается чаще, чем принято думать, и именно она выглядит как «модель поглупела к концу разговора».
На каком шаге разваливается цепочка. Прогоните многошаговую задачу десять раз и посмотрите, где стабильно ломается формат. Это даёт вам рабочий предел длины цепочки для конкретной сборки. Общие закономерности по размерам — в материале про пределы агентов на маленькой локальной модели.
Обобщённый ответ, который можно дать честно: более новое поколение обычно не хуже, но выигрыш на агентных задачах определяется конкретной сборкой и её базой сильнее, чем номером поколения. Переход с одной сборки на другую внутри поколения может дать больший эффект, чем переход между поколениями.
#Слабые стороны обоих поколений
Название не определяет поведение. Одно и то же поколение на разных базах даёт разный результат. Ориентироваться на номер — ошибка, ориентироваться надо на пару «поколение плюс база».
Шаблон чата легко применить неправильно. Симптом одинаков для обоих поколений: ответы формально осмысленные, но системный промпт как будто не читается. Разбор — в руководстве по локальному запуску Hermes.
Квантизация влияет на формат сильнее, чем на текст. Сжатая сборка может писать нормальную прозу и при этом регулярно ломать структуру вызова. Если формат «внезапно» ухудшился — проверьте, не сменился ли уровень сжатия.
Заявленные свойства не заменяют проверки. Ни одно утверждение из карточки модели не отменяет необходимости прогнать двадцать своих запросов и посчитать долю сломанных вызовов.
#Лицензия и ограничения
Отдельный раздел, потому что здесь между поколениями есть содержательная разница.
Пока линейка построена на одной базе, лицензия у всех сборок поколения одинаковая. Как только баз становится несколько, лицензия перестаёт быть свойством поколения и становится свойством конкретной сборки.
Практический вывод: для более нового поколения проверять лицензию надо у каждой скачанной модели отдельно, а не один раз для всей линейки. И общее правило: «открытые веса» и свободная лицензия — разные вещи, возможность скачать файл сама по себе ничего не разрешает.
#Кому что подойдёт
- Если у вас работает сборка предыдущего поколения и вас всё устраивает — менять её ради номера не нужно. Выигрыш от смены поколения на агентных задачах не гарантирован и обычно меньше, чем от правильной настройки шаблона и описаний инструментов.
- Если вы начинаете с нуля — берите самое свежее из того, что помещается в вашу память, и проверяйте на своих сценариях.
- Если вам нужен режим развёрнутого рассуждения — проверьте прежде всего, выключается ли он и не мешает ли он разбору вызовов инструментов.
- Если вы строите коммерческий продукт — начинайте с лицензии конкретной базы, и только потом смотрите на поведение.
Отдельно: если вы сравниваете поколения, потому что агент не работает вовсе, — скорее всего дело не в поколении. Проверьте описания инструментов, шаблон чата и длину цепочки, прежде чем менять веса.
#Частые вопросы
#Стоит ли переходить с Hermes 3 на Hermes 4?
Только если у вас есть измеренная проблема, которую новое поколение решает. На агентных задачах выигрыш определяется конкретной сборкой и её базой сильнее, чем номером поколения, поэтому смена версии ради версии обычно не окупает время на перенастройку.
#Чем режим рассуждения полезен и чем вреден?
Полезен на задачах, где нужен разбор перед ответом. Вреден в агентных цепочках, если ход рассуждения попадает в контекст следующего шага: он занимает место, нужное наблюдениям, и может сбивать парсер вызовов. Проверять надо возможность его отключить.
#Как понять, какая база у скачанной сборки?
По карточке модели у автора дообучения. Это не формальность: база определяет требования к памяти, размер контекстного окна и лицензию. Две сборки с одинаковым номером поколения и разными базами — по сути разные модели.
#Влияет ли поколение на качество вызова инструментов?
Влияет, но не является главным фактором. На практике сильнее влияют уровень квантизации, правильность шаблона чата и качество описаний инструментов. Измерять надо долю вызовов, которые не смог разобрать парсер, на ваших собственных запросах.
#Persona использует какое-то из этих поколений?
Ни одно. Persona не поставляет и не использует веса Nous Hermes: модель подключает сам пользователь — свою Ollama или ключ облачного провайдера. Совпадение имени с нашей внутренней документацией разобрано отдельно.
#Где брать актуальные данные о версиях?
В карточках моделей на момент скачивания. Любой обзор, включая этот, отражает состояние на дату написания и устаревает быстрее, чем выходят новые сборки, — поэтому конкретные размеры, базы и лицензии здесь помечены как требующие проверки.
#Вывод
Между поколениями Hermes есть содержательная разница, но для агентных задач она перекрывается разницей между конкретными сборками: база, квантизация и шаблон чата влияют сильнее номера версии.
Если у вас что-то работает — не меняйте ради номера. Если начинаете — берите свежее из того, что помещается в память, и измеряйте долю сломанных вызовов на двадцати своих запросах. Это полчаса работы и единственный ответ, который что-то значит для вашей задачи.