Nous Hermes 4: el modelo agéntico con razonamiento híbrido
Índice de contenidos
- Puntos clave
- ¿Qué novedades trae Hermes 4?
- ¿Cómo funciona el razonamiento híbrido y el modo thinking?
- ¿Qué capacidades agénticas y de herramientas ofrece?
- ¿Cómo ejecutar Hermes 4 en tu propia máquina?
- ¿En qué se diferencia Hermes 4 de Hermes 3?
- Preguntas frecuentes
- ¿Es Nous Hermes 4 gratis y de código abierto?
- ¿Qué hardware necesito para ejecutar Hermes 4?
- ¿En qué se diferencia el razonamiento híbrido de un modelo de razonamiento normal?
- Conclusión
- Fuentes
Hermes 4 es la familia de modelos open-weight de Nous Research que suma razonamiento híbrido a la receta agéntica de Hermes: un mismo modelo puede responder al momento o pararse a pensar con etiquetas <think> antes de contestar. Se publicó en agosto de 2025 en tres tamaños y conserva la llamada a herramientas que hizo famosa a la serie. En esta guía verás qué cambia respecto a Hermes 3, cómo funciona el modo thinking, sus capacidades para agentes y cómo ejecutarla en tu propia máquina. La misma explicación está disponible en inglés.
Puntos clave
- Hermes 4 es una familia de modelos de peso abierto que Nous Research publicó el 25 de agosto de 2025, en tres tamaños: 14B, 70B y 405B parámetros.
- Su gran novedad es el razonamiento híbrido: el modelo decide si responde directo o si abre un bloque
<think>…</think>para deliberar, algo que Hermes 3 no traía. - Sigue siendo un modelo agéntico: usa el formato de herramientas de Hermes (
<tool_call>) y trae analizadores automáticos integrados en vLLM y SGLang. - Cada tamaño parte de una base distinta: el 14B de Qwen3-14B (licencia Apache-2.0), y el 70B y el 405B de Llama 3.1 (licencia Llama3), con 131K tokens de contexto en el 70B.
- En modo razonamiento, el 405B marca cifras altas: 96,3 % en MATH-500, 70,5 % en GPQA Diamond y 81,9 % en AIME 2024, según el informe técnico de Nous.
¿Qué novedades trae Hermes 4?
Hermes 4 es la cuarta generación de la serie de modelos afinados de Nous Research, un colectivo que se dedica a coger modelos base abiertos y reentrenarlos para que sigan instrucciones, usen herramientas y respondan sin las restricciones de las versiones comerciales. La diferencia con Hermes 3 no está en un nuevo preentrenamiento, sino en el afinado: Hermes 4 es un trabajo de puro post-entrenamiento sobre modelos base ya existentes.
La familia llega en tres tamaños pensados para presupuestos de hardware distintos. El 14B es el más ligero y parte de Qwen3-14B con licencia Apache-2.0, la más permisiva de las tres. El 70B y el 405B parten de Llama 3.1 y heredan su licencia; el 405B suma unos 406.000 millones de parámetros y es el buque insignia. El 70B ofrece una ventana de contexto de 131.000 tokens, suficiente para documentos largos y conversaciones extensas.
Nous también amplió mucho los datos de afinado. El corpus de post-entrenamiento pasó de los cerca de un millón de muestras y 1.200 millones de tokens de Hermes 3 a unos 5 millones de muestras y 60.000 millones de tokens, mezclando datos con y sin razonamiento. Ese salto de escala es lo que sostiene la novedad principal del modelo.
¿Cómo funciona el razonamiento híbrido y el modo thinking?
El razonamiento híbrido significa que un único modelo hace dos cosas que antes exigían modelos separados. Cuando la pregunta es sencilla, responde directamente, sin gastar tokens de más. Cuando la tarea es compleja (matemáticas, código, lógica), abre un bloque de deliberación delimitado por etiquetas <think> y </think>, razona paso a paso dentro de él y solo después escribe la respuesta final. Es la misma idea que popularizaron modelos como DeepSeek-R1, pero integrada en un modelo abierto y con conmutador.
El comportamiento se controla desde el código. En la plantilla de chat, un indicador thinking=True (o una instrucción en el mensaje de sistema) activa la deliberación; con keep_cots=True decides si conservas o descartas la cadena de pensamiento en la salida. Así puedes usar el mismo modelo en modo rápido para un chatbot y en modo reflexivo para un agente que resuelve problemas difíciles, sin cambiar de peso ni de servidor.
Ese modo reflexivo es lo que dispara las cifras del 405B: 96,3 % en MATH-500, 78,1 % en AIME 2025 y 61,3 % en LiveCodeBench, todo medido con el razonamiento activado. Nous presenta además un dato llamativo en RefusalBench, una prueba de negativas indebidas: el 405B obtiene un 57,1 %, muy por encima del 17,67 % de GPT-4o y del 17 % de Claude Sonnet 4. Según Nous Research, Hermes 4 busca ser un modelo «neutralmente alineado» que obedece al usuario en lugar de rechazar peticiones legítimas.
¿Qué capacidades agénticas y de herramientas ofrece?
La marca de la casa en la serie Hermes es la llamada a herramientas, y Hermes 4 la mantiene intacta. El formato es XML: las firmas de las funciones disponibles se describen dentro de etiquetas <tools> en el mensaje de sistema, y cuando el modelo decide usar una, emite un objeto <tool_call> con el nombre y los argumentos. Este esquema es idéntico al de Hermes 3, así que el código de agentes escrito para la versión anterior funciona sin cambios.
Un fragmento de una llamada a herramienta se ve así de simple:
<tool_call>
{"name": "consultar_tiempo", "arguments": {"ciudad": "Madrid"}}
</tool_call>
Lo interesante es cómo se combina con el razonamiento híbrido: el modelo puede pensar dentro de un bloque <think>, decidir qué herramienta necesita y emitir la llamada, todo en el mismo turno. Para no tener que escribir el analizador a mano, Hermes 4 trae parsers de herramientas integrados en vLLM y SGLang, los dos motores de inferencia más habituales para modelos abiertos. Esa integración es lo que convierte a Hermes 4 en una base cómoda para agentes que consultan APIs, ejecutan código o leen bases de datos. Si vienes del function calling con Ollama, reconocerás el patrón, aunque el formato XML de Hermes es propio.
¿Cómo ejecutar Hermes 4 en tu propia máquina?
Al ser de peso abierto, puedes descargar Hermes 4 de Hugging Face y servirlo tú mismo. La vía recomendada para producción es vLLM, porque incluye el analizador de herramientas de Hermes de fábrica. Servir la variante de 70B con llamada a herramientas activada es una sola orden:
pip install vllm
# Sirve Hermes 4 70B con el analizador de herramientas de Hermes
vllm serve NousResearch/Hermes-4-70B \
--tool-call-parser hermes \
--enable-auto-tool-choice
El tamaño manda a la hora de elegir. El 405B necesita varias GPU de centro de datos incluso en la versión cuantizada FP8 que publica Nous, así que para la mayoría de la gente el 70B o el 14B son la opción realista. Para quien quiera probarlo con poco esfuerzo, la comunidad de LM Studio mantiene versiones GGUF cuantizadas que corren en un portátil potente. Si buscas máxima velocidad de servicio en producción, merece la pena leer cómo servir un LLM con vLLM; si prefieres el camino más sencillo en tu equipo, empieza por instalar Ollama y una variante GGUF. En OpenRouter, el 70B ronda los 0,13 $ por millón de tokens de entrada y 0,40 $ de salida, útil como referencia de coste si no quieres alojarlo.
¿En qué se diferencia Hermes 4 de Hermes 3?
La comparación con Hermes 3 deja clara la evolución. Hermes 3 era un buen modelo instructivo y agéntico, pero respondía siempre de un tirón, sin una fase de razonamiento explícita. Hermes 4 añade justo eso: el modo thinking con etiquetas <think>, que dispara el rendimiento en tareas de matemáticas, código y lógica sin renunciar a las respuestas rápidas cuando no hacen falta.
Hay otras diferencias que conviene tener presentes. Hermes 3 se construía solo sobre Llama; Hermes 4 incorpora una variante sobre Qwen3 (el 14B), lo que amplía las opciones de licencia. El volumen de datos de afinado se multiplicó por cinco, y las cifras en las pruebas de razonamiento suben de forma notable. Lo que no cambia es el formato de herramientas ni la filosofía de alineamiento neutral, de modo que migrar de Hermes 3 a Hermes 4 es más una mejora que una reescritura. Si nunca has usado la serie, Hermes 4 es hoy el punto de entrada recomendado.
Preguntas frecuentes
¿Es Nous Hermes 4 gratis y de código abierto?
Los pesos de Hermes 4 son abiertos y se descargan gratis de Hugging Face, pero la licencia depende del tamaño. El 14B, basado en Qwen3-14B, usa la licencia permisiva Apache-2.0. El 70B y el 405B parten de Llama 3.1 y heredan la licencia Llama3, que impone algunas condiciones de uso a gran escala. Revisa la licencia del tamaño concreto antes de un despliegue comercial.
¿Qué hardware necesito para ejecutar Hermes 4?
Depende del tamaño. El 14B cabe en una sola GPU de consumo con cuantización y es la opción más accesible. El 70B pide una GPU de gama alta o varias, y el 405B necesita varias GPU de centro de datos incluso en la versión FP8. Para probarlo sin invertir en hardware, la ruta más sencilla es una variante GGUF con Ollama o pagar por token en un proveedor como OpenRouter.
¿En qué se diferencia el razonamiento híbrido de un modelo de razonamiento normal?
Un modelo de razonamiento puro siempre delibera antes de responder, lo que gasta más tokens y tiempo aunque la pregunta sea trivial. El razonamiento híbrido de Hermes 4 te deja elegir: activas el modo thinking con un indicador cuando la tarea lo merece y lo desactivas cuando quieres respuestas inmediatas. Un solo modelo cubre así los dos casos, sin mantener pesos separados.
Conclusión
Hermes 4 es la puesta al día de una de las series de modelos abiertos más orientadas a agentes de IA. Suma razonamiento híbrido con etiquetas <think>, conserva la llamada a herramientas de Hermes y llega en tres tamaños (14B, 70B y 405B) con analizadores listos para vLLM y SGLang. Sus cifras en modo razonamiento (96,3 % en MATH-500, 70,5 % en GPQA) lo colocan a la altura de modelos mucho más cerrados. El siguiente paso es descargarlo de Hugging Face, servir el 70B con vllm serve y darle una herramienta para ver el bucle agéntico en acción.
Fuentes: [1] Web oficial de Hermes 4 (Nous Research)[1], [2] Tarjeta del modelo Hermes-4-405B en Hugging Face[2], [3] Hermes 4 70B en OpenRouter (precios y ficha)[3], [4] Cobertura del lanzamiento en MarkTechPost[4].
