727財經動察 Beating AI 快訊，Nous Research 給 Hermes Agent 上線模型排行榜 Hermes Index，主要用來比較不同模型在 Hermes 里的表現。所有模型都使用同一套 Hermes Agent 運行框架，支持調節推理強度的統一設為 high。榜單取 Hermes Bench、Terminal-Bench 4、Terminal-Bench Science 和 SkillsBench 四項測試的平均分，同時統計平均每任務成本。
其中 Hermes Bench 是 Nous Research 自己新做的測試，共有 150 個任務、25 類場景，覆蓋 Skills、研究、圖表與創作、記憶、工具調用和安全。Agent 會直接處理工作區和真實文件，最後根據生成的文件、任務狀態和工具使用記錄評分。
首版共測試 14 個模型。Claude Opus 5.5 以 63.31 分排第一，GPT 6 Astra 以 56.25 分第二，Claude Sonnet 5.5 以 53.14 分第三。Astra 平均每個任務花費 11.61 美元，是全榜最高。Opus 5.5 為 4.99 美元，Sonnet 5.5 為 2.82 美元，兩者部分數據仍被官方標為暫定。
低價模型中，DeepSeek V4.1 Flash 得到 36.91 分，平均每任務花費 0.259 美元；GPT 6 Luna 為 33.89 分，每任務 0.141 美元。兩者都進入成本與性能的 Pareto 前沿，也就是不存在價格更低、同時分數更高的模型。