Hermes Agent, Dijelaskan: Agen Open-Source yang Menulis Keterampilannya Sendiri

Nous Research menyebut Hermes Agent, dalam README di repositori GitHub proyek tersebut, sebagai "satu-satunya agen dengan loop pembelajaran bawaan". Repositori itu memiliki 256.360 bintang dan 56.015 fork ketika kami membacanya pada 23 Oktober 2026, berlisensi MIT, dibuat pada 22 Juli 2025, dan telah di-push pada hari yang sama. Bintang adalah perhatian, bukan bukti, dan perhatian itu bukan kebetulan: Google Trends, seluruh dunia, tujuh hari terakhir, dibaca pada 23 Oktober 2026, menempatkan "hermes" dan "hermes agent" naik antara 30 hingga 40 persen. Yang membuat proyek ini layak dijelaskan dengan cermat bukanlah jumlahnya, melainkan klaim di baliknya. Agen ini tidak bergantung pada model — Anda mengarahkannya ke endpoint apa pun yang kompatibel dengan OpenAI, termasuk milik kami — dan satu hal yang diklaim dapat dilakukannya, yang tidak dilakukan oleh produk-produk yang akan dibandingkan dengannya, adalah belajar dari pekerjaannya sendiri.

Apa yang sebenarnya Anda instal

Claude Code, Claude Cowork, dan Claude Duet adalah produk. Anda masuk, Anda mendapatkan antarmuka, vendor menjalankan modelnya, dan paket berlangganan menanggung penggunaannya. Hermes Agent adalah sebuah repositori. Anda memasangnya di mesin yang Anda kendalikan, memberinya endpoint model, dan sejak saat itu semuanya milik Anda untuk dikonfigurasi, dirusak, dan dibiarkan tetap berjalan. Kerangka README-nya sendiri bersifat infrastruktural, bukan konsumen: "Jalankan di VPS seharga $5, klaster GPU, atau infrastruktur serverless yang hampir tidak memakan biaya saat menganggur." Produk ini sengaja tidak terikat pada laptop, dan pitch yang menyertainya adalah bahwa Anda berbicara dengannya dari Telegram saat ia bekerja di VM cloud.

Instalasi mengikuti pola yang sama. Linux, macOS, dan WSL2 mendapatkan skrip satu baris; Windows native mendapatkan one-liner PowerShell yang menurut README menjalankan CLI, gateway, antarmuka terminal, dan perkakas tanpa WSL sama sekali. Pengguna Android dan Termux mendapatkan repositori APT bertanda tangan untuk perangkat aarch64 dengan kanal stabil dan kanal canary, dan README mengarahkan mereka ke panduan Termux terpisah alih-alih ke penginstal desktop. Penginstal sumber mendelegasikan Python 3.14, Node.js, npm, ripgrep, FFmpeg, dan dependensi Python ke manajer paket, serta menyiapkan arsip Git for Windows yang terverifikasi jika Git tidak ada — tanpa mengganti Git yang sudah ada di mesin. Bahkan ada entri pemecahan masalah untuk perangkat lunak antivirus yang mengarantina uv.exe yang disertakan, yang menurut README merupakan positif palsu pada manajer paket Rust yang disertakannya. Tingkat kepedulian terhadap mesin yang tidak dapat dilihat oleh para pengelola itu sendiri merupakan sinyal tentang untuk siapa perangkat lunak ini ditujukan.

Di mana ia berada, dan di mana pekerjaan berlangsung

Dua bagian dari daftar fitur mudah terlewat saat dipindai sekilas dan sulit dilakukan dengan baik. Pertama, fitur ini hadir di tempat yang sudah Anda gunakan: Telegram, Discord, Slack, WhatsApp, Signal, dan CLI biasa, semuanya dari satu proses gateway, dengan transkripsi memo suara dan kesinambungan percakapan yang terbawa lintas kanal. Kedua, di sinilah pekerjaan berlangsung. Enam backend terminal sudah terpasang — lokal, Docker, SSH, Modal, Daytona, dan Vercel Sandbox — ditambah backend plugin seperti Singularity dan Apptainer. Daytona dan Modal menawarkan persistensi serverless: lingkungan agen hibernasi saat idle dan bangun sesuai permintaan. Itulah sebabnya README dapat menawarkan baik "VPS $5" maupun "nyaris tanpa biaya saat idle" dalam satu tarikan napas tanpa keduanya saling bertentangan.

Di atasnya ada penjadwal cron dengan pengiriman ke platform mana pun — laporan harian, pencadangan malam, audit mingguan, ditulis dalam bahasa alami dan dijalankan tanpa pengawasan — serta subagen terisolasi untuk alur kerja paralel, yang penyedia, model, dan batasannya diatur di aplikasi desktop melalui Settings, Model, Subagents. Ada juga permukaan riset: pembuatan trajektori batch dan kompresi trajektori untuk melatih generasi berikutnya model tool-calling. Antarmuka terminalnya sendiri adalah TUI penuh dengan pengeditan multibaris, pelengkapan otomatis slash-command, riwayat percakapan, interrupt-and-redirect, dan streaming output alat. Tak satu pun dari itu merupakan klaim yang diusung proyek, dan itu mengungkap banyak hal: itu adalah separuh tak memesona dari agen yang harus bertahan saat dibiarkan menyala.

Loop, diuraikan

Frasa "learning loop" memikul banyak beban di baris pertama README, jadi ada baiknya diuraikan menjadi lima hal yang sebenarnya disebutkan oleh dokumen tersebut.

• Memori yang dikurasi agen, dengan dorongan berkala: agen memutuskan apa yang layak disimpan dan didorong untuk menyimpannya secara persisten alih-alih menunggu pengguna memintanya.

• Pembuatan keterampilan secara otonom setelah tugas yang kompleks, sehingga rangkaian langkah yang panjang meninggalkan prosedur yang dapat digunakan kembali alih-alih harus diturunkan ulang pada kesempatan berikutnya.

• Keterampilan yang menyempurnakan diri selama digunakan: prosedur tersebut disunting pada saat berikutnya diterapkan, bukan dibekukan pada saat prosedur itu ditulis.

• Pencarian sesi FTS5 dengan peringkasan LLM, sehingga percakapan lampau dapat diambil kembali lintas sesi alih-alih hanya mengendap di buffer scrollback yang tidak dibaca siapa pun.

• Pemodelan pengguna — README mengaitkan Honcho dengan pendekatan dialektis — yang terakumulasi menjadi "model yang semakin mendalam tentang siapa Anda di seluruh sesi".

Itu adalah desain yang koheren, dan pertanyaan tentang artefak adalah hal yang paling penting. Tidak ada apa pun di README yang menjelaskan proses pelatihan. Loop tersebut menghasilkan materi tertulis: entri memori dan keterampilan, yang dipertahankan dan direvisi secara terbuka. Pada prinsipnya, itu berarti pengguna dapat membaca apa yang diputuskan agen untuk dipertahankan dan mem-diff apa yang berubah setelah tugas berikutnya; itu juga berarti peningkatan tersebut hidup di luar model, dalam file yang bertahan ketika model diganti. Proyek ini juga kompatibel dengan standar terbuka agentskills.io, yang justru penting jika Anda peduli apakah keterampilan tersebut bertahan lebih lama daripada alat yang menulisnya. Jika diambil satu per satu, memori, pengambilan, pekerjaan terjadwal, dan subagen semuanya sudah ada di tempat lain. Kombinasinya, dan penekanan pada agen yang menulis ulang prosedurnya sendiri, adalah bagian yang diklaim sebagai baru.

Apa yang telah diukur

Tidak ada, secara publik. README tidak menerbitkan skor benchmark, tidak ada perbandingan yang diaudit dengan agen lain, tidak ada model default, dan tidak ada halaman harga layanan terhosting. Kata superlatif dalam kalimat pertama muncul tanpa uji yang dilampirkan padanya, dan klaim dengan bentuk seperti itu memerlukannya, karena perbandingan yang dibuatnya adalah terhadap setiap agen lain yang ada, termasuk agen yang sudah menyimpan memori atau menulis alatnya sendiri. "Satu-satunya agen dengan loop pembelajaran bawaan" adalah kalimat yang dapat diperiksa pembaca terhadap matriks fitur; apakah loop itu membuat agen lebih baik dalam pekerjaan Anda adalah pertanyaan lain, dan itu belum dijawab secara publik.

Sementara itu, perhatian publik tengah menjalankan fungsi yang seharusnya diisi oleh bukti. 256.360 bintang dan 56.015 fork adalah angka yang besar untuk sebuah repositori yang dibuat pada Juli 2025, dan angka semacam itu diserap pembaca sebagai sebuah vonis. Padahal bukan. Satu bintang hanya seharga satu klik. Pemberitaan media pada awal Oktober 2026 menyebut pendanaan Nous Research sebesar $90 juta dengan valuasi yang dilaporkan mencapai $1,5 miliar, dengan NVIDIA dan Samsung di antara para pendukungnya, serta menyebut agen tersebut telah diunduh lebih dari 24 juta kali. Angka-angka itu berasal dari pemberitaan, bukan klaim yang diterbitkan perusahaan sendiri, dan bahkan jika diterima apa adanya, angka tersebut mengukur adopsi, bukan kemampuan.

Mengukur ini dengan benar-benar sulit, dan itu adalah hal paling adil yang bisa dikatakan atas nama proyek. Unit peningkatan adalah tugas yang sudah pernah Anda kerjakan, sehingga kontrafaktualnya adalah agen yang sama pada tugas yang sama tanpa keterampilan yang ia tulis — beban kerjanya harus dijalankan dua kali, dengan dan tanpa artefak, pada cukup banyak tugas untuk memisahkan keuntungan nyata dari derau antarjalankan. Belum ada yang menerbitkannya. Sampai ada yang melakukannya, ringkasan jujurnya adalah bahwa mekanismenya dijelaskan dengan detail yang tidak biasa dan hasilnya hanya diklaim.

Produk-produk Claude yang dibandingkan dengannya

Pembaca yang tiba di Hermes dari sisi Claude akan memiliki rangkaian produk tertentu dalam pikiran, dan perbandingan ini layak dilakukan karena kategorinya sudah berbeda sebelum fiturnya pun berbeda. Navigasi Anthropic mencantumkan Claude itu sendiri, Claude Code, Claude Cowork, Claude Duet, Claude Tag, Claude Science, dan Claude Security. Claude Code dibuat untuk rekayasa perangkat lunak dan berjalan di terminal, aplikasi desktop, antarmuka web, dan aplikasi seluler, dengan integrasi GitHub dan IDE, code review yang tersedia secara umum di Team dan Enterprise, serta plugin keamanan dalam versi beta. Claude Cowork menerima sebuah tujuan dan bekerja di seluruh file serta alat Anda, dengan peramban di panel samping, dan menghapus apa pun memerlukan persetujuan Anda. Claude Duet adalah yang proaktif: aplikasi mandiri, dalam daftar tunggu untuk pelanggan Claude Pro dan Max di AS, dibangun di atas Claude Opus 5.5.

Masing-masing adalah produk milik vendor model itu sendiri di atas infrastruktur milik vendor model itu sendiri. Hermes membalik ketiga istilah tersebut. Agennya open source, modelnya adalah parameter, dan infrastrukturnya adalah apa pun yang Anda arahkan. Pembalikan itulah yang memberi bobot pada klaim loop pembelajaran, karena produk tertutup dapat mengganti agen di bawah Anda kapan saja, sedangkan agen yang keterampilannya hidup dalam berkas milik Anda dapat diperiksa dan, pada prinsipnya, dipindahkan. Anthropic mencantumkan Skills dan Plugins di antara kemampuannya; yang tidak dijelaskan oleh satu pun halaman produk yang kami baca pada 23 Oktober 2026 adalah agen yang menulis keterampilan baru dari riwayat tugasnya sendiri dan merevisi keterampilan itu saat berikutnya digunakan. Apakah perbedaannya bernilai adalah pertanyaan terpisah dari apakah perbedaan itu nyata, dan hanya yang kedua yang sudah dipastikan.

Mengarahkannya ke sebuah model

Narasi model di README adalah satu perintah: hermes model. Menurut README, ganti model yang digunakan agen tanpa perubahan kode, dan tanpa lock-in. Itulah bagian desain yang seharusnya paling tahan lama, karena variabel menarik dalam agen semacam ini bukanlah loop-nya, melainkan model di baliknya. Pustaka keterampilan yang sama berperilaku berbeda pada model terbuka kecil dan pada model frontier, dan alat yang mengubah pertukaran itu menjadi perubahan konfigurasi memungkinkan Anda menguji perbedaannya alih-alih memperdebatkannya.

Antarmuka yang kompatibel dengan OpenAI adalah yang membuat penggantian menjadi murah, dan itulah antarmuka yang kami gunakan. OrcaRouter adalah satu endpoint untuk lebih dari 200 model di bawah satu kunci, dengan markup 0% — harga daftar penyedia diteruskan langsung — failover otomatis saat penyedia mengalami penurunan kinerja, dan DSL perutean untuk permintaan yang ingin Anda tentukan secara spesifik model mana yang menangani apa. Jika Anda menginginkan model frontier di balik agen, Claude Opus 5.5 adalah $4,00 per juta token input dan $20,00 per juta token output, dengan konteks 1M token dan pembacaan cache sebesar $0,20 per juta. Hermes tidak peduli endpoint mana yang menjawabnya. Satu hal yang perlu diperjelas: kami menghosting model, bukan aplikasi Anthropic atau agen milik pihak lain. Hermes adalah perangkat lunak Nous Research, dan menjalankannya berarti mesin Anda, kanal Anda, dan tagihan token Anda.

Jika Anda akan menjalankannya

Daftar periksa jujur sebelum menginstal tidak banyak berkaitan dengan loop, dan README-nya luar biasa terus terang soal sebagian besar dari itu.

• Agen membutuhkan host yang tetap menyala. Laptop yang tidur adalah mesin yang keliru, itulah sebabnya README mengarahkan ke VPS kecil atau backend serverless yang hibernasi, bukan komputer di meja Anda.

• Saluran adalah keputusan, bukan bawaan. Menghubungkan Telegram, Discord, Slack, WhatsApp, dan Signal ke dalam satu proses gateway berarti proses itu memegang kredensial untuk semuanya, dan itu adalah permukaan yang perlu dipikirkan sebelum menjadi fitur yang dinikmati.

• Angka $5 itu untuk komputasi. Token ditagih oleh endpoint mana pun yang Anda tujukan untuk perintah model, dan agen yang berjalan pada jadwal cron membelanjakan token itu saat Anda tidak mengawasi. Pekerjaan terjadwal dan waktu menganggur yang murah adalah ekonomi yang berbeda.

• Keterampilan yang ditulisnya menjadi milik Anda untuk ditinjau. Keunggulan artefak dibandingkan bobot adalah Anda dapat membacanya; disiplinnya adalah benar-benar membacanya, sama seperti Anda membaca skrip yang ditinggalkan seorang kolega di repositori.

Pertanyaan yang layak diajukan

Nous Research telah merilis sesuatu dengan tesis yang jelas: bahwa hal berguna berikutnya yang dilakukan agen bukanlah jendela konteks yang lebih panjang, melainkan pustaka prosedur yang terus bertambah yang ia tulis sendiri, di atas infrastruktur yang cukup murah untuk dibiarkan berjalan selama berbulan-bulan. README-nya membela tesis itu dengan daftar fitur yang terperinci, jalur instalasi yang berfungsi di setiap platform yang mungkin digunakan pengembang, dan jumlah bintang yang membuat sebagian besar proyek rela menukar roadmap demi mendapatkannya. Yang belum ia bawa adalah angka yang akan menyelesaikan perdebatan itu — agen yang sama, tugas yang sama, sebelum dan sesudah keterampilannya sendiri hadir. Sampai seseorang menerbitkan perbandingan itu, pembacaan yang adil adalah bahwa loop pembelajaran merupakan mekanisme yang dijelaskan dengan baik dan hasil yang belum terukur. Itu tetap merupakan hal yang lebih menarik untuk dipasang daripada sekadar janji atau penolakan.