Hermes智能体：基于NVIDIA RTX与DGX Spark的自我进化AI框架

智能体AI正在深刻改变用户的工作方式。继OpenClaw大获成功之后，开源智能体框架正受到社区的广泛关注。其中最新的Hermes智能体在不到三个月内GitHub星标数突破14万，据OpenRouter数据显示，截至上周已成为全球使用量最高的智能体。

Hermes由Nous Research开发，专为可靠性与自我提升能力而设计——这两项特质在过去对智能体而言始终难以兼顾。该框架在设计上兼容多种服务商与模型，并针对本地常驻运行场景进行了深度优化，使NVIDIA RTX PC、NVIDIA RTX PRO工作站以及NVIDIA DGX Spark成为全速、全天候运行Hermes的理想硬件平台。

阿里巴巴推出的新一代高性能开放权重大语言模型Qwen 3.6系列，非常适合运行Hermes这类本地智能体。其中Qwen 3.6 27B和35B参数模型的表现已超越上一代120B和400B参数模型，并可在NVIDIA RTX和DGX Spark上加速运行智能体AI任务。

Hermes的四大核心能力

与其他主流智能体类似，Hermes支持与通讯应用集成，可访问本地文件和应用程序，并实现7×24小时持续运行。但以下四项突出能力使其脱颖而出：

自我进化技能：Hermes能够自主编写并优化技能。每当智能体遇到复杂任务或收到反馈时，它会将所学内容保存为技能条目，从而持续适应和进步。

独立子智能体机制：Hermes将子智能体视为专注于特定子任务的短生命周期隔离工作单元，每个单元拥有专属的上下文与工具集。这种设计使任务组织更为清晰，降低了智能体的混淆概率，同时允许Hermes以更小的上下文窗口运行，非常适合本地模型部署。

可靠性由设计保障：Nous Research对Hermes内置的每项技能、工具和插件均经过严格筛选与压力测试。最终效果是：即便使用300亿参数级别的本地模型，Hermes也能稳定运行，无需像大多数其他智能体框架那样频繁调试。

相同模型，更优结果：开发者对比测试显示，在相同模型条件下，Hermes在各框架中始终表现更优。差异在于框架本身——Hermes是一个主动编排层，而非简单封装，能够实现持久的设备端智能体运行，而非逐任务执行。

Qwen 3.6模型：以更小体积实现更强性能

最新的Qwen 3.6系列在广受好评的Qwen 3.5基础上再度跃升，为本地AI智能体带来新突破。新款Qwen 3.6 35B模型仅需约20GB内存即可运行，却能超越需要70GB以上内存的120B参数模型的表现。

此外，Qwen 3.6 27B是一款全新的稠密模型，拥有更多活跃参数，在精度上可媲美Qwen 3.5 397B等4000亿参数模型，体积却仅为其十六分之一。搭配高端RTX GPU运行，可为模型提供充足算力，带来流畅的使用体验。

这些模型非常适合Hermes这类本地智能体，而NVIDIA GPU与DGX Spark是运行它们的最快方案。NVIDIA Tensor Core加速AI推理，提供更高吞吐量与更低延迟，使Hermes能够在数秒内完成多步骤任务或优化自身技能，而非耗费数分钟。

持续运行的智能体工作流

Hermes等智能体设计为持续运行——响应请求、规划多步骤任务、自主执行并自我提升。NVIDIA DGX Spark是理想的配套设备，这款紧凑高效的独立主机专为全天候智能体工作流而生。

DGX Spark配备128GB统一内存，AI算力达1 PFLOPS，可全天运行1200亿参数的混合专家模型。而新款Qwen 3.6 35B模型在更轻量的体积下实现了同等智能水平，运行速度更快，并为用户保留了并发工作负载的运行能力。

如需最大化发挥性能并简化使用流程，可参阅Hermes DGX Spark使用指南。此外，欢迎报名参加NVIDIA"自己动手构建"智能体AI系列线下实操课程，学习如何使用NemoClaw和OpenShell构建自主AI智能体。

NVIDIA DGX Spark现已开放订购，可访问官方市场页面选购。

如何在本地运行Hermes

在NVIDIA硬件上本地运行Hermes操作简便。访问Hermes GitHub仓库即可快速上手，并搭配首选本地模型与运行时环境。可通过llama.cpp、LM Studio或Ollama配合Qwen 3.6运行Hermes。Hermes智能体原生支持LM Studio和Ollama，为用户提供最简便的本地智能体启动路径。

无论是探索个人智能体前沿的AI爱好者，还是为工作流程构建本地工具的开发者，Hermes在NVIDIA硬件上均能提供卓越的性能与可靠的运行基础。

附加资讯：NVIDIA RTX PRO GPU搭配llama.cpp运行Qwen 3.6模型时，Token生成速度最高可提升3倍；谷歌Gemma 4 26B和31B模型现已提供NVFP4检查点版本，在NVIDIA Blackwell GPU上性能进一步提升，结合多Token预测加速器可实现最高3倍推理加速，且输出质量保持一致；Mistral Medium 3.5版本同样于4月发布，新增llama.cpp与Ollama兼容性，支持在NVIDIA RTX PRO和DGX Spark系统上运行。

Q&A

Q1：Hermes智能体有哪些核心能力，和其他智能体框架有什么区别？

A：Hermes智能体由Nous Research开发，具备四大核心能力：一是自我进化技能，能将每次任务经验保存为技能持续优化；二是独立子智能体机制，将子任务分配给隔离的短生命周期工作单元，降低混淆风险；三是内置可靠性保障，所有工具与插件均经严格测试，无需频繁调试；四是在相同模型条件下表现优于其他框架，因为Hermes是主动编排层而非简单封装。

Q2：Qwen 3.6模型相比上一代有哪些提升？

A：Qwen 3.6系列大幅提升了参数效率。其中35B模型仅需约20GB内存，却能超越需70GB以上内存的120B参数旧模型；27B稠密模型则在精度上媲美4000亿参数的Qwen 3.5 397B，体积仅为其十六分之一。搭配NVIDIA RTX GPU或DGX Spark运行，可充分发挥其性能优势，适合本地智能体场景长期部署。

Q3：如何在本地部署运行Hermes智能体？

A：在本地运行Hermes操作较为简便。首先访问Hermes的GitHub仓库获取项目文件，然后选择本地模型运行环境，推荐使用llama.cpp、LM Studio或Ollama搭配Qwen 3.6模型运行。Hermes已原生集成LM Studio和Ollama支持，是最简便的本地启动方式。硬件方面，NVIDIA RTX PC、RTX PRO工作站或DGX Spark均可提供流畅的运行体验。