Nous Research lanza Hermes Agent con voz en tiempo real y enlaces entre agentes

Why it matters

Hermes Agent is becoming Nous Research's commercial bridge from open-source model research to subscription software, with voice and interoperability aimed at making agents persistent operating tools.

Nous Research, el laboratorio de IA de código abierto cofundado por Ryan "Teknium" Teknium (@Teknium), lanzó Hermes Agent v0.20.0 el 3 de agosto, añadiendo voz conversacional en streaming, palabras de activación en el dispositivo y un protocolo estándar para comunicarse con otros agentes de IA.

https://x.com/NousResearch/status/2084325600643445095

Nous Research anunció el lanzamiento en un hilo de dos publicaciones en X, llamándolo "The Herald Release." La versión completa en GitHub fue firmada por Teknium, cofundador de Nous Research y jefe de post-entrenamiento, quien ha dirigido la familia de modelos Hermes desde sus lanzamientos previos como modelo de lenguaje hacia un producto de agente persistente.

Teknium dice que inició Nous Research como una comunidad de investigación en IA en Discord en 2022, antes de que Nous Research se formalizara en 2023. Su experiencia incluye ingeniería de datos para LLM en Stability AI y trabajo en modelos de lenguaje centrados en personajes en Digi AI. Ese origen liderado por la comunidad sigue siendo visible en Hermes Agent: el código tiene licencia MIT, acepta contribuciones externas y permite a los usuarios elegir modelos e infraestructura en lugar de requerir un único proveedor.

La voz se traslada al centro

Hermes Agent anteriormente manejaba interacciones habladas como una secuencia: grabar un prompt, esperar una respuesta completa y luego reproducir el audio generado. La versión 0.20.0 transmite el habla cláusula por cláusula mientras se genera la respuesta. Los usuarios pueden interrumpir hablando, lo que hace que Hermes Agent detenga la reproducción, escuche y redirija el turno activo.

La detección de palabra de activación se ejecuta en el dispositivo del usuario mientras espera una frase elegida, según las notas de la versión. Nous Research dice que esto evita que audio inactivo salga de la máquina. Diferentes palabras de activación pueden enrutar solicitudes a perfiles separados, mientras que un comando hablado de "stop" termina una sesión de voz sin entrada de teclado.

El mismo sistema de voz se extiende a servicios de mensajería. Hermes Agent puede transcribir y responder notas de voz enviadas por WhatsApp, Feishu, DingTalk, LINE, QQ, Photon y Weixin. Nous Research también agregó ajustes configurables de habla a texto y formatos de audio específicos de plataforma para las respuestas.

El trabajo de voz convierte al producto Hermes Agent en una interfaz más persistente a través de escritorios, terminales y servicios de mensajería. Hermes Agent ya ofrecía memoria, calendario, subagentes, herramientas de navegador y ejecución en sandbox. El control manos libres hace que esas funciones estén disponibles sin mantener una ventana de terminal frente al usuario.

Hermes Agent obtiene un lenguaje estándar para otros agentes

La versión 0.20.0 incluye un plugin que implementa A2A v1.0, permitiendo que agentes compatibles descubran a Hermes Agent, intercambien solicitudes y asignen trabajo mediante un protocolo compartido. La adición apunta a desarrolladores que ensamblan sistemas multi-agente a partir de componentes construidos sobre diferentes pilas de software.

Nous Research también agregó webhooks salientes firmados. Hermes Agent puede enviar actividad de sesión, turnos completados y eventos de herramientas a endpoints HTTP registrados, con firmas HMAC que permiten a los sistemas receptores verificar cada mensaje. Eso da a los desarrolladores una ruta directa hacia sistemas de CI, paneles y otras automatizaciones sin tener que interrogar repetidamente a Hermes Agent.

La salida de investigación recibió su propia capa de verificación. Una nueva habilidad de grounded-citations vincula afirmaciones con material fuente, verifica citas frente al texto de la página y enlaza las citas con la evidencia de respaldo. Un modo relacionado de verificación de hechos clasifica las afirmaciones según lo que el agente pudo verificar. Estas son afirmaciones de producto de Nous Research, y las notas de la versión no proporcionan mediciones independientes de precisión para el sistema de citaciones.

Ejecuciones más largas y una superficie de escritorio más amplia

Nous Research elevó el techo predeterminado de iteraciones de herramientas de Hermes Agent de 90 a 500, un cambio material para tareas autónomas que requieren búsquedas repetidas, comandos de terminal o ediciones de archivos. Las fallas de herramientas ahora devuelven información de recuperación: la salida truncada del terminal puede escribirse en un archivo, los parches pueden identificar desajustes de espacio en blanco, las búsquedas pueden sondear coincidencias cercanas y las escrituras de archivos pueden verificar el contenido guardado.

Los usuarios también pueden corregir a Hermes Agent durante un turno activo sin descartar trabajo completado. Nuevos comandos CLI ejecutan operaciones de shell, generan un archivo AGENTS.md a partir de un escaneo de proyecto, muestran cambios en el código y desglosan el uso de la ventana de contexto. Un comando de importación puede migrar configuraciones desde Claude Code o Codex CLI.

La aplicación de escritorio ahora admite artefactos versionados con vistas previas en vivo en entornos aislados, múltiples ventanas y un SDK de plugins. Kanban es el primer plugin incluido. Una tecla global abre una ventana de entrada rápida para enviar una nota a una sesión existente desde cualquier otra parte del sistema operativo.

Los materiales oficiales de Nous Research usan diferentes instantáneas para describir el tamaño del lanzamiento. Las notas de GitHub enumeran aproximadamente 3,650 commits, 1,400 pull requests fusionados, 1,200 issues cerrados y más de 650 contribuidores desde la v0.19.0. El gráfico adjunto al anuncio en X lista 3,427 commits, 1,300 pull requests y 1,168 issues. Ambos conjuntos de cifras deben tratarse como indicadores aproximados de la ventana de desarrollo.

El código abierto alimenta un producto de pago

Hermes Agent es gratuito bajo una licencia MIT, mientras que Nous Research vende suscripciones a través de Nous Portal, que agrupa acceso a modelos y herramientas como búsqueda web, generación de imágenes, texto a voz y un navegador alojado. Nous Research ofrece niveles Portal gratuitos y de pago, creando una capa comercial alrededor del agente de código abierto.

Ese modelo de negocio está atrayendo la atención de inversores. TechCrunch informó el 13 de julio que Nous Research estaba finalizando una ronda de al menos $75 millones liderada por Robot Ventures, con la participación de Union Square Ventures, a una valuación de $1.5 mil millones. El informe citó a personas familiarizadas con la transacción, y Nous Research no confirmó la ronda.

La versión 0.20.0 muestra hacia dónde Nous Research está dirigiendo ese empuje de producto: acceso persistente por voz, agentes interoperables, ejecuciones autónomas más largas e integraciones que colocan a Hermes Agent dentro de operaciones de software existentes. El repositorio abierto suministra distribución y contribuidores. Portal le da a Nous Research una manera de cobrar a los usuarios que quieren los modelos y la infraestructura empaquetados juntos.