Nous Researchがリアルタイム音声とエージェント間リンクを備えたHermes Agentを出荷

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, オープンソースのAIラボであり Ryan "Teknium" Teknium (@Teknium) が共同設立した同社は、8月3日に Hermes Agent v0.20.0 をリリースしました。これにより、ストリーミング会話音声、デバイス上でのウェイクワード、および他のAIエージェントと通信するための標準プロトコルが追加されました。

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

Nous ResearchはそのリリースをX上の2投稿スレッドで発表しました（同社はこれを「The Herald Release.」と呼んでいます）。完全なGitHubリリースには、Hermesモデルファミリーを初期の言語モデルリリースから持続的なエージェント製品へと導いてきた共同設立者でありポストトレーニング責任者のTekniumによる署名が付されています。

TekniumはNous Researchを2022年にDiscord上のAI研究コミュニティとして始め、その後2023年にNous Researchが正式化したと述べています。彼の経歴にはStability AIでのLLMデータエンジニアリングやDigi AIでのキャラクター指向言語モデルの作業が含まれます。そのコミュニティ主導の出自はHermes Agentにも色濃く残っており：コードはMITライセンスで公開され、外部からの貢献を受け入れ、単一のプロバイダーを要求するのではなくユーザーがモデルとインフラを選べるようになっています。

音声が中心に移動

Hermes Agentはこれまで音声によるやり取りをシーケンスとして扱っていました：プロンプトを録音し、完全な応答を待ち、生成された音声を再生するという流れです。バージョン0.20.0では、応答が生成される間に節ごと（clause by clause）で音声をストリーミングします。ユーザーは発話で中断でき、Hermes Agentは再生を停止して聞き取り、アクティブなターンをリダイレクトします。

リリースノートによれば、ウェイクワード検出は選択されたフレーズを待機している間、ユーザーのデバイス上で動作します。Nous Researchはこれによりアイドル状態の音声がマシン外に出ないことを防げると述べています。異なるウェイクワードはリクエストを別のプロファイルに振り分けることができ、発話による「stop」コマンドはキーボード入力なしで音声セッションを終了させます。

同じ音声システムはメッセージングサービスにも拡張されます。Hermes AgentはWhatsApp、Feishu、DingTalk、LINE、QQ、Photon、Weixin 経由で送られたボイスノートを文字起こしし応答することができます。Nous Researchはまた、構成可能な音声→テキスト設定と、プラットフォーム固有の応答用オーディオフォーマットを追加しました。

この音声機能により、Hermes Agent product はデスクトップ、ターミナル、メッセージングサービス全体でより持続的なインターフェースになります。Hermes Agentはすでにメモリ、スケジューリング、サブエージェント、ブラウザツール、サンドボックス実行を提供していました。ハンズフリーの操作により、ターミナルウィンドウを前に置かなくてもこれらの機能が利用可能になります。

Hermes Agent が他のエージェント向けの標準言語を獲得

バージョン0.20.0にはA2A v1.0を実装するプラグインが含まれており、これにより互換性のあるエージェントがHermes Agentを検出し、リクエストを交換し、共有プロトコルを通じて作業を割り当てることができるようになります。この追加は、異なるソフトウェアスタック上に構築されたコンポーネントからマルチエージェントシステムを組み立てる開発者を対象としています。

Nous Researchは署名付きのアウトバウンドWebhookも追加しました。Hermes Agentはセッション活動、完了したターン、ツールイベントを登録されたHTTPエンドポイントに送信でき、各メッセージを受信側が検証できるようにHMAC署名が付与されます。これにより、開発者はHermes Agentを繰り返しポーリングすることなく、CIシステム、ダッシュボード、その他の自動化に直接接続できます。

研究出力には独自の検証レイヤーが与えられました。新しい grounded-citations スキルは主張をソース資料に結び付け、引用をページのテキストと照合し、引用を裏付ける証拠にリンクします。関連するファクトチェックモードは、エージェントが検証できた内容に基づいて主張を分類します。これらはNous Researchによる製品上の主張であり、リリースノートは引用システムの独立した精度測定を提供していません。

より長い実行と広がるデスクトップ表面

Nous ResearchはHermes Agentのデフォルトのツール反復上限を90から500に引き上げました。これは反復検索、ターミナルコマンド、ファイル編集を繰り返し行う自律タスクにとって重要な変更です。ツールの失敗は現在リカバリ情報を返します：切り詰められたターミナル出力はファイルに書き出せ、パッチは空白の不一致を特定でき、検索は類似一致を探ることができ、ファイル書き込みは保存内容の検証が可能です。

ユーザーは完了した作業を破棄することなく、アクティブなターン中にHermes Agentを修正することもできます。新しいCLIコマンドはシェル操作を実行し、プロジェクトスキャンから AGENTS.md ファイルを生成し、コード変更を表示し、コンテキストウィンドウの使用状況を分解して示します。importコマンドはClaude CodeやCodex CLIからの設定を移行できます。

デスクトップアプリケーションは現在、サンドボックス化されたライブプレビューを備えたバージョン管理されたアーティファクト、複数ウィンドウ、そしてプラグインSDKをサポートします。Kanbanが最初のバンドルプラグインです。グローバルホットキーは、OSの他の場所から既存セッションにメモを送るためのクイックエントリウィンドウを開きます。

Nous Researchの公式資料はリリースの規模を説明するために異なるスナップショットを使用しています。GitHubのノートにはv0.19.0以降で約3,650コミット、1,400マージされたプルリクエスト、1,200クローズされたイシュー、650人以上の貢献者が記載されています。Xの発表に添付されたグラフィックには3,427コミット、1,300プルリクエスト、1,168イシューと記載されています。どちらの数値も開発期間の大まかな指標として扱うべきです。

オープンソースが有償製品を支える

Hermes AgentはMITライセンスの下で無料で提供されていますが、Nous ResearchはNous Portalを通じてサブスクリプションを販売しており、Portalはモデルアクセスやウェブ検索、画像生成、テキスト読み上げ、ホストブラウザなどのツールをバンドルしています。Nous Researchは無償と有償のPortalティアを提供しており、オープンソースのエージェントの周りに商用レイヤーを作っています。

そのビジネスモデルは投資家の注目を集めています。TechCrunchは7月13日に報じたところによれば、Nous ResearchはRobot Venturesが主導しUnion Square Venturesが参加する少なくとも7,500万ドルのラウンドを最終調整しており、評価額は15億ドルになる見込みだとされています。報道は取引に詳しい人物を引用しており、Nous Researchはそのラウンドを確認していません。

バージョン0.20.0はNous Researchが製品推進を向けている方向性を示しています：持続的な音声アクセス、相互運用可能なエージェント、より長い自律的実行、およびHermes Agentを既存のソフトウェア運用内に配置する統合です。オープンなリポジトリは配布と貢献者を供給し、Portalはモデルとインフラをまとめて欲しいユーザーから料金を徴収するための手段をNous Researchに提供します。