Nous 发布 Hermes Index：在 Hermes Agent 里统一跑四个基准，分数与每任务成本一起报
Nous Research 10 月 6 日上线 Hermes Index，一个在 Hermes Agent 里跑的智能体能力榜。它把四个套件的成绩平均成指数：自家新出的 Hermes Bench，加上 Terminal-Bench 4.0、Terminal-Bench-Science 与 SkillsBench，同时给出平均分与每任务平均成本——所有模型跑同一套 harness，支持推理档位的模型一律设到最高。
榜首是 Claude Opus 5.5，63.31 分、每任务 4.99 美元；GPT-6 Astra 56.25 分，但要 11.61 美元；Claude Sonnet 5.5 53.14 分、2.82 美元。价格另一端是 DeepSeek V4.1 Flash，36.91 分对应 0.26 美元，Ling 3.0 Flash 21.56 分对应 0.054 美元。
官方的说法是，这么做一是帮用户在不同模型间做选择，二是给各家实验室看自家模型在真实 agent 环境里的表现——所有模型同一套 harness、支持推理档位的一律拉到最高，分数与成本并列摆出。榜单与各套件明细都可以在 portal.nousresearch.com/bench 公开查看。
原文链接：Nous Research 官方页面
核验记录
榜单页 portal.nousresearch.com/bench 本机直读 200（761,730 字节），页面无 JSON-LD、无可见日期字段——定日取自 Nous 官方站首页嵌入的官方账号发文（nousresearch.com 上六条标 Oct 6, 2026 的 @NousResearch 帖，其中一条即「Introducing Hermes Index… portal.nousresearch.com/bench」）。分数与成本逐条取自榜单页：Opus 5.5 63.31/$4.99、GPT 6 Astra 56.25/$11.61、Sonnet 5.5 53.14/$2.82；DeepSeek V4.1 Flash 36.91/$0.26、Ling 3.0 Flash 21.56/$0.054 取自同一官方发文正文。⚠ 发布日期只有「官方发文标 Oct 6」这一处证据，四个套件的原始榜单未逐条回核，置信度记中高。配图取官方 og:image（web-assets.nousresearch.com）：裸请求与带站内 Referer 双 200 / 459,461 字节 PNG 1200×630。
← 上一篇Musubi 开源 PolicyLM-1.7B：读你自己的内容政策，100 毫秒内给决定下一篇 →Epoch 拆中国 AI 公司账本：六家合计收入约为 OpenAI 与 Anthropic 的 10%