2026 年 5 月 6 日，Nous Research 宣布 Hermes Agent 以 2710 亿 tokens 的累计用量登顶 OpenRouter 全球排行榜——不是"CLI 工具分类"，不是"开源项目分类"，是所有 AI 应用的第一名。
第二名是 OpenClaw，Hermes 的用量几乎是它的两倍。再往下看，排在前十的全是商业产品。
一个今年 2 月才发布的开源项目，凭什么？
一、这个排名意味着什么？
1.1 OpenRouter 的排名机制
OpenRouter 是全球最大的模型路由平台之一，聚合了 200+ 模型。它的排名按 token 消耗总量 计算——谁用的模型多、谁跑的对话时间长，谁排名高。
这意味着 Hermes 登顶不是靠"下载量"或"Star 数"这些虚的，而是真实的、持续的用户使用。
OpenRouter 2026年5月 Token 排名（示意）：
#1 Hermes Agent 271B tokens
#2 OpenClaw 152B tokens
#3 ChatGPT Web 98B tokens
#4 Claude Code 87B tokens
#5 Cursor 76B tokens
1.2 这意味着什么
二、Hermes 的四大核心优势拆解
2.1 优势一：模型自由（No Lock-in）
大多数 AI 编程工具跟模型绑定：
| Claude Code | 只能 Claude |
| Codex CLI | 只能 OpenAI |
| Cursor | 内建 + 少数可选 |
| Hermes | 20+ 个 Provider，任意切换 |
实际操作：
# 今天用 DeepSeek（$0.14/M）
hermes config set model.provider deepseek
hermes config set model.default deepseek-v4-flash
# 明天想换 Claude（$3/M）
hermes config set model.provider anthropic
hermes config set model.default claude-sonnet-4
# 想省钱？用 OpenRouter 聚合
hermes config set model.provider openrouter
hermes config set model.default deepseek/deepseek-chat
意义： 不被任何一家绑定、可以按任务选模型、某家涨价或出问题时无缝切换。
2.2 优势二：自我进化的 Skills 系统
这是 Hermes 和所有竞品最大的差异点。
用户提需求 → AI 处理 → 发现处理过程中的有效方法
↓
自动生成 SKILL.md → 存入 skills 目录
↓
下次遇到类似任务 → 自动加载技能 → 效果越来越好
实际操作： 你不需要做任何事。AI 自动判断什么值得记。
> 帮我部署这个项目到服务器
（AI 发现部署过程中有一些流程是重复性的）
→ 自动生成 `deploy-web-app` 技能
→ 下次部署时自动加载，不再需要重头问配置
到第 30 天的时候，一个重度用户的 Hermes 可能积累了 20-50 个自定义技能——AI 对"你"的项目越来越了解。
2.3 优势三：跨平台无缝切换
Hermes 不是"只能在一个地方用"的工具。
早上在终端写代码 → 中午在手机 Telegram 上问问题
↓
下午在 Discord 团队频道里做 code review → 晚上在飞书上查看定时报告
↓
同一个记忆、同一个技能库、同一个 Profile
实际操作：
# 终端（主力工作区）
hermes
# 接上 Telegram（手机随时用）
hermes gateway setup → 选 Telegram → 输入 Bot Token
在手机上发一条消息，跟终端里效果完全一样。AI 记得你是谁、有什么偏好、项目配置是什么。
2.4 优势四：无可比拟的成本控制
| Claude Code | $20/月 | $40-80 | 只能通过限制用量 |
| Codex CLI | $20/月(Plus) | $200(Pro) | 订阅固定，超额另算 |
| Cursor | $20/月 | $20 Pro | 固定月费，但有限制 |
| Hermes + DeepSeek | $0/月 | $2-8 | 多 Key 池、凭据轮换、context 压缩自动省钱 |
实际操作： Hermes 默认就帮你省钱。
# config.yaml 里的默认配置
compression:
enabled: true
threshold: 0.5 # 对话用到 50% context 时自动压缩
target_ratio: 0.2 # 压缩到原来的 20%
credential_pool_strategies:
deepseek: round-robin # 多 Key 轮换，自动用配额低的
prompt_caching:
cache_ttl: 5m # 缓存提示词，5分钟内重复利用
三、用户画像：谁在用 Hermes？
根据 OpenRouter 的数据和社区调研，Hermes 的用户分布如下：
| 独立开发者 / Freelancer | 35% | 日常编码、项目管理、客户沟通 |
| 后端 / 全栈工程师 | 25% | 代码生成、调试、运维自动化 |
| AI / ML 工程师 | 15% | 数据处理、模型评估、RL 训练 |
| 技术写作者 / 博主 | 10% | 文章生成、翻译、内容策划 |
| DevOps / SRE | 10% | 监控、部署、告警处理 |
| 学生 / 研究者 | 5% | 论文阅读、代码学习、实验 |
四、社区生态：Her GitHub Stars 从 0 到 189K 的历程
2026.02.26 正式发布 0 → 5K Stars
2026.03.17 v0.3.0 (Skills Hub, Plugins) 5K → 30K
2026.03.30 v0.6.0 (Profiles, MCP, Docker) 30K → 55K
2026.04.08 v0.8.0 (智能发布) 55K → 80K
2026.04.28 突破 100K Stars 80K → 100K
2026.05.07 v2026.5.7 (Kanban, Checkpoints) 100K → 140K
2026.05.16 v2026.5.16 (Teams, LINE, Win) 140K → 170K
2026.05.28 v2026.5.28 (Curator, Provider) 170K → 189K+
三个月从 0 到 189K Stars，成为 2026 年增长最快的开源 AI 项目之一。
五、技术架构的简洁之美
Hermes 的技术起点并不复杂：
对话循环（run_conversation）：
1. 构建系统提示词（含记忆、技能、配置）
2. 调 LLM
3. 解析响应 → 如果有工具调用则执行 → 继续
4. 如果返回文本 → 输出
5. context 接近上限时自动压缩
6. 循环直到 max_turns 或用户退出
关键文件结构：
~/.hermes/
├── config.yaml # 所有配置（模型、工具、安全、压缩……）
├── .env # API Key（跟配置分离，更安全）
├── memories/
│ ├── MEMORY.md # AI 的环境笔记
│ └── USER.md # 你的用户画像
├── skills/ # 安装的技能
├── sessions/ # 会话历史（SQLite）
├── profiles/ # 不同的 Profile（多场景）
├── kanban/ # Kanban 任务板（SQLite）
└── logs/ # 日志
用最少的抽象做最多的事。 没有复杂的微服务架构，没有 Kubernetes，没有一堆外部依赖。一个进程、一个 SQLite 数据库、两个 MD 文件——这就是 Hermes 的全部。
六、未来可期的是什么？
- Cloud Agent —— Hermes Desktop 和 Cloud 版本正在开发中
- Skills Marketplace —— 社区技能市场的完善
- MCP 目录 —— Nous 认证的 MCP 服务器目录
- 更深入的企业集成 —— SSO、审计日志、团队协作
Hermes 在 2026 年的爆发不是偶然。它回答了一个简单的问题：一个 AI Agent 应该属于谁？ 答案：属于用户自己。你自己的模型、你自己的记忆、你自己的技能、你自己的安全边界。没有供应商锁定，没有隐性收费，没有数据上传到你不信任的服务器。
这或许才是 2710 亿 tokens 背后，最根本的秘密。
