Puis-je exécuter Hermes 3 70B localement ?

Oui — les poids sont ouverts et disponibles sur Hugging Face sous NousResearch/Hermes-3-Llama-3.1-70B. Avec 70 milliards de paramètres, vous aurez besoin d’une VRAM importante ou d’une version quantifiée GGUF pour l’exécuter sur du matériel grand public.

Quel est le coût et la taille du contexte ?

Via API, il est tarifé à 0,70 $ par million de tokens pour entrée et sortie, avec une fenêtre de contexte de 131 072 tokens.

En quoi diffère-t-il du Llama-3.1 70B Instruct standard ?

Hermes 3 70B est un fine-tuning du même modèle de base, avec un accent supplémentaire sur la pilotabilité utilisateur via prompts système, un jeu de rôle renforcé, un appel de fonctions plus fiable et une meilleure cohérence multi-tours — Nous Research le décrit comme compétitif voire supérieur à la variante Instruct officielle sur les tâches générales.

Hermes 3 70B Instruct

5047°

#llm #nousresearch #agents #jeu de rôle #chat #local

Lancer ce modèle

Offres / Pub

OpenRouter Terminal / API

Payer par token

Discute avec ce modèle dans le navigateur ou appelle-le depuis ton code avec une clé API.

Nous | contexte de 131 072 tokens | 0,70 $/M entrée, 0,70 $/M sortie. Hermes 3 est un modèle de langage généraliste avec de nombreuses améliorations par rapport à Hermes 2, incluant des capacités agentiques avancées, un jeu de rôle bien meilleur, le raisonnement, la conversation multi-tours, la cohérence sur long contexte, et des améliorations globales. Hermes 3 70B est un finetune compétitif, voire supérieur, du modèle fondation Llama-3.1 70B, axé sur l'alignement des LLMs avec l'utilisateur, avec de puissantes capacités de pilotage et un contrôle donné à l'utilisateur final. La série Hermes 3 construit et étend les capacités de Hermes 2, incluant des appels de fonctions plus puissants et fiables, des capacités de sortie structurée, des capacités d'assistant généraliste et des compétences améliorées en génération de code.

Guides pour ce modèle

Ollama vs LM Studio (2026) : quelle application d’IA locale choisir, et quels modèles top chacun fait tourner

Meilleur LLM local par cas d’usage (octobre 2026) : le bon modèle open source pour chaque tâche

De combien de VRAM ai-je vraiment besoin pour l'IA locale ?

Qu'est-ce qu'un fichier GGUF ? Explication des modèles quantifiés (Q4, Q8, fp8, NF4)

Tous les guides

Notes du capitaine

Écrit par Captain, le rédacteur maison

Notes du 2026-10-13

Hermes 3 70B est un fine-tuning de Llama-3.1 70B par Nous Research, conçu pour vous donner un contrôle direct sur le comportement du modèle via un pilotage fort par prompt système. Il améliore Hermes 2 sur tous les plans, avec des gains particuliers dans l’usage agentique, le jeu de rôle, l’appel de fonctions et la cohérence multi-tours sur une fenêtre de contexte de 131k tokens. Poids ouverts et tarif fixe à 0,70 $/M en font un choix pratique pour les développeurs qui veulent un généraliste pilotable et performant sans payer les prix de pointe.

Connu pour

Pilotage fort par prompt système — vous façonnez précisément le ton, le rôle et les règles.
Appel de fonctions fiable et sortie structurée pour les pipelines agents.
Meilleure cohérence multi-tours sur une fenêtre de contexte de 131 072 tokens.
Profondeur de jeu de rôle améliorée par rapport à Hermes 2, avec une cohérence de personnage significative.
Compétitif avec Llama-3.1 70B Instruct sur les tâches générales ; parfois en avance.

Attention à

Poids ouverts, mais vérifiez les termes de licence de Nous Research avant tout déploiement commercial.
À 70B, l’utilisation locale exige un matériel sérieux — prévoyez plus de 40 Go de VRAM en pleine précision.

Idéal pour

Agents et utilisation d'outils

Jeux de rôle et histoires

Chat et assistants

Fonctionne localement

Contexte long

Prompts à essayer

Plan agent multi-étapes

Vous êtes un assistant de recherche avec accès à la recherche web, une calculatrice et un écrivain de fichiers. Un utilisateur veut comparer la consommation énergétique de cinq grands fournisseurs cloud et produire un tableau résumé classé. Décomposez la tâche en appels de fonctions discrets que vous feriez, dans l’ordre, en montrant le nom de la fonction et les arguments pour chaque étape.

Chat avec persona pilotée

Vous êtes un capitaine de navire victorien bourru mais juste qui parle dans un langage d’époque et ne sort jamais de son personnage. Je suis un nouveau membre d’équipage pour mon premier jour. Accueillez-moi, donnez-moi mes tâches et avertissez-moi de la règle que vous appliquez au-dessus de toutes les autres.

Extraction de données structurées

Extrayez toutes les entités nommées du paragraphe suivant et retournez un tableau JSON. Chaque objet doit avoir les clés : nom, type (personne, organisation, lieu ou autre), et une note d’une phrase sur leur rôle dans le texte. Paragraphe : 'En 1969, Neil Armstrong et Buzz Aldrin ont atterri sur la Lune dans le cadre de la mission Apollo 11 de la NASA, lancée depuis le Kennedy Space Center en Floride.'

Comparer avec

Hermes 3 405B Instruct
Modèle à poids ouverts
Contexte de 131,072 tokens · entrée $1.00/M, sortie $1.00/M
GPT-6 Luna
Modèle uniquement API
Contexte de 1,050,000 tokens · entrée $0.10/M, sortie $0.50/M
Auto Router (Beta)
Modèle uniquement API
Contexte de 2,000,000 tokens · entrée $-1,000,000.00/M, sortie $-1,000,000.00/M
Command R+ (08-2024)
Modèle uniquement API
Contexte de 128,000 tokens · entrée $2.50/M, sortie $10.00/M

Plus de modèles de texte de nousresearch

Questions fréquentes

Puis-je exécuter Hermes 3 70B localement ?: Oui — les poids sont ouverts et disponibles sur Hugging Face sous NousResearch/Hermes-3-Llama-3.1-70B. Avec 70 milliards de paramètres, vous aurez besoin d’une VRAM importante ou d’une version quantifiée GGUF pour l’exécuter sur du matériel grand public.
Quel est le coût et la taille du contexte ?: Via API, il est tarifé à 0,70 $ par million de tokens pour entrée et sortie, avec une fenêtre de contexte de 131 072 tokens.
En quoi diffère-t-il du Llama-3.1 70B Instruct standard ?: Hermes 3 70B est un fine-tuning du même modèle de base, avec un accent supplémentaire sur la pilotabilité utilisateur via prompts système, un jeu de rôle renforcé, un appel de fonctions plus fiable et une meilleure cohérence multi-tours — Nous Research le décrit comme compétitif voire supérieur à la variante Instruct officielle sur les tâches générales.

Verdict du capitaine
Un généraliste à poids ouverts bien tarifé et pilotable qui mérite sa place quand vous avez besoin de pipelines agents, d’un jeu de rôle profond ou d’un contrôle strict par prompt système.

Fiche modèle sur Hugging Face

Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Comment ce score se calcule

Ce modèle n’a pas encore de données de popularité provenant de sources, donc il porte un nombre de remplacement en dessous de 7,000° pour que les listes restent complètes. Il ne sera jamais mieux classé qu’un modèle avec des données. La répartition apparaît ici dès qu’une source la rapporte.

Glossaire : les termes utilisés ici

Score de chaleur: Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
Plancher: Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
Équivalents de téléchargement: Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
Échelle logarithmique: On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
Likes: Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
Taux d’adoption: Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
Mesuré et estimé: Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
Seeder: Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
AI Horde: Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
Sites de génération: Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
Tokens OpenRouter: Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modèle complet (checkpoint): Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
LoRA et embedding: Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
Famille et poids: La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
Âge: Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
Boost de la famille: Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
Score de remplacement: Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
Nouveau ! (période de grâce): Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
Tendance: Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
Modèle typique: Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.

Modèles similaires

NVIDIA Nemotron 3.5 Super VL

TEXT / LLM

Llama 3.3 Euryale 70B

TEXT / LLM

Modèles d'IA pour générer image, vidéo et texte

Hermes 3 70B Instruct est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.

Plus de modèles Text / LLM Plus de Texte / LLM Text / LLM llm nousresearch agents jeu de rôle chat local contexte long

Parcourir par famille de modèles