Posso eseguire Hermes 4 405B localmente?

I pesi sono aperti e disponibili su Hugging Face sotto NousResearch/Hermes-4-405B, quindi sì in teoria — ma un modello da 405B richiede molta memoria GPU, e la maggior parte delle persone troverà più pratico accedervi via API.

Quanto costa e qual è la finestra di contesto?

Il prezzo via API è di $1,00 per milione di token in input e $3,00 per milione di token in output, con una finestra di contesto di 131.072 token.

In cosa differisce Hermes 4 da Hermes 3?

Le principali aggiunte sono la modalità di ragionamento ibrida con tracce di deliberazione interna, e un dataset post-addestramento cresciuto da circa 1,2 miliardi a circa 60 miliardi di token, con particolare enfasi su dati di ragionamento verificati per matematica, codice e STEM.

Hermes 4 405B

5793°

#llm #nousresearch #ragionamento #programmazione #agenti #locale

Esegui questo modello

Offerte / Annunci

OpenRouter Terminale / API

Paga per token

Chatta con questo modello nel browser o chiamalo dal tuo codice con una chiave API.

Nous | contesto da 131.072 token | $1.00/M input, $3.00/M output. Hermes 4 è un modello di ragionamento su larga scala basato su Meta-Llama-3.1-405B e rilasciato da Nous Research. Introduce una modalità di ragionamento ibrida, dove il modello può scegliere di deliberare internamente con ... tracce o rispondere direttamente, offrendo flessibilità tra velocità e profondità. Gli utenti possono controllare il comportamento di ragionamento con il booleano reasoning enabled. Per saperne di più consulta la nostra documentazioneOpens in new tab. Il modello è istruito con un corpus post-addestramento…Nous | contesto da 131.072 token | $1.00/M input, $3.00/M output. Hermes 4 è un modello di ragionamento su larga scala basato su Meta-Llama-3.1-405B e rilasciato da Nous Research. Introduce una modalità di ragionamento ibrida, dove il modello può scegliere di deliberare internamente con ... tracce o rispondere direttamente, offrendo flessibilità tra velocità e profondità. Gli utenti possono controllare il comportamento di ragionamento con il booleano reasoning enabled. Per saperne di più consulta la nostra documentazioneOpens in new tab. Il modello è istruito con un corpus post-addestramento ampliato (~60B token) che enfatizza le tracce di ragionamento, migliorando le prestazioni in matematica, codice, STEM e ragionamento logico, mantenendo ampia utilità come assistente. Supporta anche output strutturati, inclusa modalità JSON, adesione a schemi, chiamate di funzione e uso di strumenti. Hermes 4 è addestrato per steerability, tassi di rifiuto più bassi e allineamento verso un comportamento neutro e diretto all'utente.

Guide per questo modello

Ollama vs LM Studio (2026): quale app AI locale usare e quali modelli top esegue ciascuna

Il miglior LLM locale per caso d'uso (ottobre 2026): il modello open giusto per ogni lavoro

Quanta VRAM serve davvero per l'AI locale?

Cos'è un file GGUF? Modelli quantizzati spiegati (Q4, Q8, fp8, NF4)

Tutte le guide

Note del capitano

Scritto da Captain, l'editor di casa

Note del 2026-10-13

Hermes 4 405B è il modello istruito da Nous Research basato su Meta Llama 3.1 405B, con una modalità di ragionamento ibrida che gli permette di deliberare internamente o rispondere direttamente a seconda del compito. Un corpus post-addestramento di circa 60 miliardi di token lo affina su matematica, codice, STEM e logica senza sacrificare la qualità generale da assistente. Pesi aperti e un basso tasso di rifiuto lo rendono una scelta pratica per sviluppatori che vogliono un modello controllabile, capace, che possano effettivamente eseguire e dirigere.

Conosciuto per

Ragionamento ibrido: il modello sceglie se pensare passo dopo passo o rispondere direttamente, controllabile dall’utente
Addestrato su ~60 miliardi di token di dati di ragionamento e assistenza, un grande salto rispetto a Hermes 3
Output strutturati: modalità JSON, rispetto dello schema, chiamata di funzioni e uso di strumenti
Tassi di rifiuto notevolmente bassi; Nous dichiara lo stato dell’arte sul proprio RefusalBench
Pesi aperti su Hugging Face, quindi puoi eseguirlo o affinarlo da solo

Attenzione a

Con 405 miliardi di parametri, il deployment locale richiede hardware serio; la maggior parte degli utenti lo userà via API.
131k di contesto è solido ma non raggiunge la fascia oltre 200k se servono documenti molto lunghi.
RefusalBench è un benchmark proprietario di Nous; la verifica indipendente di queste affermazioni è limitata.

Ideale per

Ragionamento

Programmazione

Agenti e uso di strumenti

Funziona localmente

Matematica

Prompt da provare

Debugga una funzione complicata

Ecco una funzione Python che dovrebbe restituire la sottosequenza comune più lunga di due stringhe, ma dà risultati errati su alcuni input. Analizza passo passo cosa succede, individua il bug e forniscimi una versione corretta con una breve spiegazione della correzione. def lcs(a, b): dp = [[0]*(len(b)) for _ in range(len(a))] for i in range(len(a)): for j in range(len(b)): if a[i] == b[j]: dp[i][j] = dp[i-1][j-1] + 1 return dp[-1][-1]

Pianifica un agente multi-step

Voglio costruire un agente che monitori un repository GitHub per nuove issue, classifichi ciascuna come bug, richiesta di funzionalità o domanda usando una chiamata LLM, poi pubblichi un'etichetta e un breve commento di triage su GitHub. Delinea le funzioni degli strumenti che l’agente necessita, la logica decisionale tra i passaggi e le considerazioni di gestione errori da implementare fin dall’inizio.

Estrai dati strutturati

Estrai i seguenti campi dall’annuncio di lavoro qui sotto e restituisci un JSON valido che rispetti questo schema: {"title": string, "company": string, "location": string, "salary_range": string o null, "required_skills": [string], "remote": boolean}. Annuncio: Senior Data Engineer presso Meridian Analytics, con sede ad Austin TX con flessibilità ibrida. Stipendio 140–170k. Richiesti 4+ anni con Spark, dbt e Airflow. Python e SQL obbligatori. Esperienza Kafka è un plus.

Confronta con

Hermes 3 405B Instruct
Modello con pesi aperti
Contesto di 131,072 token · Input $1.00/M, output $1.00/M
Claude Opus 5.5
Modello solo API
Contesto di 1,000,000 token · Input $4.00/M, output $20.00/M
Gemini 3.8 Flash
Modello solo API
Contesto di 1,048,576 token · Input $0.83/M, output $4.12/M
Claude Sonnet 5.5
Modello solo API
Contesto di 1,000,000 token · Input $2.00/M, output $10.00/M

Altri modelli di testo da nousresearch

Domande frequenti

Posso eseguire Hermes 4 405B localmente?: I pesi sono aperti e disponibili su Hugging Face sotto NousResearch/Hermes-4-405B, quindi sì in teoria — ma un modello da 405B richiede molta memoria GPU, e la maggior parte delle persone troverà più pratico accedervi via API.
Quanto costa e qual è la finestra di contesto?: Il prezzo via API è di $1,00 per milione di token in input e $3,00 per milione di token in output, con una finestra di contesto di 131.072 token.
In cosa differisce Hermes 4 da Hermes 3?: Le principali aggiunte sono la modalità di ragionamento ibrida con tracce di deliberazione interna, e un dataset post-addestramento cresciuto da circa 1,2 miliardi a circa 60 miliardi di token, con particolare enfasi su dati di ragionamento verificati per matematica, codice e STEM.

Verdetto del capitano
Una rara combinazione di pesi aperti, capacità di ragionamento genuina e bassi rifiuti — merita seria attenzione se costruisci agenti o hai bisogno di un modello di frontiera controllabile.

Scheda modello su Hugging Face

Il capitano scrive queste note dalla descrizione e dalla scheda modello. Prezzi e dimensioni del contesto sono quelli del provider al momento della scrittura e possono cambiare.

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

Come si calcola questo punteggio

Questo modello non ha ancora dati di popolarità da nessuna fonte, quindi ha un numero provvisorio sotto 7,000° che mantiene le liste complete. Non supera mai un modello con dati. La suddivisione appare qui appena una fonte la segnala.

Glossario: i termini usati qui

Punteggio heat: Un numero che indica quanto un modello è usato e desiderato ora, da 0° a 9.999°. Ogni lista su questo sito che dice più caldo è ordinata per questo e nient’altro.
Soglia minima: I 7.000° da cui parte ogni modello con dati reali. La scala va da 0° a 9.999°; la parte sotto la soglia è riservata ai sostituti (modelli senza dati), così un modello con dati è sempre sopra uno senza. La soglia è uguale per tutti e non decide nulla; i gradi sopra sono la misura.
Equivalenti di download: Tutto ciò che il punteggio considera come un download, sommato: i download stessi, ogni seeder torrent come 1.000, ogni immagine AI Horde e ogni esecuzione su un sito di generazione come uno.
Scala logaritmica: Conta a decine, non a unità: passare da 1.000 a 10.000 download aggiunge gli stessi gradi che passare da 10.000 a 100.000. Evita che i giganti schiaccino tutto il resto.
Like: Pollici in su e like da ogni fonte, valgono metà di un download sulla scala logaritmica.
Tasso di adozione: Quanti download al giorno riceve un modello ora, dalla differenza tra due rilevazioni di una fonte. Un quarto del peso del termine download.
Misurato e stimato: Misurato significa che ci sono due letture di una fonte e la differenza è reale. Stimato significa che si conosce solo il totale di oggi e il passato è distribuito sulla vita del modello; il sito indica quale viene mostrato.
Seeder: Qualcuno che mantiene una copia dei pesi online per farli scaricare agli altri tramite torrent, o uno specchio ospitato che fa lo stesso. Ognuno conta come 1.000 download.
AI Horde: Una rete di volontari che genera immagini gratis su computer donati. Il numero di immagini create con un modello è pubblico, e ognuna conta come un download.
Siti di generazione: Siti che ospitano copie di un modello e permettono di generare con esso, come PixAI, SeaArt e Yodayo. I loro download contano come quelli di Civitai e ogni generazione come un download.
Token OpenRouter: Un modello di testo servito tramite API, come Claude o GPT, non ha pesi da scaricare, quindi il suo utilizzo si misura in token: i pezzi di testo letti e scritti tramite OpenRouter, un gateway usato da molte app, negli ultimi 30 giorni. Ogni 10,000,000 token conta come un download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modello completo (checkpoint): I pesi stessi, il file che genera da solo. Riceve un bonus perché da esso dipendono gli add-on.
LoRA e embedding: Piccoli file add-on che indirizzano i pesi di qualcun altro verso uno stile, un personaggio o un concetto. Non possono funzionare da soli.
Famiglia e pesi: La base su cui è costruito un modello, come SD 1.5, SDXL, Flux o Wan. Ogni modello eredita la data di rilascio dei pesi della sua famiglia.
Età: Gradi tolti in base a quanto tempo fa sono usciti i pesi della famiglia: 150° all'anno, fino a 750°. Mantiene i vecchi download che hanno avuto anni per accumularsi congelando la cima della lista.
Boost famiglia: Una piccola spinta limitata per le LoRA di una famiglia che questo sito sta promuovendo ora, sempre elencata nel dettaglio.
Punteggio stand-in: Un numero stabile sotto il minimo dato a un modello su cui nessuna fonte ha ancora dati, così le liste restano complete. Non supera mai un modello con dati.
Novità! (periodo di grazia): Un modello più giovane di 7 giorni mostra Novità! invece di un punteggio e non ha posizione nelle classifiche. Il suo punteggio è calcolato dal primo giorno, ma un modello di un giorno cresce più velocemente di qualsiasi altro, quindi senza l'attesa il #1 della settimana sarebbe sempre quello uscito ieri invece di quello che ha resistito per una settimana.
Tendenza: Come la crescita di un modello in un periodo si confronta con la crescita tipica di un modello nello stesso periodo. Più veloce del tipico si legge come aumento, più lento come calo.
Modello tipico: Il centro del catalogo: metà dei modelli con un valore è cresciuta più velocemente nel periodo, metà più lentamente.

Modelli simili

ERNIE 4.5 VL 424B A47B

TEXT / LLM

Nemotron 3 Ultra

TEXT / LLM

Modelli di IA per generare immagini, video e testo

Hermes 4 405B è un modello di testo per la famiglia Text / LLM presente su ModelTrends.ai, un catalogo in sola lettura di modelli di IA open source per immagini, video e testo. Confrontalo con gli altri modelli Text / LLM e controlla il punteggio di calore per vedere la tendenza.

Altri modelli Text / LLM Altri Testo / LLM Text / LLM llm nousresearch ragionamento programmazione agenti locale matematica

Sfoglia per famiglia di modelli