Hermes agent 确实挺香,跑过几次小时级的长任务很稳
我把这几天踩的坑和真正能落地的配置都理了一遍。除了基础的一键安装,我最后总结了几项参数:
记忆系统我直接用本地化的 holographic 省心省钱,浏览器自动化试了一圈发现放弃 Docker、改用桌面 Chromium 才彻底不弹人机验证,跑长任务必调压缩阈值防爆内存。
最后还把我修自定义 Provider 识别问题的 PR 分支也放进去了,想少走弯路,直接照着这份配置抄。
更多动态
LightSeek Foundation 是一家致力于推动下一代人工智能系统开放研究与开源创新的 501(c)(3) 非营利组织。 该组织的核心理念是:未来的 AI 应当是透明、协作且包容的。他们致力于加速开发开放、高效、值得信赖的 AI 基础设施,确保 AI 技术的进步能够惠及全人类。 LightSeek 还是 PyTorch 基金会的银牌会员 (Silver Member),在推动开源 AI 生态方面扮演着积极的角色。 如果对推理性能 / AI infra 感兴趣,可以关注: X: https://x.com/lightseekorg LinkedIn: https://www.linkedin.com/company/lightseek GitHub: https://github.com/lightseekorg #LightSeek

,也是走的微信官方提供的clawbot插件

1.6T 总参、激活约 48B,原生多模态,主推长程智能体,全程国产算力训练。 图像量化成多级离散 token,Visual Coding 与 3D 受益。 大规模长程 RL,把失败轨迹转成可验证训练任务。 W4A4 推理,prefill 吞吐提升 43%。 官方自测介于 Claude-Opus-4.8 与 Opus-5 之间。

它不堆参数,堆"层数"。32 层解码器,中间 4–27 层同权重跑两遍 → 前向 56 层计算,只存 9B。 自测 BIRD-Dev 71.38、AutomationBench 13.72,超 Qwen3.5-27B;Terminal Bench依旧落后。
