Nous Research 近日正式推出 Hermes Agent 的 Computer Use 功能，该功能现已登陆 macOS 平台，直接挑战 OpenAI 旗下 Codex 的能力边界。作为一款开源智能体，Hermes Agent 通过集成全新的 cua-driver，实现了对苹果底层 API 的逆向工程，从而在用户无感知的情况下完成后台自动化操作。
背景与定位
传统 AI 代理在调用操作系统功能时往往需要用户频繁授权，或占用大量前台资源。Hermes Agent 则通过底层 API 直接驱动，能够在不打断用户当前活动的前提下执行复杂任务，例如文件管理、应用交互、浏览器操作等。这一设计思路与 OpenAI Codex 形成直接竞争，后者同样致力于通过自然语言指令操控计算机。
核心技术创新：四层上下文压缩
本次发布的最大亮点在于 四层上下文压缩机制。该机制针对计算机视觉场景中高分辨率屏幕产生的海量 token 进行了优化。据官方数据，在以 1568×900 分辨率执行 20 次动作时，传统模型通常需要消耗约 60 万个 token，而 Hermes Agent 通过逐层过滤冗余视觉信息、结构化动作编码、跨步骤状态缓存以及语义摘要聚合，将 token 使用量锐减至 3 万个，降幅高达 95%。这不仅大幅降低了 API 调用成本，还提升了响应速度，使得长时间自动化任务的可行性显著增强。
开源生态与兼容性
Hermes Agent 完全开源，并基于 Nous Research 此前发布的 Hermes 系列语言模型构建。cua-driver 作为独立的开源模块，允许开发者自行扩展对其他操作系统的支持。当前版本主要面向 macOS，未来有望覆盖 Windows 和 Linux。此外，该智能体还支持与多种流行框架（如 LangChain、AutoGPT）集成，降低了使用门槛。
市场影响与展望
此次发布正值 AI 代理赛道竞争白热化阶段。OpenAI Codex 虽已展现强大的代码生成能力，但在桌面控制领域 Hermes Agent 凭借极低的 token 消耗和开源的灵活性形成了差异化优势。分析人士认为，智能体成本的大幅下降将推动更多企业级自动化场景落地，例如 RPA（机器人流程自动化）升级、个人助理增强等。未来，Nous Research 计划继续优化多模态输入处理，并探索跨设备协同控制。