Hermes模型榜首版发布：Opus 5.5居首，Astra排名第二但成本最高

Nous Research 为 Hermes Agent 上线模型排行榜 Hermes Index，用来比较不同模型在 Hermes 里的表现。

所有模型都使用同一套 Hermes Agent 运行框架，支持调节推理强度的统一设为 high。榜单取 Hermes Bench、Terminal-Bench 4、Terminal-Bench Science 和 SkillsBench 四项测试的平均分，同时统计平均每任务成本。

Hermes Bench纳入 150 个任务

其中，Hermes Bench 是 Nous Research 新推出的测试，共有 150 个任务、25 类场景，覆盖 Skills、研究、图表与创作、记忆、工具调用和安全。Agent 会直接处理工作区和真实文件，最后根据生成的文件、任务状态和工具使用记录评分。

首版榜单共测试 14 个模型。Claude Opus 5.5 以 63.31 分排第一，GPT 6 Astra 以 56.25 分排第二，Claude Sonnet 5.5 以 53.14 分排第三。

Astra单任务成本为全榜最高

成本方面，GPT 6 Astra 平均每个任务花费 11.61 美元，是全榜最高。Claude Opus 5.5 为 4.99 美元，Claude Sonnet 5.5 为 2.82 美元，两者部分数据仍被官方标为暂定。

低价模型中，DeepSeek V4.1 Flash 得到 36.91 分，平均每任务花费 0.259 美元；GPT 6 Luna 为 33.89 分，每任务 0.141 美元。两者都进入成本与性能的 Pareto 前沿，即不存在价格更低、同时分数更高的模型。