OpenAI 刚刚发布了 GPT-5.6 的 Sol、Terra、Luna 三个新模型，但对于大多数国内开发者来说，这些高端模型仍然遥不可及。不过，Hermes 团队几小时前上线了一个新方案——MoA（Mixture of Agents）混合模型模式，用"多模型协作"的思路来提升 Agent 的任务处理能力。
苏米注：MoA 的核心思路很直白——既然用不起最贵的模型，那就让多个中等模型群策群力，"三个臭皮匠顶个诸葛亮"。这不是 Hermes 的独创，本周日本团队发布的 Sakana Fugu 也是类似方案，用小模型调度多个不错的中等模型，号称能击败 Fable 5。Hermes 的区别在于"判官"不需要额外的小模型，而是直接使用你已经在 Hermes 中授权的任意模型。
什么是 MoA 模式
MoA（Mixture of Agents）让多个参考模型并行处理同一请求，然后将结果汇总给一个"判官"模型（Aggregator）进行最终裁决。参考模型各有所长，能够取长补短；判官模型负责整合输出，确保最终结果的质量。
配置 Hermes MoA 模式
配置过程非常简单，在 Hermes 的 config.yaml 文件中按照以下格式写入（需要升级到 Hermes 最新版本）：
moa:
default_preset: default
active_preset: ''
presets:
default:
reference_models:
- provider: minimax-cn
model: MiniMax-M3
- provider: kimi-coding
model: kimi-k2.7-code
aggregator:
provider: openai-codex
model: gpt-5.5
reference_temperature: 0.6
aggregator_temperature: 0.4
max_tokens: 4096
enabled: true注意事项：
- 模型名称：不要照抄示例，填写你已经完成授权/登录的模型
- 角色分配：将最强的模型设为 Aggregator（判官），其余作为 Reference（参考模型）
- 数量上限：Reference 模型最多可以设置 8 个
切换 MoA 模式
配置完成后，在 Hermes 的各种交互界面中通过 /moa 命令即可切换到 MoA 模式：
飞书上的 Hermes Agent：
终端里的 Hermes TUI：
Hermes Desktop：
踩坑记录：在 Hermes Desktop 里切换 MoA 模式可能存在 bug，建议随时开着另一个 Agent 作为备选。如果遇到配置问题，可以把 Hermes MoA 官方文档 丢给你的 AI 助手，让它帮你排查。
优缺点分析
MoA 模式的本质是"token 换质量"——用更多的 token 消耗和更长的处理时间，换取更好的任务输出质量。
| 维度 | 说明 |
|---|---|
| 优点 | 多个参考模型各有所长，能取长补短，综合输出质量更高 |
| 缺点 | Token 消耗显著增加，响应时间也会慢不少 |
| 适用场景 | 复杂任务、长程规划、需要多角度分析的问题 |
| 不适用场景 | 简单问答、需要快速响应的场景 |
苏米观点
MoA 模式是 AI Agent 领域一个有趣的工程实践。它解决的不是"哪个模型最强"的问题，而是"如何在预算有限的情况下最大化输出质量"的问题。
对于已经订阅了多个 AI 服务（如 Kimi、MiniMax 等）的用户来说，MoA 让这些模型从"各自为战"变成了"协同作战"，相当于把你手里的工具组合成了一个工作流。不过，对于预算有限或只需要处理简单任务的用户，MoA 的额外 token 消耗可能并不划算。
作者目前正在用复杂的游戏类项目测试 MoA 模式的实际效能，由于项目复杂且 MoA 耗时较长，尚需更多时间验证。后续有结果值得持续关注。
