В этом материале я делаю детальный разбор ИИ-агента Hermes и сравниваю его с Cursor. Ключевой посыл: несмотря на хайп вокруг Hermes, работа с ним через API обходится слишком дорого, а встроенная память со временем приводит к критическому переобучению агента. Единственный мощный и экономически оправданный сценарий использования Hermes — это бесплатная работа в связке с локальными моделями через LM Studio для создания автономных систем. Материал будет полезен разработчикам, автоматизаторам и тем, кто ищет способы оптимизировать затраты на API.
00:00–04:26 Проблема с памятью в Cursor — почему важно удалять историю Memories в автоматизациях, чтобы избежать переобучения агентов на собственных ошибках.
04:27–07:35 Введение в Hermes — как работает механика самообучения и почему неограниченная память со временем ухудшает качество ответов.
07:36–13:29 Установка Hermes и обзор тарифов — разбор десктопного приложения и экономической невыгодности подписки за $20/мес (~1800 руб) при прямой оплате по API.
13:30–22:28 Настройки моделей и API — ручное распределение нейросетей под разные задачи (vision, web extract) и сравнение с автороутером в Cursor.
22:29–26:50 Облако Hermes Cloud — анализ стоимости фирменного облачного хостинга (от $0.29 до $0.9 в день, или ~26–80…
🔒
Этот материал доступен участникам Клуба. Войдите или оформите доступ,
чтобы читать целиком, открывать видео и комментировать.
