Đúng hôm nay, ngày 10 tháng 11 năm 2026, Hermes Agent của Nous Research phát hành tiếp bản v0.23.1, cách bản v0.23.0 có tên The Hearth chưa đầy một tuần. Tôi đang chạy nó trên một VPS riêng để lo việc vận hành website và điều phối vài trợ lý khác, nên tôi đọc release notes, đối chiếu hai bảng so sánh tiếng Anh đang được chia sẻ nhiều, rồi đo lại mọi thứ trên chính hệ thống của mình thay vì tin vào lời giới thiệu.
Hermes Agent là gì, nói theo tài liệu gốc
Theo tài liệu chính thức, đây là agent mã nguồn mở chạy được ở terminal, ứng dụng desktop, các nền tảng chat và trình soạn thảo, với điểm khác biệt được nhấn mạnh là vòng học khép kín: nó tự viết skill từ kinh nghiệm, sửa dần trong lúc dùng, và nhớ người dùng qua các phiên. Giấy phép là MIT, viết bằng Python, và bạn có thể cắm gần như mọi nhà cung cấp model từ OpenAI, Anthropic, Google cho tới model chạy tại máy.
Tôi lấy số trực tiếp từ API GitHub lúc 9 giờ 31 phút sáng nay, giờ Việt Nam, để có mốc đối chiếu thay vì nhớ mang máng. Kho mã nguồn NousResearch/hermes-agent đang có 262.100 sao, 58.412 bản fork, 53.933 issue còn mở, commit cuối cùng cách thời điểm tôi đo chỉ vài giờ, và repository được tạo từ tháng 7 năm 2025. Con số đó đặt nó ngang hàng với những dự án agent lớn nhất hiện nay, khi tôi đo cùng lúc thì OpenCode có 225.690 sao và kho mã của Claude Code có 155.103 sao.
Hai bảng so sánh tiếng Anh nói gì về nó
Bài tổng hợp của Graham Miranda so 28 harness khác nhau, chốt ngày 22 tháng 10, xếp Hermes Agent vào nhóm dẫn đầu với nhãn đáng chú ý nhất là agent học được người dùng, và ghi phiên bản lúc đó là v0.22.4 với khoảng 254.000 sao. Bài của Contenox so 16 agent, kiểm dữ liệu ngày 4 tháng 11, đặt Hermes cạnh Codex, OpenCode, Cline hay goose trong một bảng giấy phép, model và cách đăng nhập, và kết luận giống nhau ở một điểm: MIT, chạy được mọi nhà cung cấp, hỗ trợ model tại máy qua Ollama, LM Studio, llama.cpp và vLLM.
| Nguồn | Nói gì về Hermes Agent |
|---|---|
| 2026-11-10 | GitHub API: 262.100 sao, 58.412 fork, 53.933 issue mở, MIT, Python, commit cuối trong ngày. |
| 2026-10-22 | Bảng so 28 harness xếp vào nhóm dẫn đầu, ghi phiên bản v0.22.4 và khoảng 254.000 sao. |
| 2026-11-04 | Bảng so 16 agent: MIT, chạy mọi nhà cung cấp, model tại máy qua Ollama, LM Studio, llama.cpp, vLLM. |
Tôi giữ lại ba điều khi đọc các bảng dạng này. Thứ nhất, phần lớn bảng đều tự nhận con số của mình sẽ lỗi thời nhanh, và đúng như vậy, từ 254.000 sao hôm 22 tháng 10 lên 262.100 sao hôm nay là gần tám nghìn sao trong mười chín ngày. Thứ hai, các bài này so harness chứ không so model, nghĩa là cùng một model chạy trong hai harness khác nhau có thể lệch nhau cả về chi phí lẫn kết quả, cho nên so sánh phải nói rõ đang so cái gì. Thứ ba, điểm đáng giá của Hermes trong mắt họ không phải là mạnh nhất khi sửa code, mà là thứ chạy thường trực, nằm trong các ứng dụng chat và nhớ được bối cảnh dài hạn, đúng cái tôi cần.
Bản v0.23.1 ra hôm nay có gì đáng nói
Đây là bản vá, gộp khoảng 618 pull request đã hợp nhất sau v0.23.0 vào một mốc phát hành ổn định cho CLI, Docker và ứng dụng trên Microsoft Store. Nhìn vào con số đo tại commit 3b421578588 thì khối lượng thật sự lớn: 2.578 commit không tính merge, 2.781 file thay đổi, thêm 151.690 dòng và bớt 62.595 dòng. Nhưng chi tiết khiến tôi phải dừng lại là một lỗi câm: từ ngày 9 tháng 11, file danh mục plugin mà máy khách tải về đã vượt ngưỡng hai MiB, nên mọi lệnh cài plugin âm thầm quay về dùng danh mục cũ đi kèm bản phát hành, khiến người dùng không tìm thấy plugin mới và cài sai phiên bản mà không có cảnh báo nào. Bản vá nâng ngưỡng lên 16 MiB, và những máy còn ở v0.23.0 trở về trước vẫn tiếp tục rơi vào trạng thái cũ cho tới khi cập nhật.
Bản v0.23.0 trước đó, phát hành ngày 5 tháng 11, mới là bản nói nhiều về kiến trúc. Nó đưa toàn bộ không gian làm việc trên desktop vào một tab trình duyệt do gateway của bạn tự phục vụ, gom mọi cuộc hội thoại về một gateway duy nhất để CLI, giao diện terminal, desktop, trình soạn thảo, bot chat và cron cùng ngồi chung một bàn thay vì mỗi thứ tự chạy một bản agent riêng, và mở rộng danh mục plugin từ khoảng 600 lên hơn 1.050 mục. Thống kê của chính họ cho khoảng thời gian từ v0.22.0 tới v0.23.0 là gần 10.080 commit, gần 1.950 pull request và 666 người đóng góp.
Tôi đo lại trên hệ thống đang chạy
Bản tôi đang vận hành là v0.22.7, tức chậm hai bản so với hôm nay, và tôi cố ý giữ như vậy vì việc nâng cấp hạ tầng tôi xếp vào đầu tuần để còn thời gian xử lý nếu hỏng. Cơ sở dữ liệu phiên của tôi lúc này có 715 phiên với tổng chi phí ước tính khoảng 77 đô la Mỹ, trong đó nhóm phiên chat từ ứng dụng nhắn tin chiếm 57 phiên nhưng ngốn 71,33 đô la, tức chín mươi hai phần trăm tổng chi, còn nhóm phiên ngắn do công cụ tạo ra chỉ tốn 1,01 đô la cho 51 phiên.
Khi chia ra chi phí mỗi message thì khoảng cách mới lộ rõ, phiên chat dài tốn 0,0093 đô la một message còn phiên làm việc ngắn tốn 0,0005 đô la, chênh nhau 18,6 lần.
Tôi cũng kiểm chỉ số cache để chắc chắn nguyên nhân không nằm ở chỗ gọi lại model: tổng lượng đọc từ cache là 8,64 tỷ token so với 157 triệu token đầu vào mới, nghĩa là khoảng chín mươi tám phần trăm khối lượng đọc đã được cache, cho nên vấn đề nằm ở kích thước ngữ cảnh bị đọc lại chứ không phải cache hỏng. Song song đó, kho tri thức của tôi có 219 skill chiếm 65 MB, hai tệp ghi nhớ người dùng khoảng 6 KB, và một bộ máy ghi nhớ riêng nặng 6,2 MB.
Một con số nữa đáng để người mới biết trước khi cài: danh mục plugin chính thức hiện có 1.204 mục, nhưng chỉ 21 mục do chính Nous bảo trì, 11 mục thuộc nhóm đã kiểm chứng theo nhà cung cấp, còn lại 1.171 mục là cộng đồng. Con số đó không có nghĩa là plugin cộng đồng kém, nhưng nó có nghĩa là bạn phải tự đọc từng mục trước khi cấp quyền cho nó chạy trong agent của mình.
Bốn giới hạn mà bài giới thiệu thường bỏ qua
Giới hạn đầu tiên nằm ở chỗ nối các agent với nhau. Khi tôi tự viết cầu nối để chuyển việc sang các công cụ lập trình khác, tôi gặp ngay trần kích thước của công cụ gửi việc là 12.000 ký tự, trần của công cụ gửi nội dung phân tích là 70.000 byte, và chế độ phân tích chỉ trả về văn bản chứ không được chạy lệnh hay sửa file. Ai định thiết kế hệ nhiều agent chia sẻ ngữ cảnh thì phải tính trần này từ đầu, nếu không sẽ tới lúc đóng gói xong mới phát hiện không gửi đủ.
Giới hạn thứ hai là quyền ghi. Mọi thay đổi file trong hệ của tôi đều đi qua bước đề xuất rồi chờ người duyệt, không có đường tắt để agent tự ghi, và tôi thấy đây là điểm cộng cho môi trường chạy thật chứ không phải điểm trừ. Giới hạn thứ ba liên quan tới chỉ số mã nguồn: công cụ đánh chỉ số tôi chạy trên mã của mình trả về 1.826 nút nhưng không có cạnh nào, nghĩa là lệnh tìm đường giữa hai hàm không trả kết quả, và muốn biết quan hệ thật thì vẫn phải mở mã ra đọc. Cuối cùng, con số 53.933 issue đang mở là dấu hiệu của một dự án lớn chứ không phải một lời cảnh báo về chất lượng, nhưng nó cũng cho biết nếu bạn gặp lỗi lạ thì khả năng có người gặp trước bạn là rất cao.
Hành trình tôi đi cùng nó
Tôi bắt đầu bằng mục tiêu nhỏ hơn nhiều so với những gì đang chạy hôm nay: tôi chỉ muốn có một trợ lý trả lời được từ điện thoại qua Telegram, vì công việc của tôi phần lớn là vận hành website và xử lý sự cố, thường phát sinh lúc tôi không ngồi trước máy tính. Sau vài tuần tôi nhận ra thứ đáng giá không nằm ở câu trả lời mà nằm ở chỗ nó nhớ được việc đã làm, nên tôi bắt đầu thêm từng lớp một thay vì đổi công cụ.
Về model, tôi chạy mặc định deepseek-v4.1-flash qua Nous Portal vì giá rẻ và đủ nhanh cho phần lớn việc vận hành, để một model mạnh hơn là gpt-5.6-sol qua tài khoản Codex làm lớp dự phòng cho những việc cần suy luận sâu, còn giọng đọc thì dùng gpt-4o-mini-tts và phiên âm ghi âm dùng whisper-1. Lý do tôi không bật model mạnh nhất cho mọi lượt rất đơn giản: chi phí một message ở phiên chat dài là 0,0093 đô la còn ở phiên làm việc ngắn chỉ 0,0005 đô la, cho nên chọn model theo việc rẻ hơn hẳn chọn theo cảm giác.
Về plugin, hiện tôi bật 17 cái trong số 22 thư mục plugin, chia thành ba nhóm. Nhóm gác chính sách giữ cho agent không đi quá xa, gồm một cái bắt buộc trả lời bằng tiếng Việt, một cái chặn đọc dữ liệu nhạy cảm, một cái chặn đăng bài khi chưa có người duyệt. Nhóm ghi nhớ và vòng đời gồm bộ máy ghi nhớ dài hạn và một plugin quản việc skill mọc trùng hoặc cũ dần, vì tôi đã có lúc để số skill vượt qua hai trăm và không còn biết cái nào còn đúng. Nhóm điều phối là các plugin nối sang máy trạm để giao việc cho Codex, Claude và Antigravity. Skill thì tôi có 219 cái, phần lớn được viết ngay trong lúc làm chứ không viết trước, và tôi coi đó là cách duy nhất để chúng khớp với việc thật.
Phần chạy nền cũng đáng kể: 29 việc định kỳ với 23 cái đang bật, lo từ nhịp báo cáo tới kiểm tra chứng chỉ và sao lưu, và 6 profile chia theo vai gồm vận hành, phát triển, thiết kế, marketing, một vai riêng cho nghiệp vụ và một vai để giám sát. Mỗi profile giữ bộ nhớ và danh sách skill riêng nên cùng một máy mà các vai không lẫn vào nhau, đổi lại tôi phải nhớ vai nào đang giữ việc gì.
Ba điều tôi rút ra sau mấy tháng. Bắt đầu từ việc nhỏ rồi mở dần, vì mỗi lớp thêm vào đều cần thời gian hiểu nó hỏng ở đâu khi hỏng. Mỗi lần thấy mình đang giải thích lại một quy trình là lúc nên viết nó thành skill, và đó là dấu hiệu rẻ nhất để biết nên viết gì. Và đặt gác trước khi mở rộng quyền, bởi khi agent đã có quyền ghi thì việc thu hẹp lại khó hơn nhiều so với việc mở ra từ đầu.
Ai nên thử, ai nên bỏ qua
Nếu bạn cần một agent sống trên máy chủ, trả lời qua nhiều kênh chat, giữ dữ liệu tại chỗ và tự chọn model theo túi tiền thì Hermes Agent đáng để thử, vì đúng những việc đó nó làm tốt và miễn phí phần mềm. Ngược lại, nếu nhu cầu của bạn chỉ là sửa code trong trình soạn thảo và bạn không muốn tự vận hành gì cả, thì các công cụ chuyên viết code sẽ gọn hơn nhiều, và việc cài thêm một agent thường trực chỉ làm tăng số thứ phải trông coi.
Kinh nghiệm của tôi sau mấy tháng chạy nó là ba việc nhỏ mà hiệu quả rõ. Đọc release notes trước khi nâng cấp, vì bản vá nào cũng có thể chứa một lỗi câm như vụ danh mục plugin vừa rồi. Tự đo chi phí trên dữ liệu phiên của mình thay vì ước lượng, vì tôi chỉ phát hiện chín mươi hai phần trăm tiền nằm ở nhóm phiên chat sau khi chia chi phí cho số message. Và đặt giới hạn chi tiêu trước khi mở rộng, bởi agent chạy càng lâu thì hóa đơn tăng theo kích thước ngữ cảnh chứ không tăng theo số câu bạn gõ.
curl -s https://api.github.com/repos/NousResearch/hermes-agent \
| python3 -c "import sys,json; d=json.load(sys.stdin); print(d['stargazers_count'], d['license']['spdx_id'], d['pushed_at'])"
curl -s https://api.github.com/repos/NousResearch/hermes-agent/releases \
| python3 -c "import sys,json; [print(r['tag_name'], r['published_at'][:10]) for r in json.load(sys.stdin)[:5]]"
Nếu bạn muốn đi từ gốc trước khi cài, tôi đã viết hai bài nền là thuật ngữ AI, agent và harness và bốn kỹ năng agent đáng lấy. Còn nếu bạn đang dùng Hermes và muốn nó nhớ dai hơn giữa các phiên, bài về plugin Severian là chỗ tôi viết chi tiết về bộ máy ghi nhớ mà tôi đang chạy.
Quét mã QR để đọc bài viết này để xem tiếp trên điện thoại
