Không có một LLM đúng cho mọi người dùng Hermes Agent: hãy chọn model gọi tool ổn định, có context từ 64.000 token trở lên, rồi cân giá token và nơi dữ liệu của bạn đi qua. Người cần chất lượng thường dùng Claude hoặc GPT; người cần tiết kiệm thử DeepSeek, MiniMax, MiMo hoặc Gemini Flash qua OpenRouter; người cần giữ dữ liệu trong máy chạy model local qua Ollama.
Hermes Agent không khoá bạn vào nhà cung cấp nào: mọi API tương thích OpenAI đều dùng được và có thể đổi model bằng một lệnh. Bài này là trang tổng của cụm “Model & chi phí”: so sánh các nhóm model, giá tham khảo có nguồn, cách chọn theo tình huống, kèm đường dẫn tới hướng dẫn chi tiết cho từng cách kết nối.
Tại sao việc chọn model AI lại quan trọng với Hermes Agent?
Model là phần quyết định agent làm đúng hay làm sai, vì Hermes Agent không chỉ trả lời mà còn liên tục gọi công cụ: chạy lệnh terminal, đọc file, tìm web, lập lịch tác vụ. Model tạo lệnh gọi công cụ sai định dạng sẽ khiến agent thử lại, tốn thêm token và thời gian.
Hermes Agent không chỉ “chat”, agent gọi công cụ liên tục
Mỗi lần gọi model, Hermes gửi kèm system prompt và mô tả các công cụ (tool schema) đang bật. Đây là phần cố định, có trước cả khi bạn gõ chữ đầu tiên. Tài liệu Hermes gọi đây là “fixed prompt budget” và gợi ý đo bằng lệnh hermes prompt-size (Hermes Agent FAQ). Model gọi tool tốt hoàn thành tác vụ trong ít vòng hơn, nên tổng chi phí thực tế có thể thấp hơn một model rẻ nhưng hay sai.
Yêu cầu bắt buộc: context tối thiểu 64.000 token
Theo tài liệu chính thức, Hermes Agent cần context từ 64.000 token trở lên khi dùng với công cụ (Hermes Agent: AI Providers). Hầu hết model đám mây hiện nay vượt mức này. Rủi ro nằm ở model local: Ollama trên máy dưới 24 GB VRAM mặc định chỉ dùng 4.096 token context, nên phải tự đặt lại, ví dụ:
OLLAMA_CONTEXT_LENGTH=64000 ollama serveDocs Hermes ghi không đặt được độ dài context qua API tương thích OpenAI của Ollama; hãy đặt bằng biến môi trường, systemd override hoặc Modelfile.
Ảnh chụp trang AI Providers trong docs Hermes Agent ngày 26/10/2026.
4 tiêu chí chọn LLM cho Hermes Agent
Bốn tiêu chí nên xét theo thứ tự: khả năng gọi tool, độ dài context, giá token có tính cả cache, và nơi dữ liệu đi qua. Model qua được hai tiêu chí đầu mới đáng so giá; tiêu chí thứ tư quyết định bạn dùng API đám mây, cổng trung gian hay model chạy trong máy.
Tiêu chí Vì sao quan trọng với Hermes Kiểm ở đâu Gọi tool (tool calling) Agent làm việc bằng công cụ; model không hỗ trợ hoặc gọi sai sẽ làm hỏng tác vụ Trang model trên OpenRouter có cột “tools”; chạy thử một tác vụ thật Context ≥ 64K Dưới mức này Hermes không dùng được với công cụ Thông số context của model; với Ollama kiểm biến OLLAMA_CONTEXT_LENGTHGiá input, output, cache Phần prompt cố định gửi lại mỗi lượt nên giá input và giá đọc cache ảnh hưởng lớn Trang giá của hãng hoặc danh mục OpenRouter Nơi dữ liệu đi qua Dữ liệu nhạy cảm cần biết prompt có bị lưu hoặc dùng để huấn luyện không Chính sách của hãng; OpenRouter ghi chính sách theo từng nhà cung cấp
Hermes Agent kết nối được với những nhà cung cấp model nào?
Hermes Agent hỗ trợ hàng chục nhà cung cấp, chia thành ba cách đưa model vào agent: đăng nhập bằng gói thuê bao (OAuth), dùng API key, hoặc trỏ tới máy chủ model chạy trong máy bạn. Mỗi cách khác nhau ở chỗ ai tính tiền và prompt của bạn được gửi tới đâu.
Nhóm Nhà cung cấp tiêu biểu (theo docs Hermes) Ghi chú Gói thuê bao, đăng nhập OAuth Nous Portal, OpenAI Codex (gói ChatGPT), GitHub Copilot, xAI SuperGrok, Anthropic (Claude Max) Claude chỉ chạy khi có gói Max và đã mua thêm extra usage credits; gói Pro không dùng được Cổng nhiều model OpenRouter, AI Gateway, Nous Portal, Hugging Face Một tài khoản, đổi model bằng model ID API key từng hãng Anthropic, OpenAI API, Google Gemini, DeepSeek, xAI, Kimi/Moonshot, MiniMax, z.ai/GLM, Qwen/Alibaba, Xiaomi MiMo, NVIDIA Build Thanh toán trực tiếp với hãng Hạ tầng doanh nghiệp AWS Bedrock, Google Vertex AI, Azure AI Foundry Xác thực bằng IAM, service account hoặc endpoint riêng Model local Ollama, llama.cpp, vLLM, SGLang, LM Studio (Custom endpoint) Không phí token; cần đủ RAM/VRAM
Danh sách đầy đủ hiện ra khi chạy hermes model. Cách thêm provider mới và đổi model xem bài đổi model LLM cho Hermes Agent.
Phân tích từng nhóm model cho Hermes Agent
Mỗi nhóm model hợp với một kiểu việc khác nhau. Giá trong mục này lấy từ danh mục OpenRouter ngày 26/10/2026, tính bằng USD cho 1 triệu token đầu vào và đầu ra; giá mua trực tiếp từ hãng có thể khác, nên kiểm lại trước khi chốt.
Anthropic Claude: ưu tiên chất lượng cho tác vụ nhiều bước
Claude hợp với tác vụ dài, nhiều bước, cần làm theo hướng dẫn phức tạp. Ba model hiện hành trên OpenRouter: Claude Opus 5.5 (4 / 20 USD), Claude Sonnet 5.5 (2 / 10 USD) và Claude Haiku 5.5 (0,10 / 0,50 USD). Sonnet là điểm cân bằng; Haiku hợp với tác vụ phụ và việc lặp lại.
Hermes kết nối Claude bằng ANTHROPIC_API_KEY (trả theo token) hoặc qua OpenRouter. Đường đăng nhập bằng tài khoản Claude chỉ dùng được với gói Max đã mua thêm extra usage credits và chỉ trừ vào phần credit mua thêm; gói Claude Pro không dùng được đường này.
OpenAI GPT: đăng nhập gói ChatGPT hoặc dùng API key
Với OpenAI có hai cách: đăng nhập gói ChatGPT/Codex (provider openai-codex, dùng mã thiết bị) hoặc dùng API key OpenAI Platform. Trên OpenRouter, GPT-6 Sol có giá 2 / 10 USD, GPT-6 Luna 0,10 / 0,50 USD, GPT-6 Astra 10 / 50 USD.
Đăng nhập gói ChatGPT không tốn tiền token nhưng tính vào hạn mức của gói và có điều khoản riêng. Chi tiết xem bài kết nối ChatGPT/Codex với Hermes Agent.
Google Gemini: dùng API key, không đăng nhập bằng gói Google AI
Gemini nối với Hermes qua provider gemini bằng API key từ Google AI Studio (GOOGLE_API_KEY hoặc GEMINI_API_KEY), hoặc qua Vertex AI cho doanh nghiệp. Tài liệu Hermes ghi hiện chưa có cách đăng nhập Hermes bằng gói Gemini dành cho người dùng cá nhân, nên gói Google AI Pro không thay được API key.
Gemini 3.8 Flash trên OpenRouter có giá 0,825 / 4,125 USD. Hạn mức miễn phí của Gemini API xem trong Google AI Studio (Gemini API rate limits); dữ liệu gửi qua bản miễn phí có thể được Google dùng để cải thiện sản phẩm. Cách lấy key xem bài lấy API key Google Gemini.
OpenRouter: một API key cho nhiều hãng
OpenRouter là cổng tổng hợp: một API key gọi được Claude, GPT, Gemini, DeepSeek và hàng trăm model khác. Danh mục ngày 26/10/2026 có 467 model, trong đó 17 bản :free. OpenRouter ghi không cộng thêm phí vào giá suy luận, nhưng có phí khi nạp credit (OpenRouter FAQ).
Đây là đường dễ bắt đầu khi chưa biết model nào hợp với công việc. Cách cấu hình xem bài kết nối Hermes Agent với OpenRouter dùng GPT và Claude.
DeepSeek: model giá thấp cho việc có cấu trúc rõ
DeepSeek nối được trực tiếp bằng provider deepseek hoặc qua OpenRouter. DeepSeek V4 Flash trên OpenRouter có giá 0,091 / 0,182 USD, context khoảng 1 triệu token; DeepSeek V4 Pro khoảng 0,96 / 1,91 USD. Giá thấp hợp với tóm tắt, phân loại, cron job; tác vụ suy luận nhiều bước nên thử song song với một model mạnh hơn trước khi chốt.
Danh sách model giá thấp khác và cách chia việc giữa model rẻ và model mạnh xem bài LLM giá rẻ cho Hermes Agent.
Nous Portal: một đăng nhập cho hơn 300 model
Nous Portal là dịch vụ của Nous Research, nhóm làm ra Hermes Agent. Một lần đăng nhập OAuth dùng được hơn 300 model và Tool Gateway (tìm web, tạo ảnh, đọc văn bản, trình duyệt cloud) (Hermes Agent: Nous Portal). Tool Gateway chỉ có ở gói trả phí. Nous không khuyến nghị dòng model Hermes 4 cho agent vì dòng này tối ưu cho chat.
Cách đăng nhập và quản lý gói xem bài Nous Portal API và cách lấy API key.
MiniMax, Kimi, GLM, Qwen, MiMo: nhiều lựa chọn giá thấp
Các hãng này đều có provider riêng trong Hermes và có mặt trên OpenRouter. Ví dụ ngày 26/10/2026: MiniMax M3 0,30 / 1,20 USD, MiMo-V2.6-Flash 0,14 / 0,28 USD, GLM-5.3 Flash 0,15 / 0,50 USD, Qwen3.8 Flash 0,15 / 0,47 USD, Kimi K3.1 Pro 2 / 10 USD. Chất lượng gọi tool khác nhau theo bản, nên chạy thử bằng tác vụ thật.
Ollama và model local: dữ liệu ở lại trong máy
Model local qua Ollama, llama.cpp hoặc vLLM không tốn phí token và prompt không rời khỏi máy. Đổi lại bạn cần đủ RAM/VRAM cho model và cho context 64K. Hermes nối với Ollama qua Custom endpoint http://localhost:11434/v1. Tìm hiểu thêm ở bài local model là gì và model AI miễn phí cho Hermes Agent.
AWS Bedrock, Vertex AI, Azure AI Foundry cho doanh nghiệp
Tổ chức đã có hạ tầng trên AWS, Google Cloud hoặc Azure có thể dùng model qua Bedrock (IAM hoặc API key), Vertex AI (service account) và Azure AI Foundry (endpoint kiểu OpenAI hoặc Anthropic). Cách này giữ việc thanh toán và chính sách dữ liệu trong hợp đồng cloud sẵn có.
Bảng giá tham khảo một số model cho Hermes Agent
Bảng dưới gom giá của các model thường dùng với Hermes Agent theo danh mục OpenRouter ngày 26/10/2026. Cột “Đọc cache” là giá cho phần prompt đã được cache, quan trọng với Hermes vì phần prompt cố định lặp lại ở mọi lượt gọi.
Model Input Output Đọc cache Context Claude Opus 5.5 anthropic/claude-opus-5.54 20 0,20 1 triệu Claude Sonnet 5.5 anthropic/claude-sonnet-5.52 10 0,10 1 triệu Claude Haiku 5.5 anthropic/claude-haiku-5.50,10 0,50 0,01 1 triệu GPT-6 Sol openai/gpt-6-sol2 10 0,20 1,05 triệu GPT-6 Luna openai/gpt-6-luna0,10 0,50 0,01 1,05 triệu Gemini 3.8 Flash google/gemini-3.8-flash0,825 4,125 0,0825 1,05 triệu DeepSeek V4 Flash deepseek/deepseek-v4-flash0,091 0,182 0,0182 1,05 triệu MiniMax M3 minimax/minimax-m30,30 1,20 0,06 1,05 triệu
Cách quy giá token ra chi phí tháng, có ví dụ tính, xem bài Hermes Agent 1 tháng tốn bao nhiêu chi phí. Cách giảm hoá đơn bằng prompt caching xem bài tối ưu chi phí API cho Hermes Agent.
Nên chọn LLM nào cho Hermes Agent theo từng nhu cầu?
Cách chọn thực tế là xác định bạn đang ở tình huống nào, rồi thử hai model ứng viên bằng cùng một tác vụ thật trong vài ngày. Bảng sau gợi ý điểm bắt đầu cho các tình huống thường gặp; đây là gợi ý theo tiêu chí ở trên, không phải xếp hạng.
Tình huống Điểm bắt đầu Lưu ý Mới thử, chưa biết dùng lâu dài OpenRouter với một model giá thấp, hoặc model :freeBản miễn phí giới hạn 50 hoặc 1.000 request/ngày Đã trả tiền ChatGPT Đăng nhập gói ChatGPT/Codex Tính vào hạn mức gói, chỉ dùng cho cá nhân Tác vụ phức tạp, code, nghiên cứu dài Claude Sonnet 5.5 hoặc GPT-6 Sol Bật prompt caching để giảm giá phần lặp lại Chạy cron, tóm tắt, phân loại nhiều DeepSeek V4 Flash, MiMo, Haiku 5.5, GPT-6 Luna Đặt làm model phụ, giữ model mạnh cho hội thoại chính Dữ liệu không được rời máy Model local qua Ollama hoặc llama.cpp Đặt context ≥ 64K, cần đủ VRAM Muốn một hoá đơn cho model và công cụ Nous Portal Xem giá gói trên trang Nous Portal
Có dùng nhiều model cùng lúc trong Hermes Agent được không?
Có. Hermes dùng một model chính cho hội thoại và cho phép đặt model phụ (auxiliary) cho các việc như xem ảnh, tóm tắt trang web, nén context. Mặc định các việc phụ đi theo model chính; bạn có thể giao chúng cho model rẻ hơn. Ngoài ra có chuỗi dự phòng khi model chính lỗi.
- Model phụ: khoá
auxiliary.<việc>.providervàmodeltrong~/.hermes/config.yaml; mặc định"auto"là dùng model chính (Configuration). - Dự phòng: danh sách
fallback_providers; khi model chính lỗi, Hermes chuyển sang mục kế tiếp mà không mất hội thoại (Fallback Providers). - Đổi trong phiên:
/modelchỉ áp dụng cho phiên hiện tại; thêm--globalđể lưu vàoconfig.yaml(CLI commands).
Khi nào không nên đổi sang model rẻ hơn?
Không nên đổi sang model rẻ khi tác vụ cần nhiều bước suy luận, khi model mới chưa qua thử nghiệm gọi tool, hoặc khi đang ở giữa một phiên có context lớn. Đổi model giữa phiên làm mất prompt cache, nên lượt kế tiếp bị tính lại phần input ở giá đầy đủ.
- Agent chạy việc quan trọng (gửi email, sửa file, thao tác server) mà model mới chưa được thử bằng chính quy trình đó.
- Model miễn phí hoặc bản “preview” có thể bị gỡ, đổi giới hạn hoặc chậm bất chợt; không hợp làm model chính không có dự phòng cho agent chạy 24/7.
- Dữ liệu khách hàng hoặc nội bộ: kiểm chính sách lưu và huấn luyện của nhà cung cấp trước, đặc biệt với bản miễn phí.
- Bảng giá trong bài là ảnh chụp ngày 26/10/2026; giá model đổi khá nhanh, hãy kiểm lại trên trang của hãng.
Các bài trong cụm Model & chi phí của Hermes Agent
Cụm này gồm các bài hướng dẫn kết nối từng loại model và các bài tính, giảm chi phí. Đọc theo thứ tự: chọn model ở bài này, kết nối theo nhà cung cấp, rồi tính và tối ưu chi phí.
- Đổi model LLM cho Hermes Agent: lệnh
hermes modelvà/model. - Kết nối Hermes Agent với OpenRouter: dùng GPT và Claude bằng một API key.
- Kết nối ChatGPT/Codex với Hermes Agent: đăng nhập gói ChatGPT, điều khoản cần biết.
- Nous Portal API và cách lấy API key: đăng nhập Portal, gói và endpoint.
- Model AI miễn phí cho Hermes Agent: giới hạn và điều khoản của bản miễn phí.
- LLM giá rẻ cho Hermes Agent: model giá thấp và cách chia việc.
- Hermes Agent 1 tháng tốn bao nhiêu chi phí: công thức và ví dụ tính.
- Tối ưu chi phí API cho Hermes Agent: prompt caching và response caching.
Chưa cài Hermes Agent? Xem cách cài đặt và sử dụng Hermes Agent trên VPS và cấu hình tối thiểu để chạy Hermes Agent. Muốn so với OpenClaw, xem so sánh Hermes Agent và OpenClaw và cách dùng nhiều model trên OpenClaw. Danh sách provider thay đổi theo phiên bản; theo dõi ở tài liệu và phiên bản Hermes Agent.
Kết luận
Hãy ưu tiên khả năng gọi tool và context trước giá, bắt đầu bằng một model giá thấp hoặc gói bạn đã có, rồi nâng lên khi biết rõ loại việc mình giao cho agent. Hermes Agent cho đổi model bất kỳ lúc nào mà không mất bộ nhớ hay skill, nên lựa chọn hôm nay vẫn sửa được.
Muốn chạy Hermes Agent 24/7 mà không tự cài? VPS Hermes Agent của Tino cài sẵn Hermes Agent trên VPS NVMe đặt tại Việt Nam; bạn vẫn có quyền root để cấu hình. Xem cấu hình và giá trên trang sản phẩm.
Những câu hỏi thường gặp
Hermes Agent dùng Gemini được không?
Được, qua API key Google AI Studio (provider gemini) hoặc Vertex AI. Hiện chưa có cách đăng nhập Hermes bằng gói Gemini hay Google AI Pro của người dùng cá nhân, nên vẫn cần API key và trả theo mức dùng của Gemini API.
DeepSeek có chạy được với Hermes Agent không?
Có. Chọn provider DeepSeek trong hermes model và nhập API key của DeepSeek, hoặc gọi DeepSeek qua OpenRouter. “Hermes” trong Hermes Agent không liên quan tới model DeepSeek; đó là tên phần mềm agent của Nous Research.
Có dùng tài khoản Claude Pro hoặc Max cho Hermes Agent được không?
Gói Pro thì không. Gói Max chỉ dùng được khi đã mua thêm extra usage credits, và Hermes chỉ trừ vào phần credit đó. Cách phổ biến hơn là dùng ANTHROPIC_API_KEY hoặc gọi Claude qua OpenRouter.
Model Hermes 4 của Nous có phải lựa chọn tốt cho Hermes Agent?
Không hẳn. Hermes 4 là dòng model chat của Nous Research; tài liệu Nous Portal khuyến nghị dùng các model hướng agent khác cho Hermes Agent vì Hermes 4 không tối ưu cho vòng gọi tool liên tục.
Đổi model có làm mất bộ nhớ và skill của Hermes không?
Không. Bộ nhớ, skill và lịch sử nằm trong thư mục ~/.hermes/, tách khỏi cấu hình model. Model mới đọc lại các file này từ lượt đầu tiên.
