Giá Hermes Agent: chi phí thực tế khi chạy

Cài đặt Hermes Agent có giá $0: phần mềm là nguồn mở được cấp phép MIT và khoản bắt buộc duy nhất là tiền cho token model. Mọi thứ khác đều là tùy chọn và được tính riêng: gói đăng ký Nous Portal ở mức $0, $20, $100 hoặc $200 mỗi tháng, hosting Hermes Cloud từ $0,56 mỗi ngày và mức sử dụng Tool Gateway, một tính năng yêu cầu gói đăng ký trả phí nhưng không công bố đơn giá theo lượt sử dụng.

Trang này nói về Hermes Agent, agent nguồn mở của Nous Research. Một lần kiểm tra trực tiếp repository vào ngày 21 tháng 9 năm 2026 trả về archived: false, giấy phép MIT và một lần push trong cùng ngày; bản phát hành mới nhất được công bố là Hermes Agent v0.21.3, được gắn thẻ v2026.9.14 vào ngày 14 tháng 9 năm 2026. Đây không phải Hermes 3 hay Hermes 4, dòng model open-weight của Nous, và cũng không phải thương hiệu hàng xa xỉ cùng tên.

Bốn khoản phí riêng biệt, nhưng chỉ một khoản là bắt buộc

Hermes Cloud tính phí máy chủ hằng ngày sau khi sử dụng, và trang riêng của dịch vụ nêu rằng phí suy luận và sử dụng công cụ được tính riêng, ngoài giá máy chủ. Vì vậy, báo giá lưu trữ không bao giờ là toàn bộ hóa đơn. Theo cùng mục FAQ, các mô hình chạy cục bộ hoàn toàn miễn phí để chạy sau khi bạn sở hữu phần cứng. Tất cả con số được kiểm tra ngày 21 tháng 9 năm 2026. Phân tích bốn khoản phí tương tự áp dụng cho một agent khác nằm trong giá OpenClaw.

Các gói Nous Portal: bạn đang mua credit, không phải giảm giá token

Tín dụng mới là sản phẩm. Gói đăng ký $20 mua được $22 chi phí sử dụng mô hình, vì vậy lợi thế so với hình thức trả theo mỗi token là phần thưởng cộng thêm cùng các công cụ và hạn mức đi kèm — không phải mức giá rẻ hơn trên mọi mô hình. Trong danh mục công khai được đọc vào ngày 21 tháng 9 năm 2026, các mục Claude có mức giá do Anthropic công bố — Opus 5 ở mức $5,00 đầu vào / $25,00 đầu ra, Fable 5.1 ở mức $10,00 / $50,00 — và không hiển thị mức giảm nào. Trang đó không cho phép bạn kiểm tra xem còn khoản nào khác được giảm giá hay không: trang chỉ in một mức giá cho mỗi mục và không hiển thị giá tham chiếu bên cạnh. Điều trang này cho thấy là một mô hình có thể xuất hiện nhiều lần với các mức giá khác nhau, vì các biến thể theo khu vực và theo lô được liệt kê thành các mục riêng — Kimi K3 ở mức $1,70 / $8,50, mục :US của nó ở mức $3,63 / $18,15, mục theo lô của nó ở mức $3,00 / $15,00. Hãy lập ngân sách theo đúng entry id mà bạn sẽ gọi và ghi rõ ngày cho mọi thông tin bạn trích dẫn.

Ba lưu ý trước khi lập ngân sách. Gói miễn phí là có thật nhưng bị giới hạn ở các mục có model id mang hậu tố :free — có bảy mục trong lần đọc ngày 21 tháng 9 năm 2026 — và danh sách đó được tạo lại từ danh mục trực tiếp, nên lời khuyên “dùng mục miễn phí” nhanh chóng lỗi thời. Các giao diện của Portal đưa ra hai con số làm tròn khác nhau về quy mô danh mục — một con số nhỏ hơn trên mỗi thẻ gói trả phí, một con số lớn hơn trong phần ngay phía trên danh mục — trong khi danh sách được công bố có 360 mục trong lần đọc đó, vì vậy hãy xem mọi con số như vậy là thông tin tiếp thị chứ không phải đầu vào ngân sách. Các thẻ gói cũng không nêu số liệu về tốc độ yêu cầu; chúng chỉ ghi “standard” và “high” rate limits, vì vậy hãy coi khả năng đồng thời là chưa được xác minh cho đến khi bạn thấy nó trong tài khoản của chính mình. Bảng gói nằm trên trang chủ Portal và trên manage-subscription, nơi một HTTP client thuần nhận được checkpoint bảo mật của Vercel thay vì trang — hãy đọc trang này bằng trình duyệt.

Token thực sự đi đâu

Bảng giá định giá một lần gọi. Hermes tính phí theo khối lượng công việc, và có ba hệ số được ghi nhận nằm giữa hai cách tính này.

Các slot phụ trợ. Bảng điều khiển hiển thị 11 slot tác vụ phụ trợ — tạo tiêu đề, thị giác máy tính, nén, phê duyệt, trích xuất web, trung tâm kỹ năng, định tuyến MCP và các tác vụ khác — và mọi slot đều mặc định là auto, nghĩa là Hermes cũng thử mô hình chính của bạn cho tác vụ đó. Ví dụ lãng phí do chính tài liệu đưa ra là việc nén: một mô hình trò chuyện nhanh thực hiện tác vụ đó với chi phí bằng một phần năm mươi so với mô hình suy luận. Vì vậy, một lượt người dùng có thể tạo ra nhiều lần gọi bị tính phí.

Ủy quyền. Tài liệu về ủy quyền nêu rằng một lô song song gồm các tác nhân con thường tiêu thụ phần lớn tổng số token của một lần chạy, đó là lý do mô hình worker có thể được cấu hình riêng bằng delegation.model. Cảnh báo chi phí của chính tài liệu ghi chú rằng max_spawn_depth: 3 cùng với max_concurrent_children: 3 có thể đạt 27 tác nhân lá đồng thời; độ sâu mặc định là 1.

Tính liên tục của bộ nhớ đệm. Cùng trang cấu hình mô hình cảnh báo rằng bộ nhớ đệm prompt được gắn khóa theo mô hình phục vụ yêu cầu, vì vậy mọi thay đổi mô hình giữa cuộc trò chuyện — chuyển đổi rõ ràng bằng /model, cơ chế dự phòng tự động hoặc xoay vòng nhóm thông tin xác thực sang một tài khoản khác — khiến tin nhắn tiếp theo phải đọc lại toàn bộ cuộc trò chuyện với giá đầu vào đầy đủ thay vì mức giá đã lưu trong bộ nhớ đệm, mà tài liệu cho là được giảm khoảng 75 đến 90 phần trăm. Một cơ chế bảo vệ mặc định, model.switch_context_confirm_tokens: 100000, tồn tại chính xác vì lần đọc lại một lần đó có thể lớn hơn nhiều so với chênh lệch theo từng token giữa hai mô hình.

Công việc được lên lịch là nơi vấn đề này tác động mạnh nhất, và theo hướng bạn không mong muốn: tài liệu cron cho biết một job không có mô hình riêng sẽ chạy bằng bất kỳ hermes model hoặc /model nào được đặt tại thời điểm nó được kích hoạt, vì vậy việc thay đổi mô hình trò chuyện sẽ kéo theo toàn bộ nhóm cron trong lần chạy kế tiếp. Hãy ghim job (hermes cron create/edit --pin, hoặc --model / --provider rõ ràng) hoặc đặt mặc định cho cả nhóm bằng cron.model khi một job không cần giám sát không được phép chạy theo một lần chuyển đổi. Các job chỉ chạy script — chế độ no_agent trong tài liệu — hoàn toàn không chạm đến lớp suy luận. Thay vì ước tính bất kỳ điều gì trong số này, hãy đo lường: FAQ ghi nhận /usage, /compress và hermes prompt-size, còn bảng điều khiển web ghi nhận một chế độ phân tích với tổng số token, tỷ lệ lượt truy cập bộ nhớ đệm và bảng phân tích theo từng mô hình.

Chọn mô hình cho từng tác vụ

Không có benchmark nào ở đây hỗ trợ việc xếp hạng chất lượng, vì vậy đây là bảng về yếu tố quyết định từng lựa chọn, không phải bảng xếp hạng.

Có hai quan điểm chính thức đáng biết. Nous cung cấp một mặc định chi phí thấp: manifest mô hình từ xa, được đóng dấu ngày 20 tháng 9 năm 2026 và đọc vào ngày hôm sau, đánh dấu z-ai/glm-5.2 là mặc định, còn tài liệu danh mục cho biết mặc định này có chủ ý là một mô hình chi phí thấp nhưng đủ năng lực, không bao giờ là flagship đắt nhất. Nous cũng khuyến cáo không dùng các trọng số của chính mình bên trong agent: trang tích hợp Portal cho biết Hermes 4 không được khuyến nghị sử dụng bên trong Hermes Agent vì nó được tinh chỉnh cho trò chuyện và suy luận thay vì vòng lặp gọi công cụ liên tục. Danh sách rút gọn trên trang đó — Claude Sonnet 4.6 là lựa chọn agent đa dụng, GPT-5.5 Pro, bản xem trước Gemini 3 Pro có ngữ cảnh dài, DeepSeek V4 Pro là coder hiệu quả về chi phí — chậm cập nhật hơn cả manifest lẫn danh mục trực tiếp, vì vậy hãy xem đó là điểm khởi đầu và xác nhận model id có thể phân giải.

Mức sử dụng quan sát được cũng không phải bảng xếp hạng. Trang ứng dụng công khai của OpenRouter dành cho Hermes Agent, được đọc vào ngày 21 tháng 9 năm 2026, cho thấy các mô hình dẫn đầu về khối lượng token trong 30 ngày gồm MiniMax M3, một mục không có nhãn mang tên Ox Alpha, Ling 3.0 Flash Fin, GPT-4o-mini và hai bản dựng DeepSeek V4 Flash — các mô hình rẻ và nhanh thay vì flagship. Điều đó ghi nhận những gì mọi người đã chạy qua một gateway, không phải mô hình nào hoạt động tốt nhất với tác vụ của bạn.

“Các mô hình Hermes” là hai câu hỏi khác nhau

Một câu hỏi là nên trỏ agent đến mô hình nào, đã được trả lời ở trên. Câu hỏi còn lại là họ mô hình có trọng số mở Hermes 4 — Hermes-4-405B, -70B và -14B trên Hugging Face, cùng Hermes 3 được phân phối qua Ollama. Đó là các trọng số mô hình của cùng công ty, không phải agent, và Nous nói không nên chạy Hermes 4 bên trong agent. Một tuyên bố ở đây là chưa được xác minh: tài liệu tích hợp Portal cho biết các mô hình Hermes 4 có sẵn trên Portal với mức giá giảm mạnh, nhưng tìm kiếm “hermes” và “nous” trong danh mục công khai trực tiếp không trả về dòng nào khớp vào ngày 21 tháng 9 năm 2026. Hoặc chúng chỉ hiển thị sau khi đăng nhập, hoặc tài liệu đã lỗi thời. Đừng lập ngân sách dựa trên mức giá Hermes 4 Portal mà bạn không thể thấy trong tài khoản của chính mình.

API tốt nhất và rẻ nhất cho Hermes Agent

Đây là các tuyên bố khác nhau và nên được tách riêng. Mức giá thấp nhất được liệt kê là một thực tế của bảng giá; chi phí thấp nhất để hoàn thành tác vụ phụ thuộc vào số lần thử lại, độ dài ngữ cảnh và lượt truy cập bộ nhớ đệm.

Hermes ghi nhận rằng mọi dịch vụ có API tương thích với OpenAI đều hoạt động, và tài liệu tham chiếu nhà cung cấp thậm chí còn có công thức cho các gateway cạnh tranh, vì vậy đường dẫn endpoint tùy chỉnh là một tuyến chính thức chứ không phải giải pháp tạm thời. Kunavo phù hợp ở phạm vi hẹp hơn khái niệm “rẻ nhất”: danh mục của Kunavo bao phủ các mô hình cấp Claude và GPT cùng các mô hình đa phương tiện, còn các mô hình trọng số mở chiếm ưu thế trong mức sử dụng Hermes quan sát được thì không có trên đó. Nếu thiết lập của bạn đã chạy trên các mô hình đó, Kunavo không phải tuyến rẻ hơn. Đây là tuyến để giữ các lượt chính Claude hoặc GPT ở mức giá được niêm yết dưới một khóa.

Cùng một mô hình, cùng token, hai bảng giá

USD trên mỗi triệu token đầu vào và đầu ra tiêu chuẩn chưa được lưu trong bộ nhớ đệm. Mức giá trực tiếp của Anthropic lấy từ trang giá của họ được kiểm tra ngày 21 tháng 9 năm 2026; cột Kunavo đọc từ danh mục trực tiếp.

Bây giờ là phép tính. Giả sử một tháng có 20 triệu token đầu vào chưa được lưu trong bộ nhớ đệm và 2 triệu token đầu ra, được tính gộp giữa các lượt chính, slot phụ trợ và worker ủy quyền — tổng gộp đó mới là điểm quan trọng, vì ước tính theo từng lượt bỏ sót hai trong ba thành phần.

Đây là phép tính token theo mức giá danh mục, không phải tác vụ Hermes được đo lường và không phải mức trần hóa đơn. Phép tính loại trừ việc ghi bộ nhớ đệm — việc ghi bộ nhớ đệm Claude được tính bằng 1.25 lần mức giá đầu vào ở đây, như được giải thích trong tài liệu về bộ nhớ đệm — và loại trừ công cụ trả phí, dịch vụ lưu trữ cùng thuế. Phép tính cũng giả định mô hình rẻ hơn hoàn thành phần việc được giao mà không cần thử thêm. Chính giả định đó, chứ không phải mức giá, quyết định liệu dòng rẻ hơn có thực sự rẻ hơn hay không; tối ưu hóa chi phí trình bày cách kiểm thử điều này.

Số tiền trong danh mục của Kunavo là mức sàn tính phí chứ không phải mức trần: khi upstream báo khoản phí của mình, hóa đơn là giá trị lớn hơn giữa chi phí danh mục và chi phí upstream nhân với markup áp dụng. Mức tối thiểu là khoản nạp trước $10 không kèm gói đăng ký, đây là số tiền cần nạp vào số dư trả trước, không phải chi phí của một tác vụ. Xem thanh toán.

Kết nối một endpoint bên thứ ba vào Hermes

Cấu hình này lấy từ tài liệu tham chiếu nhà cung cấp của chính Hermes, được xem xét dưới dạng tài liệu nguồn vào ngày 21 tháng 9 năm 2026. Chưa có lần chạy Hermes nào với Kunavo được thực hiện, không có hướng dẫn thiết lập Kunavo cho Hermes, và không nên đọc bất kỳ nội dung nào dưới đây như một tích hợp đã được kiểm thử. Hãy giữ tuyến đang hoạt động của bạn sẵn sàng trong khi thử nghiệm.

# ~/.hermes/config.yaml
providers:
  kunavo:
    api: https://api.kunavo.com/v1
    key_env: KUNAVO_API_KEY
    transport: chat_completions   # set it; do not rely on URL auto-detection
    models:
      claude-sonnet-5:
        prompt_caching: true

model:
  default: claude-sonnet-5
  provider: custom:kunavo

KUNAVO_API_KEY=your-key

Năm điều mà endpoint tùy chỉnh không tự động có được, mỗi điều đều có chi phí được ghi nhận:

1. Đặt transport rõ ràng. Để trống sẽ chuyển sang cơ chế tự động phát hiện dựa trên URL, được tài liệu tham chiếu nhà cung cấp mô tả là cơ chế dự phòng cho trường trống và minh họa bằng đúng một quy tắc — đường dẫn /anthropic phân giải thành anthropic_messages. Phần còn lại của heuristic đó không được liệt kê trên bất kỳ trang nào đã đọc ở đây, đó là lý do nên chỉ rõ transport thay vì giả định rằng sẽ không có gì được kích hoạt. Bài kiểm thử hồi quy của chính Hermes cho đường dẫn đó ghi nhận tình huống lỗi mà nó bảo vệ: một mục openai-api trỏ đến máy chủ OpenAI theo khu vực đã âm thầm phân giải thành chat_completions thay vì transport do chính nhà cung cấp khai báo, và mọi lượt gọi công cụ đều trả về 400. Kunavo cung cấp /v1/chat/completions, /v1/messages và /v1/responses, vì vậy cả ba transport được ghi nhận đều có endpoint tương ứng trên lý thuyết — chỉ là sự tương ứng ở cấp tài liệu, chưa được kiểm thử. Hãy chỉ rõ transport bạn muốn thay vì để cơ chế phát hiện tự chọn.
2. Cho phép từng mô hình sử dụng bộ nhớ đệm prompt. Đối với gateway phân giải một bí danh mô hình thuần, các dấu đánh dấu bộ nhớ đệm phải được khai báo theo từng mô hình; Hermes nêu rõ rằng nó sẽ không suy ra khả năng hỗ trợ bộ nhớ đệm từ tên, máy chủ hoặc họ mô hình của nhà cung cấp. Bỏ qua việc này sẽ âm thầm làm mất mức giá đầu vào đã lưu trong bộ nhớ đệm, vốn là đòn bẩy lớn nhất trong một phiên dài. Xem bộ nhớ đệm prompt.
3. Đặt context_length khi mặc định không đúng. Các endpoint tùy chỉnh tương thích với OpenAI không nhận được giới hạn đầu ra tự động có kích thước theo danh mục — các mặc định của chính máy chủ được áp dụng và có thể thấp hơn mức tối đa của mô hình. Cửa sổ ngữ cảnh được phân giải qua một chuỗi kết thúc tại models.dev rồi dùng giá trị dự phòng 128K.
4. Nắm rõ phạm vi áp dụng của extra_headers. Trang cấu hình mô hình áp dụng nó cho các tuyến tương thích với OpenAI và các tuyến anthropic_messages — bao gồm client chính, các lần chuyển đổi /model, các lần dựng lại và client phụ — và nêu bedrock_converse là chế độ duy nhất không sử dụng nó. Trang không nói liệu nó có áp dụng cho codex_responses hay không, vì vậy hãy coi tổ hợp đó là chưa được kiểm thử. Khi dùng giao thức Anthropic, ví dụ trong tài liệu nhà cung cấp trỏ api đến một đường dẫn nhưng không nêu hậu tố mà Hermes thêm vào, vì vậy hãy kiểm tra đường dẫn yêu cầu được ghi nhận trong lần gọi đầu tiên — tài liệu về base URL giải thích sự nhầm lẫn giữa origin và đường dẫn có /v1, vốn gây ra phần lớn lỗi 404 ở đó.
5. Dùng hermes model để thêm nhà cung cấp. Trong phiên, /model chỉ chuyển đổi giữa các endpoint bạn đã cấu hình và không thể thêm endpoint mới — hơn nữa lần chuyển đổi đó sẽ loại bỏ bộ nhớ đệm.

Trong lần thử đầu tiên, hãy chạy một tác vụ có giới hạn với một lần gọi công cụ thực tế, sau đó đọc /usage và bảng phân tích trên bảng điều khiển trước khi chuyển công việc đã lên lịch sang đó. Tạo tài khoản Kunavo khi bạn sẵn sàng kiểm thử tuyến đó bằng một khóa có tiền. Vẫn đang chọn agent thay vì nhà cung cấp của nó? Hermes so với OpenClaw so sánh hai quy trình.

Câu hỏi thường gặp

Các trang của Nous Research và Anthropic được kiểm tra ngày 21 tháng 9 năm 2026; trạng thái repository và bản phát hành mới nhất được xác minh qua GitHub API trong cùng ngày. Mức giá Kunavo và mọi tổng số ở trên được tính từ danh mục mô hình trực tiếp và là các ước tính minh họa. Cấu hình Hermes được báo cáo từ tài liệu nguồn, không phải từ một lần kiểm thử runtime.