开源AI新突破：Nous Research发布Hermes 4模型，性能比肩商业系统，数学推理超ChatGPT

🎯 情报来源：AI News | VentureBeat

人工智能初创公司Nous Research本周悄然发布Hermes 4大语言模型系列，该开源模型在数学推理等关键性能指标上已媲美商业闭源系统。最具突破性的是其4050亿参数版本在MATH-500基准测试中获得96.3%的惊人准确率，在AIME'24数学竞赛中达到81.9%的得分，超越多数需要数千万美元研发成本的专有系统。

该模型采用独特的”混合推理”模式，允许用户切换快速响应与逐步思考过程，并通过标签实现思维过程全透明。在衡量AI拒绝回答问题的RefusalBench测试中，Hermes 4以57.1%的得分显著领先GPT-4o（17.67%）和Claude Sonnet 4（17%）。其训练过程消耗192块NVIDIA B200 GPU和71,616 GPU小时，采用突破性的DataForge合成数据生成器和Atropos强化学习框架，共包含350万推理样本和160万非推理样本。

💡 核心要点

• 4050亿参数模型数学推理准确率96.3%，超越多数商业系统
• RefusalBench测试得分57.1%，是GPT-4o的3.2倍
• 训练消耗71,616 GPU小时，采用350万推理样本数据集
• 首创”混合推理”模式，思维过程完全透明
• 解决模型”过度思考”问题，长推理生成减少65-79%

📌 情报分析

技术价值：极高
突破性解决开源模型推理能力短板，MATH-500 96.3%的得分确立新标杆，混合推理和思维过程透明化设计具有行业示范意义。

商业价值：高
6500万美元融资背书，企业级API服务已部署，但192块B200 GPU的硬件门槛可能限制中小开发者采用。

趋势预测：高
开源AI性能逼近商业系统的拐点已至，Psyche Network分布式训练系统的开发可能进一步改变行业算力格局。

原文连接