Cuarta presentación de modelo del día 🔥 - presentando Hermes 4, de @NousResearch Hermes 4 está entrenado para la capacidad de dirección y tasas de rechazo más bajas, liderando RefusalBench y superando a Grok 4.

Nebius AI Studio 🤝@NousResearch Presentamos: 🔹 Hermes-4-70B 🔹 Hermes-4-405B Estamos orgullosos de potenciar Nous Chat con estos nuevos modelos y de hacerlos disponibles hoy en el Nebius Playground + API. 👉 Pruébalos hoy:

¡Estamos en vivo presentando el último y mejor modelo de razonamiento de Nous!

Nous Research presenta Hermes 4, nuestra última línea de modelos de razonamiento híbridos. Hermes 4 se basa en nuestro legado de modelos alineados con el usuario, con capacidades de computación ampliadas en el tiempo de prueba. Se prestó especial atención a hacer que los modelos sean creativos e interesantes para interactuar, sin estar limitados por la censura, y alineados de manera neutral mientras se mantiene un rendimiento de matemáticas, codificación y razonamiento de nivel de vanguardia para modelos de pesos abiertos.

1/10🧵 @nousresearch publicó recientemente un estudio interesante que muestra que los modelos abiertos utilizan de 2 a 3 veces más tokens que los modelos cerrados para tareas de razonamiento. Probamos si la asignación dinámica de tokens podría ayudar a abordar esta brecha de eficiencia. Aquí está lo que aprendimos 👇

Midiendo la Eficiencia del Pensamiento en Modelos de Razonamiento: El Benchmark Perdido Medimos el uso de tokens en modelos de razonamiento: los modelos abiertos generan de 1.5 a 4 veces más tokens que los modelos cerrados en tareas idénticas, pero con una gran variabilidad dependiendo del tipo de tarea (hasta 10 veces en preguntas simples). Este costo oculto a menudo anula las ventajas de precios por token. La eficiencia de tokens debería convertirse en un objetivo principal junto a los benchmarks de precisión, especialmente considerando los casos de uso no relacionados con el razonamiento. Lee la revisión exhaustiva de la eficiencia de razonamiento en el panorama de modelos abiertos y cerrados en nuestra última publicación de blog en colaboración con nuestro investigador residente, Tim. Ve más de su trabajo aquí:

¡Hola! kainan_e te invitó a unirte a su grupo de DM. La invitación expira en 24 horas.

El entorno de evaluación Arena-Hard ahora se ha fusionado con Atropos: disfruta de una evaluación escalable, flexible y moderna con el benchmark arena-hard de @lmsysorg, que es excelente para determinar una amplia gama de capacidades en los modelos. Listo para ser un entorno de RL si traes tu propio conjunto de entrenamiento también :) Aprende más en

Nuestro Investigador en Residencia @yaboilyrical estará discutiendo su trabajo sobre la dirección de SMC en UC Berkeley el 3 de agosto. Consulta el blog sobre este trabajo aquí: ¡Detalles a continuación!

Las horas de oficina de Psyche comienzan en 20 minutos en nuestro Discord - ¡Nos vemos allí!