Cómo configurar Hermes Agent para gastar menos usando varios modelos de IA

Uno de los errores más comunes al instalar Hermes es utilizar un modelo potente y costoso para absolutamente todo.

Hermes no necesita usar la IA más cara para generar un título, resumir contexto, preparar una consulta de memoria o realizar otras tareas auxiliares.

La estrategia es sencilla:

No uses un Ferrari para ir a comprar el pan.

La arquitectura que configuramos combina modelos económicos para las tareas repetitivas y reserva los modelos más potentes para aquello que realmente necesita razonamiento.

🧠 1. La arquitectura

La idea es trabajar con diferentes niveles:

En lugar de: Hermes → GPT/Claude → GPT/Claude → GPT/Claude → $$$ construimos:

Hermes → Router inteligente → modelo correcto según la tarea.

PASO 1 — Configura tu modelo principal 🧠

En Hermes entra a la configuración de modelos. Puedes mantener un modelo GPT como cerebro principal.

GPT
  ↓
Modelo principal
  ↓
Conversación
  ↓
Orquestación
  ↓
Decisiones importantes

La clave es que el modelo principal no tiene que hacer todas las tareas auxiliares. Ahí comienza el ahorro.

PASO 2 — Conecta OpenRouter 🌐

OpenRouter permite acceder desde una misma API a múltiples familias de modelos. Crea tu API Key y agrégala a Hermes cuando te solicite:

OPENROUTER_API_KEY

PASO 3 — Entra a Auxiliary Models ⚙️

Hermes permite asignar modelos diferentes a tareas secundarias. Busca Configure auxiliary models. Aquí es donde ocurre la optimización.

En lugar de dejar que todas las tareas utilicen automáticamente el modelo principal, asignamos modelos económicos donde tenga sentido.

PASO 4 — Compression → Qwen Flash 💰

Compression resume el contexto acumulado. Es una tarea frecuente y puede consumir bastantes tokens. Configúrala con un modelo Flash económico, por ejemplo:

Compression
  → OpenRouter
  → Qwen Flash
  → qwen/qwen3.8-flash

Porque no necesitas utilizar tu modelo premium simplemente para condensar contexto.

PASO 5 — Title Generation → Qwen Flash

Los títulos de las sesiones son una tarea sencilla. Configúralo con Qwen Flash para evitar llamadas innecesarias al modelo premium.

PASO 6 — Memory Query Rewrite → Qwen Flash 🧠

Cuando Hermes necesita buscar información en memoria, puede reformular la consulta. Es una operación pequeña que puede repetirse muchas veces. Precisamente ahí interesa ahorrar.

Memoria
     ↓
Qwen Flash
     ↓
búsqueda optimizada

PASO 7 — Skills Hub → Qwen Flash 🛠️

Hermes puede buscar y seleccionar Skills. No necesitas utilizar siempre GPT o Claude para esta tarea: el modelo económico ayuda a identificar las herramientas necesarias.

PASO 8 — Review → DeepSeek ⚙️

Aquí aumentamos inteligencia. Review puede necesitar analizar el trabajo realizado y detectar problemas. Reservamos un modelo con mayor capacidad para una tarea donde el razonamiento sí importa.

Review
  → OpenRouter
  → DeepSeek
  → deepseek/deepseek-v4-pro

PASO 9 — Kanban Decomposer → DeepSeek

Cuando Hermes transforma un objetivo grande en subtareas y plan de ejecución, vale la pena invertir algo más porque una mala descomposición puede afectar todo el proyecto.

PASO 10 — Delegation → DeepSeek 🤖

Esta es una de las configuraciones más interesantes. Cuando Hermes crea o delega trabajo a subagentes, configuramos DeepSeek: el modelo principal actúa como director, mientras otro modelo realiza buena parte del trabajo operativo.

Hermes
      ↓
delegate_task
      ↓
DeepSeek
      ↓
Subagente
      ↓
Resultado

PASO 11 — No cambies todo ⚠️

Este punto es importante. No recomiendo asignar manualmente un modelo diferente a cada opción simplemente porque Hermes lo permite. Funciones como Vision, Approval, MCP, TTS, Triage, Profile y Curator pueden permanecer inicialmente en AUTO. Después puedes optimizarlas según tus métricas reales.

PASO 12 — Controla los tokens 💵

Durante nuestras pruebas, un subagente intentó realizar una solicitud con un máximo muy alto de tokens y OpenRouter respondió HTTP 402. Esto no necesariamente significa que Hermes esté roto: puede significar que el presupuesto disponible para esa API Key no alcanza para el máximo potencial de la solicitud.

No conviertas estos números en reglas rígidas: ajústalos según tus flujos, modelos y resultados.

PASO 13 — Coloca límites en OpenRouter 🛡️

Nunca entregues una API sin controles a un sistema autónomo. Configura límite de crédito, monitoreo y alertas. Usa keys independientes por entorno para saber quién está consumiendo qué.

Hermes-Producción    → Límite mensual definido
Hermes-Laboratorio   → Límite pequeño
Hermes-Clientes      → Key independiente por entorno

PASO 14 — La fórmula de ahorro

Nuestra filosofía queda así:

              HERMES
                 │
          ORQUESTADOR
                 │
     ┌───────────┼───────────┐
     ↓           ↓           ↓
 QWEN FLASH   DEEPSEEK    GPT/CLAUDE
     │           │           │
 BARATO       TRABAJO      PREMIUM
     │           │           │
 tareas       agentes      problemas
 simples      análisis      complejos

• 🔥 Qwen para volumen.
• ⚙️ DeepSeek para trabajo y razonamiento intermedio.
• 🧠 GPT para orquestación y tareas de alto valor.
• 🎯 Claude cuando el tipo de trabajo justifique utilizarlo.

PASO 15 — Prueba que la delegación funciona

No asumas que quedó bien. Haz una prueba pequeña: delega a un solo subagente la tarea de dar 3 ideas breves para automatizar una empresa (máximo 500 palabras). Luego revisa qué proveedor/modelo ejecutó la delegación.

Provider: OpenRouter
Model: DeepSeek

Eso confirma que el routing está funcionando.

🧪 Configuración Hermes LATAM recomendada para empezar

MODELO PRINCIPAL
GPT
│
├── Compression        → Qwen Flash
├── Title Generation   → Qwen Flash
├── Memory Query       → Qwen Flash
├── Skills Hub         → Qwen Flash
├── Review             → DeepSeek
├── Kanban Decomposer  → DeepSeek
├── Delegation         → DeepSeek
├── Vision             → Auto
├── MCP                → Auto
└── tareas premium
    ├── GPT
    └── Claude

💡 El principio más importante

Optimizar IA no significa simplemente buscar el modelo más barato. Tampoco significa utilizar siempre el modelo más inteligente. La verdadera optimización consiste en:

Usar la inteligencia necesaria para cada tarea al menor costo razonable.

Cuando tienes 1 agente, quizá la diferencia parece pequeña. Pero cuando tienes 10 agentes → 100 agentes → 1.000 agentes → miles de ejecuciones diarias, la arquitectura del routing se convierte en una decisión financiera.

🚀 Hermes LATAM

Estamos entrando en una etapa donde las empresas no van a trabajar con una sola inteligencia artificial. Van a tener un ecosistema: GPT + Claude + DeepSeek + Qwen + otros modelos especializados. Hermes puede convertirse en la capa que los coordina.

No necesitamos que la IA más cara haga todo. Necesitamos que la IA correcta haga cada trabajo.

Conversa · Delega · Crece

¿Estás usando GPT o Claude para absolutamente todo en tus agentes? Probablemente estás pagando inteligencia premium para tareas que un modelo mucho más económico puede resolver.

En nuestro laboratorio de Hermes LATAM configuramos una arquitectura multimodelo: Qwen para operaciones frecuentes, DeepSeek para trabajo y subagentes, y GPT/Claude para los trabajos donde realmente necesitamos potencia premium. El futuro no es elegir *un* modelo. El futuro es construir equipos de modelos.