Hermes Index 以统一 Harness 比较 Agent 模型质量与成本

Hermes Index 是Agent模型对比入口，包含HermesBench、TerminalBench4、TerminalBenchScience和SkillsBench。官方使用相同Hermes Harness及可用时的高推理设置，以pass@1和成本比较；HermesBench覆盖约150个工作空间任务、25类活动。TerminalBench4中的部分GPU任务未计入当前运行，星号等标记指向部分完成或成本估算。SkillsBench清理公开答案技能以减轻污染。用户应查看单套覆盖、评分方式和完整运行标记，再判断质量与成本是否适合自己的Agent；榜单持续变化，本条不将抓取时名次当作固定模型结论。