2026年5月9日，Hermes Agent以单日2710亿Token消耗量登顶OpenRouter全球应用调用量榜首，首次超越长期占据榜首的OpenClaw。这款由Nous Research推出的开源自进化Agent框架，上线仅75天即实现GitHub星标从0到14万的爆发式增长。这一事件标志着AI Agent竞争从"参数与声量竞赛"进入"真实用量竞争"的新阶段，Agent壁垒正从"数据锁定"转向"懂你和会干活"。
一、拐点时刻
2026年5月9日，OpenRouter全球应用Token消耗榜迎来一次标志性换位——Hermes Agent（昵称"爱马仕"）以单日2710亿Token的消耗量登顶总榜，首次超越长期占据榜首的OpenClaw（昵称"龙虾"，245B Token）。这不仅是两个开源项目之间的排名交替，更是AI Agent赛道从"声量竞争"迈入"真实用量竞争"的拐点信号。
1.1 登顶事件还原
据OpenRouter应用Token消耗榜最新数据，5月9日全球排名前四的应用及其Token消耗如下：
| 排名 | 应用 | 单日Token消耗 | 所属类别 |
| 1 | Hermes Agent | 271B | 通用Agent |
| 2 | OpenClaw | 245B | 通用Agent |
| 3 | Kilo Code | 149B | 代码助手 |
| 4 | Claude Code | 79.2B | 代码助手 |
（来源：OpenRouter榜单数据，2026年5月9日；报道：智东西/36氪）
Hermes Agent登顶后的累计Token消耗已超过6.37万亿， Nous Research官方随即发文感谢用户。值得注意的是，Hermes本月调用排名前五的模型并非OpenAI或Anthropic的旗舰产品，而是：MiMo-V2-Pro（小米）、MiniMax M2.7（MiniMax）、Nemotron 3 Super（英伟达）、Step 3.5 Flash（阶跃星辰）、Hy3 preview（腾讯）。这一模型组合本身传递出强烈信号——Hermes的用户群体与成本策略，与依赖顶级多模态模型的OpenClaw形成了鲜明对比。
1.2 从"编程Agent榜首"到"全球总榜第一"
Hermes的登顶并非一蹴而就。2026年4月14日，它已冲上OpenRouter"最热门编程Agent"细分榜单榜首，当时便引发了"弃虾转马"的第一波迁移潮。但细分榜首与总榜榜首的意义截然不同：前者说明Hermes在开发者群体中建立了口碑，后者则证明它已经跨越了开发者圈层，被更广泛的用户群体真实且高频地使用。
从2月25日项目上线，到5月9日登顶全球总榜，Hermes Agent用了不到75天。GitHub星标从0增长至14万（相比一个月前直接翻倍），Fork达21.8K——这一增速在AI Agent领域前所未有，即便是此前最热门的AutoGPT达到类似规模也用了更长时间。（来源：GitHub数据，2026年5月）
1.3 格局解读：通用Agent正在侵蚀代码助手领地
Hermes登顶的深层含义，不仅在于它超越了OpenClaw，更在于它同时甩开了一众AI代码助手。Kilo Code（149B）和Claude Code（79.2B）分别只有Hermes Token消耗量的55%和29%。这表明，通用Agent正在接管原本属于专用代码助手的任务场景——当Agent能够"学会"你的部署流程、记住你的项目结构、自动完成跨工具的端到端工作流时，一个只会补全代码的编辑器插件就显得力不从心了。
Token消耗不等于产品成功，但它至少说明两件事：第一，有真实用户在高频调用；第二，应用正在承接复杂任务，而不是浅层问答。正如智东西在报道中所指出的，这是一个"AI Agent开始进入真实用量竞争阶段"的拐点。
二、Hermes Agent 是什么?
Hermes Agent 由美国AI研究团队 Nous Research 于2026年2月25日推出，是一款开源的自我进化型AI Agent框架。它的口号是"the agent that grows with you"——与你一起成长的Agent。与传统依附于IDE的编码副驾或一次性对话式Chatbot不同，Hermes被设计为一个可长期驻留、跨平台运行的自治代理，核心理念只有一句话：运行越久，能力越强。
2.1 核心定位："越用越聪明"的数字同事
Hermes Agent对自己的定位不是工具，而是"同事"。这两者的区别在于：工具需要你每次告诉它怎么做，同事则会记住你的偏好、学会你的流程、在你下次遇到同类问题时主动拿出方案。这一理念直击AI Agent行业最普遍的痛点——"赛博失忆"。每个用过AI助手的人都有过这样的体验：你花了半小时给AI解释项目背景，第二天打开新对话，一切从零开始。Hermes的持久记忆和自动技能创建直接解决了这个问题。
这不是一个模糊的愿景，而是一个可验证的产品差异。一位互联网大厂程序员在测试后总结道：OpenClaw的核心逻辑是"人写Skill，社区贡献，Agent调用，人全程盯着"；而Hermes的核心逻辑是"人给目标，Agent写Skill，Agent用Skill，Agent改Skill"。（来源：21世纪经济报道，2026年4月）
2.2 "一体双入口+多后端"架构拆解
Hermes Agent采用模块化的三层架构，其设计哲学是在保持核心引擎统一的前提下，最大化入口和执行环境的灵活性：
入口层提供两类交互方式：一是本地TUI（通过hermes命令启动的终端界面），支持多行编辑、斜杠命令补全、会话历史与流式工具输出；二是消息网关（Messaging Gateway），以单一后台进程统一连接14+种外部通信平台——包括Telegram、Discord、Slack、WhatsApp、Signal、飞书、企业微信、钉钉、Matrix、IRC、Web UI等。最关键的是，跨平台的对话是连续的：你在Telegram开始的任务，切换到飞书还能继续，因为所有平台读取的是同一份记忆和技能库。
内核层由六大模块组成：Agent主循环、技能系统（Skills）、记忆系统（Memory）、工具调用层（Tools/MCP）、调度器（Cron）与子代理管理器（Subagents）。其中，技能系统与记忆系统的耦合是Hermes区别于其他Agent框架的核心——技能不是外部脚本，而是从交互经验中生长出来的"程序化记忆"。
执行后端层抽象了七种终端执行环境：Local、Docker、SSH、Singularity、Modal、Daytona与Vercel Sandbox。同一Agent可在VPS、GPU集群或无服务器平台上运行，空闲时可休眠以降低成本。这种设计使得Hermes既能作为个人7×24驻留助手低成本运行，也能扩展到重计算场景。
2.3 六大核心功能与差异化技术实现
闭环学习系统是Hermes最具辨识度的设计。当Agent完成一项复杂任务后，它不会简单地"交差了事"，而是进入自动反思阶段：回顾执行过程，提炼可复用模式，将成功的工作流程抽象为结构化的"技能"并持久存储。下次遇到相似需求时，直接加载已有技能。例如，第一次部署Nginx反向代理可能需要8步工具调用，执行结束后Agent自动创建deploy-nginx-reverse-proxy技能，下次仅需2-3步。技能遵循agentskills.io开放标准，具有可移植性，可通过社区Skills Hub分享。
三层记忆架构各司其职：短期工作记忆存储当前会话上下文，长期情景记忆通过SQLite FTS5实现跨会话全文检索，程序化技能记忆保存自动创建的可复用技能。Agent还会在关键节点主动"提醒"自己固化知识（周期性nudge），避免遗忘。所有记忆条目写入前会进行安全扫描，检测潜在的注入攻击。
技能自动生成采用三级渐进式加载策略——技能索引（几十token）→技能摘要（几百token）→完整技能（全部内容）——按需逐级展开，避免每次对话加载所有技能的完整内容。目前技能市场已有数百个社区贡献的技能包，覆盖运维、开发、内容创作、数据分析等领域。
消息网关系统以单进程管理会话、Cron与语音消息分发，支持14+平台原生连接器（不是简单封装），并具备语音转写能力。
多执行环境配合五级权限管控模型（从"只读"到"完全自主"），用户可根据信任程度灵活配置Agent的操作权限。
模型自由切换让Hermes不绑定任何模型厂商，支持200+模型——国际模型（GPT-4o、Claude、Gemini Pro等）、国产模型（DeepSeek-V3、Qwen-2.5、Kimi、MiniMax、GLM-4等）、本地模型（通过Ollama运行）。用户甚至可为不同任务类型指定不同模型，编程用Claude、日常对话用DeepSeek，通过hermes model命令热切换。
三、OpenClaw的困境
要理解Hermes为何能迅速超越OpenClaw，必须先理解OpenClaw自身的困境——Hermes的崛起，很大程度上是用户从OpenClaw"逃离"的结果。
3.1 OpenClaw的定位与此前优势
OpenClaw（前身为MoltBot/ClawdBot）是一款开源AI Agent平台，其核心架构是"电脑使用"（Computer Use）——通过视觉能力识别屏幕、移动光标、操作GUI软件，可模拟人类操作任意带界面的应用，无需预写自动化脚本。这一能力让OpenClaw在无API的遗留桌面软件自动化、Web应用操作等场景中拥有不可替代的优势。
在生态方面，OpenClaw原生支持22+消息平台，社区更成熟，第三方插件、生产部署案例、论坛与指南更完善。在Hermes出现之前，OpenClaw是OpenRouter上当之无愧的Agent之王，长期占据调用量榜首。
3.2 五大致命短板
然而，OpenClaw的优势之下潜伏着结构性缺陷，这些缺陷在Hermes出现后被迅速放大。
短板一：记忆缺失，每次从零开始。 OpenClaw每个任务仅基于用户提供的prompt上下文和外接数据运行，本身不原生跨任务积累学习。每次执行任务都是"从零开始"，不会因为之前做过相同任务就变得更高效。若要搭建记忆层，需要用户自行构建基础设施。用户的直观感受是："龙虾记忆太差了。"
短板二：安全漏洞与恶意技能泛滥。 公开数据显示，OpenClaw在63天内累计披露了138个安全漏洞，其中7个严重级别、49个高危级别。更致命的是，ClawHub上5700个Skill中有1467个被确定为恶意——包括凭证窃取、加密挖矿、持久后门，单个恶意Skill的最高安装量超过34万次（来源：21世纪经济报道，2026年4月）。这意味着用户在安装社区技能时面临实质性的安全风险，信任基础被严重侵蚀。
短板三：Token成本失控。 OpenClaw的Computer Use功能每次都需要从头推理，且最好搭配顶级多模态模型（便宜模型在视觉任务上表现明显下降）。用户反映"一晚上烧掉几十美元Token"并非个例。更关键的是，由于缺乏自优化机制，这种token成本不会随使用时间降低——第100次执行同一任务与第1次的token消耗几乎相同。
短板四：部署配置繁琐。 OpenClaw需要完整桌面环境+VNC/屏幕会话，推荐2+vCPU、4+GB RAM，首次干净部署需1-3小时，运行基础设施更重。相比之下，Hermes的无头（headless）运行模式在1 vCPU、1GB RAM的VPS上即可启动，首次部署约30分钟。
短板五：无自优化能力。 OpenClaw的Skill大多由人工编写，Agent本身不会从过往运行记录中学习。虽然这带来了行为可预测、可审计的优势，但在重复任务的效率提升上，与Hermes的自动学习循环形成了代际差距。
3.3 用户流失的真实动因
用户从OpenClaw转向Hermes，并非单一因素驱动，而是多重不满的叠加爆发。
一位从OpenClaw转投Hermes的大厂程序员坦言："大家可能不是因为Hermes Agent好才开始使用它，很大程度上是因为OpenClaw那铺天盖地的宣传，进而产生了一种逆反心理。"（来源：21世纪经济报道，2026年4月）
这句话揭示了一个关键事实：OpenClaw在走红过程中积累的过度营销、付费教程泛滥、"养虾"焦虑收割等现象，已经在用户心智中种下了不满的种子。当Hermes以"越用越聪明"的差异化定位出现时，这些不满迅速转化为迁移动力。
更深层的原因是，OpenClaw的Computer Use架构虽然通用性极强，但恰恰因为每次都要从头推理，在日常重复性任务上的体验反而不如"学过就会"的Hermes。大多数用户的日常工作并不是操作无API的遗留软件，而是数据处理、API调用、部署运维、信息整理——这些结构化、可重复的任务恰好是Hermes技能系统最擅长的领域。
四、Hermes Agent热度反超的五大驱动力
Hermes Agent在不到75天内从0做到全球调用量第一，不是偶然事件，而是技术、成本、生态、时机和品牌五重力量共振的结果。
4.1 技术驱动力：自进化闭环 vs 无状态循环
这是最根本的驱动力。Hermes Agent的技术架构在三个层面形成了对OpenClaw的代际优势：
记忆层面，Hermes的三层持久化记忆架构让Agent具备了"越用越懂你"的能力——基于Honcho的辩证用户画像持续刻画偏好，FTS5全文检索实现跨会话精准回忆，程序化技能记忆自动沉淀可复用经验。OpenClaw则每次对话从零开始，用户需要反复提供上下文。
技能层面，Hermes的"自创建—自改进—自复用"技能循环，使得重复任务的执行效率和token成本持续下降。以邮件分拣任务为例，首次运行需45秒、2000 token，第20次运行时仅需10秒、token成本大幅降低——这是规模效应的复利。而OpenClaw每次执行同一任务的成本基本恒定。
执行层面，Hermes内置40余个工具，原生支持MCP协议扩展，Agent可派生子代理并行处理独立工作流，还可通过Python脚本RPC批量调用工具，把多步骤流水线压缩为"零上下文开销"的单轮执行。这使得Hermes在长链路任务上尤其高效。
这不仅是功能差异，而是范式差异：OpenClaw是"配置驱动"的工具箱——人写Skill、社区贡献、Agent调用、人全程盯着；Hermes是"学习驱动"的长期搭档——人给目标、Agent写Skill、Agent用Skill、Agent改Skill。前者每次使用都是成本中心，后者每次使用都在积累资产。
4.2 成本驱动力：$5/月 vs $20-40/月的部署经济学
成本是用户用脚投票的最直接因素，而Hermes在基础设施和Token消耗两端都具有结构性优势。
基础设施方面，Hermes无头运行，最低$5/月的VPS（1 vCPU、1GB RAM，无需GPU）即可部署7×24小时在线实例。OpenClaw需要带桌面能力的更强机器，单Agent配置实际需$20-40/月。对于个人用户和小团队，这4-8倍的基础设施成本差距足以影响选型。
Token消耗方面，Hermes的模型无关性让用户可以选择高性价比模型，甚至通过Ollama运行本地开源模型实现接近零边际成本。更重要的是，随着技能学习，单任务token消耗会持续下降。而OpenClaw的Computer Use功能必须搭配顶级多模态模型才能保证视觉任务表现，且token成本不会随时间降低。
一个具体的对比：Hermes调用最多的模型是小米MiMo-V2-Pro、MiniMax M2.7、英伟达Nemotron 3 Super等性价比模型，而非GPT-4o或Claude 3.5 Sonnet。这说明Hermes的用户已经在用低token成本的模型完成大量工作，进一步拉大了与OpenClaw在总成本上的差距。
4.3 生态驱动力：中文优先+一键迁移的社区渗透策略
Hermes的增长逻辑对开源项目具有示范意义——它证明了社区运营策略可以成为产品增长的核心杠杆之一。
中文社区优先是Hermes最出人意料的策略。上线不到一个月就建立了完善的中文文档和社区，这在以英语为主的开源世界中非常罕见。中文开发者社区是全球最活跃的技术社区之一，而此前几乎没有主流Agent框架认真对待中文用户的需求。数据显示，Hermes上线15天Star即突破2万，与中文社区建立的时间节点高度吻合。（来源：GitHub增长数据，腾讯云开发者社区分析）
一键迁移工具（hermes claw migrate）则是一步精准的竞争棋——直接从OpenClaw用户池中获取增量，将迁移成本降到最低。这个工具的存在，让"弃虾转马"不再是一个艰难的决定。
KOL传播与全渠道覆盖构成了第三层推力。大量技术KOL自发撰写评测文章和视频教程，知乎、CSDN、小红书、B站、微信公众号全渠道内容覆盖，使Hermes在中文互联网中的曝光度远超同期其他Agent项目。
Hermes在国内的官方适配也极为迅速：阿里云、腾讯云、华为云推出一键部署方案，DeepSeek、智谱GLM、Kimi等大模型进入官方支持列表，飞书、钉钉、企业微信支持一键对接，微信支持扫码配对。这种"国产全链路适配"策略，极大地降低了中文用户的采用门槛。
4.4 时机驱动力：OpenClaw信任危机+Agent同质化疲劳的窗口期
2026年初，AI Agent赛道正处于一个微妙的转折点，而Hermes精准地踩在了这个窗口上。
OpenClaw的信任危机正在累积。138个安全漏洞、1467个恶意Skill（最高安装量34万次）的曝光严重动摇了用户信心。用户开始质疑：我把凭证交给这个平台，真的安全吗？同时，"养虾"过程中遭遇的高额token账单、频繁"罢工"、付费教程泛滥等问题，让OpenClaw从"神器"变成了部分用户口中的"鸡肋"。
AI Agent同质化疲劳则在更广的范围内发酵。2025年以来，大量Agent项目的核心能力都是"工具调用+Prompt编排"，产品之间的差异越来越小。用户开始渴望真正有差异化的产品——不是"又一个能调API的Agent"，而是"一个会记住我、会成长的Agent"。
国产大模型崛起则是第三重推力。DeepSeek-V3、Qwen-2.5等模型的能力已足够支撑Agent框架的日常运行，且成本远低于海外旗舰模型。Hermes的模型无关架构完美承接了这波红利，让用户可以用国产模型获得接近顶级模型的Agent体验。
4.5 品牌驱动力：Nous Research的社区信任资产
Hermes Agent不是一个"无名小辈"的突然爆发。它背后的Nous Research在开源AI社区早已建立了深厚的信誉：Hermes-2、Hermes-3、Hermes-4系列开源模型在Hugging Face上被广泛使用，团队长期活跃在AI研究前沿，论文和开源项目持续产出。联合创始人兼CEO Jeffrey Quesnelle拥有深厚的技术和开源社区背景。
当这样一个团队发布AI Agent框架时，开发者社区天然地给予了更高的关注度和信任度。这种品牌信任在冷启动阶段至关重要——它决定了第一批种子用户是否愿意投入时间尝试一个新项目。Hermes上线7天即破万Star，很大程度上得益于Nous Research的口碑势能。
品牌的另一个维度是"爱马仕"这个昵称。虽然与奢侈品牌撞名纯属巧合，但这个昵称在中文互联网上产生了极强的传播效应——"养马"对标"养虾"，简洁有趣，极大地降低了传播成本。在社交平台上，"养马"相关讨论的自发裂变速度远超任何官方营销。
五、AI Agent竞争进入新阶段
Hermes Agent登顶OpenRouter的意义，远不止于一个排名变化。它折射出AI Agent赛道的竞争范式正在发生三重迁移。
5.1 从"参数竞赛"到"真实用量竞争"
过去两年，AI产品的竞争核心是模型参数、榜单分数和发布声量。谁的模型参数多、跑分高、发布会声势大，谁就是"赢家"。但Hermes登顶传递的信号是：真实使用量正在成为比模型跑分更有说服力的评判标准。271B日Token消耗说明有大量用户在用它完成真实任务，而不是仅仅在demo里跑一个hello world。
这种转变对行业的影响是深远的。它意味着Agent产品必须回答一个更残酷的问题：用户愿不愿意持续为你烧Token？如果一个Agent每次使用都从零开始、每次执行都消耗相同的推理成本，它的长期竞争力将被"越用越便宜"的自进化Agent持续侵蚀。
但也要警惕一个反面：271B日Token消耗说明使用量惊人，也说明推理成本可能很高。Agent要成为基础工具，不能只会"猛烧Token"，还得在任务成功率、成本、速度之间找到平衡。Hermes的自优化机制在理论上能降低重复任务的token成本，但对于全新任务、复杂推理场景，token消耗依然不低。能否在规模扩张中持续优化单位任务成本，将决定Hermes能否从"现象级产品"走向"基础设施"。
5.2 Agent壁垒迁移：从流程权限到"懂你和会干活"
传统SaaS的壁垒建立在流程、权限、数据和组织协作之上——你不用Salesforce不是因为别的产品不好用，而是因为你的客户数据、销售流程、团队权限全在上面，迁移成本极高。
Hermes所代表的Agent范式暗示了一种新的壁垒逻辑：未来的Agent壁垒可能不是"你的数据锁在我这里"，而是"我比你更懂你"。当Agent积累了三个月你的工作习惯、沉淀了数百个针对你业务的定制技能、记住了你所有项目的上下文细节时，你不会轻易换掉它——不是因为数据迁移困难，而是因为新Agent需要重新"学习"你，而这个学习过程是有成本的。
这种壁垒比SaaS的数据锁定更隐蔽，但也可能更牢固。因为SaaS的数据至少可以导出，而Agent对"你"的理解是不可移植的。这也引出了一个值得关注的伦理问题：当Agent对你的"理解"成为产品核心价值时，这种理解归谁所有？
5.3 开源Agent的挑战：Token成本、稳定性与商业可持续性
Hermes登顶不代表它已经赢了。开源Agent想真正成为主流，还需要过几道关。
稳定性关：Hermes的技能系统依赖自动学习循环，但自动生成的技能质量参差不齐。如果技能写得太僵化，底层系统变化后可能失效，需要人工维护。自动学习还意味着需要信任Agent学习的行为是正确的——这对于企业级场景是一个不可回避的风险。
安全关：虽然Hermes的默认零遥测、本地数据存储、五级权限管控在隐私层面优于OpenClaw的网关架构，但开源项目的安全性同样需要持续审计。agentskills.io技能市场的开放性也意味着需要建立有效的技能安全审核机制，避免重蹈OpenClaw恶意Skill的覆辙。
商业可持续性关：Hermes采用"核心开源免费(MIT)+上层增值变现"的模式——基础层框架免费构建用户基本盘，中间层通过Nous Portal云服务订阅获取现金流，生态层通过技能市场分成和商用授权获取收益，延伸层提供企业定制方案。这套逻辑在理论上成立，但在实践中能否跑通，取决于付费转化率和企业客户的采用速度。毕竟，开源项目的"用户多≠收入多"是一个老问题。
Token成本关：这是最现实的挑战。6.37万亿Token的累计消耗意味着庞大的推理成本。虽然用户可以通过选择低成本模型和技能复用来降低单任务成本，但对于Hermes自身而言，如果Portal服务的定价无法覆盖推理成本，增长越快反而可能亏得越多。
尽管如此，Hermes所代表的方向——Agent不再是"你教它做什么它才做什么"的被动工具，而是"它会从你身上学习，越用越懂你"的主动协作者——这个方向是清晰的。正如腾讯研究院在2025年人工智能发展报告中提出的"共生伙伴"概念：AI正在从"智能工具"向与人类协同的"共生伙伴"转变。Hermes Agent的产品理念，恰好是这一趋势的具体实现。
开源Agent不再只是追赶者，它正在用真实Token消耗，正面挑战AI代码助手和闭源Agent产品。AI Agent的牌桌，可能真的要重洗了。
参考来源
智东西/36氪，《首超龙虾，「爱马仕」Agent全球调用第一，小米MiMo是第一贡献模型》，2026年5月10日
腾讯云开发者社区，《简单聊聊Hermes Agent》，2026年
腾讯云开发者社区，《Hermes Agent全面解析：功能特点、技术架构与核心优势》，2026年
腾讯云开发者社区，《为什么Hermes Agent能在2个月内拿下6万Star？产品设计拆解》，2026年
21世纪经济报道，《被"龙虾"收割的打工人，又花钱养"爱马仕"了》，2026年4月
腾讯新闻，《Agent中的"爱马仕"来啦：100k Star的开源AI Agent》，2026年4月
金色财经，《Hermes Agent解决了什么问题？》，2026年
rapidclaw.dev，《Hermes Agent vs OpenClaw: Which AI Agent Framework Should You Choose?》，2026年
userorbit.com，《Hermes Agent vs OpenClaw: A Practical Comparison for Product Teams》，2026年
mindstudio.ai，《Hermes Agent vs OpenClaw: Which Open-Source AI Agent Should You Use?》，2026年
OpenRouter应用Token消耗榜，https://openrouter.ai/app，2026年5月9日数据
—— END ——
（都看到这里了，还不关注我们吗 ？小心别在数字洪流中掉队哦 ↓）
往期回顾：
1. 干活儿的AI，终于有“规矩”了：一份新文件里藏着的机会与挑战
3. 从“资源不清”到“成本可算”：财政部5号文开启公共数据治理新阶段
4. AI双极世界初现：写在GPT-5.5与DeepSeek V4同步问世之后