Hermes Index

10月7日，Nousresearch正式推出Hermes Index大模型评测榜单，和以往侧重单纯推理能力的评测不同，这份榜单同时考核两大维度：性能指数越高越强，单任务成本越低越划算。

榜单当前性能榜首是Opus 5.5，单任务成本4.99美元；GPT-6 Astra性能位居第二，但单任务成本高达11.61美元，是参评十多款模型里成本最高的。榜单前排主力是Anthropic、OpenAI的模型，国产大模型GLM-5.3拿到第六名，剩余8个上榜席位大多由国产模型包揽。

成本梯队差异非常明显。DeepSeek V4.1 Flash单任务成本仅0.259美元，相比头部闭源模型直接下一个量级。GPT-6 Luna性价比更进一步，单任务成本比DeepSeek V4.1 Flash更低，同时性能差距不大。

蚂蚁Ling 3.0 Flash是这份榜单里单任务成本最低的，低至0.054美元，支持免费调用但存在每日额度限制。而刚发布的Ling 3.1 Flash跑分已经超越DeepSeek V4.1 Flash，官网也开放免费试用周期。

市面上绝大多数大模型评测只关注基准性能，但对于Hermes智能体、OpenCalw这类自动化任务场景，调用成本是不可忽视的关键指标，这也是Nousresearch打造Hermes Index的初衷。

从选型参考来看：预算充足优先选Opus 5.5；成本敏感的国内场景推荐DeepSeek V4.1 Flash；海外场景看重性价比可以选GPT-6 Luna；零成本需求可以尝试Ling系列，Ling 3.0 Flash有每日免费额度，新版Ling 3.1 Flash也有官网免费期。

要点小结

1. 榜单特色：Nousresearch Hermes Index，性能+单任务成本双维度评估，面向AI智能体任务场景
2. 头部性能：Opus 5.5性能第一；GPT-6 Astra性能第二，但11.61美元/任务，参评模型最贵
3. 国产阵容：GLM-5.3排第6，其余上榜席位大多为国产生成式大模型
4. 低成本梯队：DeepSeek V4.1 Flash 0.259美元；Ling 3.0 Flash低至0.054美元，带免费日额度；Ling 3.1 Flash跑分超越DeepSeek V4.1 Flash，官网免费试用
5. 选型参考：重性能选Opus 5.5；控成本可按需选用DeepSeek、Ling、GPT-6 Luna