Neues 9B-Sprachmodell für effiziente KI-Anwendungen in Unternehmen

Im Bereich der Künstlichen Intelligenz (KI) ist eine bemerkenswerte Entwicklung zu verzeichnen: die Einführung eines neuen Sprachmodells mit 9 Milliarden Parametern, welches spezifisch für "Tool-Calling" und "agentische Codierungs-Workflows" innerhalb des NousResearch Hermes Agent Frameworks trainiert wurde. Diese Neuerung, öffentlich bekannt gegeben, markiert einen potenziellen Fortschritt in der Effizienz und Anwendbarkeit von KI-Modellen für Geschäftskunden.

Spezialisierung als Schlüsselfaktor für Effizienz

Die Architektur des neuen 9B-Modells basiert auf Qwen3.5-9B und wurde in einem zweistufigen Trainingsprozess optimiert. Im Gegensatz zu generischen Chat-Modellen, deren Hauptaugenmerk auf breiter Anwendbarkeit liegt, wurde dieses Modell gezielt für eine tiefe Integration in das Hermes Agent Framework entwickelt. Das Training konzentrierte sich auf Fähigkeiten wie Tool-Aufrufe, Terminal-Befehle, Browser-Automatisierung und die Ausführung mehrstufiger Aufgaben. Diese Spezialisierung ermöglicht es dem Modell, komplexe Aufgaben innerhalb von Agent-Workflows zu verstehen und zu zerlegen, beispielsweise terminalintensive Operationen in ausführbare Schritte zu unterteilen oder Dateien mit Berücksichtigung ihrer Struktur zu bearbeiten.

Leistungsfähigkeit auf erschwinglicher Hardware

Ein zentraler Aspekt dieser Entwicklung ist die Fähigkeit des 9B-Modells, auf ressourcenschonender Hardware zu laufen. Dies ist ein entscheidender Vorteil für Unternehmen, die leistungsstarke KI-Lösungen ohne hohe Investitionen in spezialisierte Infrastruktur implementieren möchten. Die Effizienz, die durch die geringere Parameterzahl und die gezielte Optimierung erreicht wird, kann die Betriebskosten senken und die Skalierbarkeit für B2B-Anwendungen verbessern.

Benchmark-Ergebnisse und deren Implikationen

Die initialen Testergebnisse des Modells sind bemerkenswert. Es erreichte einen Wert von 53,33 % auf einer Teilmenge von 200 Samples des SWE-Benchmarks. Dieser Wert wird als signifikant hoch für ein 9B-Modell eingeschätzt und nähert sich den Leistungen wesentlich größerer Modelle der Gemma 4-Serie an. Zudem übertrifft es den HermesAgent-20-Benchmark mit einem Score von 85 gegenüber 71 des Basismodells. Diese Ergebnisse deuten auf eine hohe Präzision und Zuverlässigkeit bei der Ausführung von Codierungsaufgaben hin.

Es wird empfohlen, das Modell mit einer Temperatur um 1 (--temp) zu betreiben, um optimale Ergebnisse zu erzielen. Diese Einstellung ermöglicht es dem Modell, ein besseres Gleichgewicht zwischen Kreativität und Präzision zu finden, was bei agentischen Workflows von Vorteil sein kann.

Hermes Agent Framework: Ein Ökosystem für autonome KI

Das NousResearch Hermes Agent Framework, in das dieses Modell integriert wird, ist als ein sich selbst verbessernder KI-Agent konzipiert. Es ist in der Lage, aus Erfahrungen zu lernen, Fähigkeiten während des Gebrauchs zu verfeinern, Wissen zu speichern und frühere Konversationen zu durchsuchen. Dies ermöglicht eine kontinuierliche Verbesserung und Anpassung an die Bedürfnisse des Benutzers. Das Framework unterstützt zudem eine Vielzahl von Modellen und Anbietern, was Flexibilität und Unabhängigkeit von einzelnen Technologien gewährleistet.

Die Entwicklung von Hermes Agent zeigt einen klaren Trend hin zu autonom agierenden KI-Systemen, die in der Lage sind, komplexe Aufgaben in verschiedenen Umgebungen zu bewältigen. Die Integration von spezialisierten Modellen wie dem besprochenen 9B-Modell verstärkt diese Fähigkeiten weiter.

Anwendungsbereiche und zukünftige Perspektiven

Die Kombination aus einem leistungsfähigen, spezialisierten 9B-Modell und dem Hermes Agent Framework eröffnet diverse Anwendungsbereiche für Business-to-Business-Kunden. Dazu gehören unter anderem:

• Automatisierte Softwareentwicklung: Unterstützung bei der Codegenerierung, Fehlerbehebung und Testautomatisierung.
• Intelligente Assistenzsysteme: Agenten, die komplexe IT-Aufgaben autonom ausführen oder bei der Systemadministration helfen.
• Datenanalyse und -verarbeitung: Automatisierung von Prozessen, die das Auslesen und Bearbeiten von Informationen über Terminalbefehle oder Webbrowser erfordern.
• Personalisierte Workflows: Anpassung von KI-Agenten an spezifische Unternehmensprozesse und -anforderungen durch die Fähigkeit zur Selbstverbesserung und zum Lernen.

Die Möglichkeit, solche Modelle auf erschwinglicher Hardware zu betreiben, senkt die Einstiegshürden für Unternehmen, die KI-Technologien in ihre Abläufe integrieren möchten. Dies kann zu einer breiteren Akzeptanz und Innovation in verschiedenen Branchen führen. Die kontinuierliche Forschung und Entwicklung in diesem Bereich, wie auch die bevorstehende Veröffentlichung von Qwopus 3.6 27B, signalisiert eine dynamische Zukunft für agentische KI-Systeme.

Bibliographie

• HackerNoon. (2026, April 9). This 9B Model Was Trained for Tool Calling, Terminal Work ... Abgerufen von https://hackernoon.com/this-9b-model-was-trained-for-tool-calling-terminal-work-and-browser-automation
• Markaicode. (2026, Mai 2). Build a Hermes Agent: The Future of AI Automation 2026 | Markaicode. Abgerufen von https://markaicode.com/hermes-agent-2026-future-ai-automation/
• ModelsLab. (2026, April 12). Hermes 2 Pro Llama-3 8B — Function Calling LLM | ModelsLab. Abgerufen von https://modelslab.com/nousresearch-hermes-2-pro-llama-3-8b
• NousResearch. (2025, Juli 22). NousResearch/hermes-agent. GitHub. Abgerufen von https://github.com/nousresearch/hermes-agent
• NousResearch. (2026, Mai 6). Tool-heavy agents pay ~70% input-token overhead — `system_and_3` caching skips tools schema · Issue #20880 · NousResearch/hermes-agent. GitHub. Abgerufen von https://github.com/NousResearch/hermes-agent/issues/20880
• NousResearch. (2026, April 9). feat(agent): tool loop detection with context pruning · Pull Request #6784 · NousResearch/hermes-agent. GitHub. Abgerufen von https://github.com/NousResearch/hermes-agent/pull/6784
• NVIDIA Blog. (2026, Mai 13). Hermes Unlocks Self-Improving AI Agents, Powered by NVIDIA RTX PCs and DGX Spark | NVIDIA Blog. Abgerufen von https://blogs.nvidia.com/blog/rtx-ai-garage-hermes-agent-dgx-spark/
• teknium1. (2026, April 8). Hermes Agent v0.8.0 (v2026.4.8). GitHub. Abgerufen von https://github.com/NousResearch/hermes-agent/releases/tag/v2026.4.8
• teknium1. (2026, Mai 16). Hermes Agent v0.14.0 (2026.5.16). GitHub. Abgerufen von https://github.com/NousResearch/hermes-agent/releases/tag/v2026.5.16