Hermes Agent, OpenRouter 1위 등극; Lemonade로 로컬 AI 속도 향상
Nous Research의 Hermes Agent가 ‘Tenacity’ 업데이트 후 OpenRouter 일일 토큰 사용 1위를 기록했다. Lemonade는 vLLM ROCm을 도입해 기기 내 대형 언어 모델 실행 속도를 높였다.
리서치 데스크는 이렇게 봤어요 → 모델 학습 없이 AI 영상에서 감독급 카메라 제어30초 브리핑
- Hermes v0.13.0, 칸반·보안 수정 포함 배포
- 자기개선 루프가 ‘깊이’에 집중, 일일 사용량 견인
- OpenRouter 순위와 OpenClaw 이관 추이를 관찰
한 줄 요약
오픈소스 에이전트가 실사용 단계로 이동하고 있다: Hermes Agent가 자기개선 루프로 OpenRouter 사용 1위를 차지했고, Lemonade는 기기 내 대형 언어 모델 성능을 높였다.
New Tools
Hermes Agent v0.13 “Tenacity”: OpenRouter 일일 사용 1위 등극
Hermes Agent는 작업을 실행한 뒤 스스로 성과를 분석해 재사용 가능한 스킬을 만들어 가는 오픈소스 AI 조수다. 프로젝트는 MIT 라이선스로 배포되며 2026년 5월 7일자 v0.13.0 ‘Tenacity’ 릴리스를 게시했다. 1
Marktechpost에 따르면 OpenRouter의 일일 앱·에이전트 순위에서 Hermes는 224 billion의 일일 토큰으로 1위를 차지했고, OpenClaw는 186 billion으로 2위다. 경쟁은 철학 차이도 보여준다: Hermes는 실행–학습–개선 루프로 ‘깊이’를 추구하고, OpenClaw는 여러 채널을 한꺼번에 연결하는 중앙 게이트웨이로 ‘폭’을 추구한다. 2
‘Tenacity’ 릴리스는 하트비트·복구를 갖춘 칸반 기반 멀티에이전트 보드, 목표를 고정하는 /goal 명령, Checkpoints v2, 재시작 후 자동 복구, Google Chat 추가(지원 플랫폼 20개) 등을 포함한다. 또한 기본 비식별화와 역할 화이트리스트 강화 등 8건의 P0 보안 보완을 담아 안정성을 높였다. 2
이미 OpenClaw를 쓰는 팀을 위한 온보딩도 제공된다. 설정·메모리·스킬을 불러오는 ~/.openclaw 자동 감지, 미리보기 가능한 “hermes claw migrate” 명령, 에이전트 통신 프로토콜을 통한 병행 운영 등으로 전환 부담을 낮춘다. 2
Lemonade v10.4.0: 로컬 LLM 실행 속도·호환성 개선
Lemonade는 사용자가 보유한 그래픽 처리 장치(GPU)와 신경망 처리 장치(NPU)에서 최적화된 대형 언어 모델(LLM)을 제공해, 로컬 AI 앱을 찾고 실행하도록 돕는 도구다. 3
v10.4.0은 Linux 환경의 AMD Strix Halo 및 Strix Point 기기를 위한 실험적 백엔드로 vLLM ROCm을 통합했고, 문서 사이트도 대폭 개편했다. 3
Lemonade는 모델을 사용자의 기기에서 실행하도록 설계됐기 때문에, 이번 업데이트는 지원 하드웨어에서의 온디바이스 성능 향상과 로컬 워크로드 유지라는 프로젝트 목표(사용자 소유 GPU·NPU에서 최적화된 LLM 제공)에 부합한다. 3
나에게 주는 의미
Hermes의 부상은 학습을 통해 가치를 누적하는 에이전트가 실무에 유용함을 시사한다. 재사용 스킬과 계층적 메모리로 반복 업무의 재설정을 줄일 수 있으며, OpenRouter에서 224 billion의 일일 토큰 사용을 보인다. 주간 현황 취합, 콘텐츠 갱신처럼 안정된 프로세스부터 시범 적용하라. 2
‘Tenacity’의 칸반, /goal, 체크포인트는 비개발자도 통제권을 갖고 시범 운영을 시작하기에 적합하다. 한두 개 실제 업무 흐름을 선택해 시각화하고, 목표를 고정해 매주 다시 만들지 않아도 되는 환경을 구축할 수 있다. 2
보안은 초기부터 핵심 과제다. 에이전트 게이트웨이의 CVE 사례는 노출·오구성 위험이 공격 표면이 될 수 있음을 보여준다. 테스트 전용 워크스페이스에서 시작하고, 커넥터 권한을 최소화하며, 감사 기록을 남겨야 한다. 2
콘텐츠 처리나 조사 업무를 기기 내에서 처리해도 되는 경우, Lemonade는 지원 하드웨어에서 로컬 실행을 시도해 볼 경로를 제공한다. 사용자 보유 GPU·NPU에서 최적화된 LLM을 제공하려는 프로젝트 취지와 vLLM ROCm 백엔드 통합이 그 방향을 뒷받침한다. 3
지금 할 일
- Hermes로 반복 업무 한 건 시범 적용: 프로젝트의 퀵스타트를 따라 로컬 대시보드를 띄우고, 익숙한 채널 하나만 연결해 /goal과 칸반 보드로 주간 리포트나 현황 취합을 실행해 본다.
- 루틴을 ‘스킬’로 구체화: 반복 작업의 5–7단계 절차를 글머리표로 적고 Hermes에 템플릿으로 제공해, 다음부터 재사용 가능한 스킬로 저장·호출되는지 확인한다.
- OpenClaw 사용 중이면 마이그레이션 예행연습: “hermes claw migrate --dry-run”을 실행해 어떤 설정·메모리·키가 가져와지는지 미리 확인한 뒤 전환 여부를 판단한다.
- Lemonade로 로컬 LLM 체감 테스트: 최신 릴리스를 설치하고 소형 공개 모델을 로드해, PDF 요약이나 메일 초안을 오프라인에서 수행하며 속도·반응성을 기존 클라우드 대비 측정한다.
- 에이전트 샌드박스 마련: 별도 워크스페이스나 테스트 계정을 만들고 커넥터 권한을 최소화(가능하면 읽기 전용)하며, 팀 초대 전 접근 범위를 문서화한다.
이 기사의 용어
- 토큰Token
토큰은 LLM이 텍스트를 직접 글자나 단어로 보지 않고 처리하기 위해 나누는 기본 입력 단위다.
- 그래픽 처리 장치GPU
GPU는 대규모 병렬 스레드와 전용 메모리 계층을 통해 행렬 중심의 동일 패턴 계산을 고처리량으로 실행하는 가속 프로세서로, 고대역폭 메모리와 고속 인터커넥트를 활용해 AI 학습·추론 같은 데이터 병렬 워크로드의 처리율을 높인다.
- 대규모 언어 모델LLM
대규모 언어 모델은 대규모 텍스트 말뭉치로 사전학습되어 자연어를 이해·생성하는 딥러닝 계열 모델로, 주로 Transformer를 기반으로 한 자기-어텐션으로 토큰 간 관계를 병렬로 포착하고(디코더 중심일 경우 다음 토큰을 순차 예측), 필요에 따라 인코더·디코더 구성이나 멀티모달 입력을 통해 범용성을 확장한다.
이 소식, 두 데스크의 시선
Hermes Agent, OpenRouter 1위 등극; Lemonade로 로컬 AI 속도 향상
모델 학습 없이 AI 영상에서 감독급 카메라 제어
ActCam은 추가 학습 없이 단계적 확산 스케줄로 프레임 단위 카메라·3D 모션 제어를 구현했다. UniPool의 전역 전문가 풀과 FrontierMath Tier 4에서 48%를 기록한 수학 에이전트 워크벤치, 그리고 Hermes Agent v0.13.0은 제어 가능성과 효율성으로의 수렴을 보여준다.
댓글 (0)