NousResearch: Hermes 2 Pro - Llama-3 8B nousresearch/hermes-2-pro-llama-3-8b

Модель NousResearch: Hermes 2 Pro - Llama-3 8B от Nousresearch (семейство hermes-2) доступна через единый OpenAI-совместимый API НейроГейт — без VPN, с оплатой в рублях, единым ключом для всех 353+ моделей платформы.
Open-source research-коллектив. Hermes-серия — лидеры fine-tuning.

👁 Зрение 🧠 Рассуждение 🎨 Генерация изображений 🎙 Аудио-вход 🔊 Синтез речи 🆓 Бесплатно

контекст, токенов

14 ₽

за 1 млн входных токенов

14 ₽

за 1 млн выходных токенов

возможностей

2023-12

база знаний до

Что такое NousResearch: Hermes 2 Pro - Llama-3 8B

Компактная open-source модель для задач структурированного вывода, function calling и точного следования инструкциям в агентных системах.

Hermes 2 Pro на базе Llama-3 8B — это доработанная версия модели Nous Hermes 2 от NousResearch, обученная на улучшенном и очищенном датасете OpenHermes 2.5. Модель относится к open-source семейству Hermes, которое традиционно ориентировано на точное следование инструкциям, структурированный вывод и function calling. По сравнению с предшественниками, Hermes 2 Pro получила расширенный обучающий набор с акцентом на качество данных, что положительно сказывается на надёжности ответов в задачах с чёткими форматными требованиями.

Модель работает в текстовом режиме с контекстным окном 8192 токена. Благодаря компактному размеру (8B параметров) она хорошо подходит для сценариев, где важна скорость инференса и экономия ресурсов без существенных потерь в качестве. Семейство Hermes исторически демонстрирует сильные результаты в задачах, требующих структурированного JSON-вывода, вызова инструментов и следования сложным системным промптам — это делает модель привлекательной для разработчиков, строящих агентные пайплайны и автоматизированные системы.

Когда брать эту модель

✓ Структурированный вывод данных и извлечение информации в формате JSON
✓ Function calling и интеграция в агентные пайплайны
✓ Следование сложным системным промптам и инструкциям
✓ Быстрый инференс в ресурсоограниченных или высоконагруженных окружениях
✓ Прототипирование и разработка, где нужна open-source модель с предсказуемым поведением

Пример работы

Реальный сценарий, на котором модель проявляет себя:

Извлеки из текста вакансии список требований к кандидату и верни результат строго в формате JSON с полями: hard_skills, soft_skills, experience_years.

Использование NousResearch: Hermes 2 Pro - Llama-3 8B через НейроГейт

OpenAI-совместимый эндпоинт https://api.neuralgate.ru/v1 — замени base_url в любом SDK и используй модель по её id.

# Chat completion
curl https://api.neuralgate.ru/v1/chat/completions \
  -H "Authorization: Bearer $NEURALGATE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "nousresearch/hermes-2-pro-llama-3-8b",
    "messages": [{"role":"user","content":"Привет!"}]
  }'

from openai import OpenAI

client = OpenAI(
    api_key="sk-...your-neuralgate-key...",
    base_url="https://api.neuralgate.ru/v1",
)
response = client.chat.completions.create(
    model="nousresearch/hermes-2-pro-llama-3-8b",
    messages=[{"role": "user", "content": "Привет!"}],
)
print(response.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.NEURALGATE_API_KEY,
  baseURL: "https://api.neuralgate.ru/v1",
});
const resp = await client.chat.completions.create({
  model: "nousresearch/hermes-2-pro-llama-3-8b",
  messages: [{ role: "user", content: "Привет!" }],
});
console.log(resp.choices[0].message.content);