13 min lectura
El espacio de agentes de IA tiene un nuevo competidor, y está aprendiendo más rápido de lo que nadie esperaba. Hermes Agent, desarrollado por Nous Research, se lanzó como un agente autónomo de código abierto que no solo ejecuta tareas, sino que también mejora cada vez que se ejecuta.
Desde su lanzamiento, Hermes ha acumulado más de 5.000 estrellas en GitHub y ha generado un debate que está dividiendo a la comunidad de entusiastas de la IA: ¿Es realmente mejor que OpenClaw?
La respuesta corta es complicada. La respuesta larga implica entender para qué fue diseñada cada herramienta y por qué usar ambas podría ser la verdadera respuesta.
Hermes Agent es un agente de IA autónomo y de código abierto desarrollado por Nous Research, diseñado para aprender con el tiempo en lugar de comenzar desde cero en cada sesión. Nous desarrolló la familia de modelos Hermes-3, entrenada sobre Llama 3.1 con su stack de RL Atropos.
El agente incluye 47 herramientas integradas, un sistema de memoria persistente que crece entre sesiones, una arquitectura de backend de memoria conectable, integración con servidores MCP, soporte de modo de voz en todas las plataformas y —esta es la función estrella— un sistema de habilidades que permite al agente crear, actualizar y eliminar sus propios procedimientos.
Así, cuando Hermes descubre un flujo de trabajo no trivial, guarda el enfoque como un documento de habilidad reutilizable. Cuanto más lo uses, más capaz se vuelve, y este es el diferenciador clave.
La última versión añadió notificaciones automáticas de tareas en segundo plano, MiMo v2 Pro gratuito en Nous Portal y cambio de modelo en tiempo real en todas las plataformas. Es compatible con Claude, ChatGPT, Qwen y modelos locales de código abierto. Esto significa que es posible ejecutarlo completamente con Qwen 3.5 de forma local, algo que la comunidad de modelos abiertos ya ha estado haciendo con resultados reportados como sólidos.
La comparación con OpenClaw es inevitable, pero frecuentemente está mal planteada. OpenClaw y Hermes Agent resuelven problemas similares con filosofías fundamentalmente distintas.
OpenClaw prioriza el ecosistema: fue construido para integrarse con todo, y sus enormes recursos de desarrollo —respaldados por la adquisición de su creador Peter Steinberger por parte de OpenAI y el significativo apoyo de Nvidia— le permiten lanzar actualizaciones diarias con soporte nativo para Cursor, Claude Code y otros IDEs (entornos de desarrollo integrado, para quienes no estén familiarizados con el término).
Hermes prioriza el aprendizaje: toda su arquitectura gira en torno a que el agente mejore con el uso. El ciclo de auto-mejora no es una función añadida; es la razón por la que existe el proyecto.
En resumen: OpenClaw usa la IA para ser tu comodín. Hermes apunta a ser el mejor en algo concreto tras unas pocas iteraciones.
En nuestras pruebas, Hermes es más rápido que OpenClaw, incluso usando el mismo modelo. La arquitectura ligera del agente —una simple pantalla de terminal— implica menor latencia en las llamadas a herramientas, tiempos de respuesta más rápidos y menos sobrecarga.
OpenClaw ha tenido problemas de rendimiento documentados en el pasado, aunque el equipo ha estado trabajando en solucionarlos. Hermes ha sido consistentemente ágil.
Dicho esto, OpenClaw es un proyecto mucho más grande, usado por muchas más personas, que documentan muchas más situaciones.
OpenClaw ha invertido fuertemente en arquitectura de subagentes, lanzando agentes especializados para tareas específicas. Hermes soporta el Protocolo de Comunicación entre Agentes (ACP), lo que le permite comunicarse directamente con OpenClaw u otros agentes, pero la orquestación no es su enfoque principal.
La implicación práctica: puedes ejecutar ambos en paralelo, con OpenClaw orquestando y Hermes ejecutando, o tenerlos trabajando en distintas partes de un proyecto simultáneamente. Claude en el frontend, ChatGPT en el backend, ambos trabajando en paralelo.
OpenClaw es un buen orquestador, distribuyendo tareas entre diferentes agentes, mientras que Hermes es un excelente ejecutor en solitario.
Si eres un usuario avanzado, podrías usar ambos en conjunto. Si solo quieres algo práctico, tu decisión dependerá de lo que quieras hacer con tu asistente de IA.
Aquí es donde las filosofías divergen claramente. OpenClaw comienza como una capa intermedia, ofreciéndote un agente "básico" que debes moldear a tu imagen y semejanza, haciéndolo tan poderoso como quieras según las habilidades que instales.
Esto generalmente significa que tú o el modelo van a un repositorio con "habilidades" preconfiguradas creadas por otros usuarios y compartidas con la comunidad.
Hermes viene con herramientas de aprendizaje integradas, por lo que resulta más funcional desde el primer uso. También soporta el formato de habilidades, así que puedes pedirle al modelo que aprenda una habilidad específica.
Sin embargo, a diferencia de OpenClaw, este programa ligero tiene la capacidad de crear y modificar sus propias habilidades a medida que interactúas con él. Por ejemplo, le pedimos al modelo que accediera a nuestra cuenta. Trabajó con nosotros durante todo el proceso y, una vez que lo logró, procedió a crear su propia habilidad en lugar de depender de una escrita previamente por un tercero.
Para usuarios principiantes, que el modelo cree su propia habilidad significa que no están expuestos a habilidades de terceros potencialmente inseguras que podrían inyectar prompts u hacer otras cosas extrañas. Para usuarios más avanzados, significa que su agente puede terminar con un flujo de trabajo, conocimiento y comportamiento más adaptado a su personalidad y necesidades.
Ambos agentes son compatibles con Telegram, Slack, Discord, WhatsApp e interfaces de línea de comandos, entre otras plataformas de mensajería. OpenClaw tiene integraciones nativas más maduras con herramientas de desarrollo. Hermes ofrece opciones de despliegue más flexibles: funciona desde una Raspberry Pi hasta un clúster en la nube, y la opción serverless no cuesta casi nada cuando está inactivo.
Ambos son completamente de código abierto y gratuitos. Tu único costo son las llamadas a la API del modelo que uses y la infraestructura para alojarlo, o lo que gastes en electricidad si optas por ejecutar un modelo local.
La documentación de OpenClaw se beneficia de un equipo más grande y un historial de desarrollo más extenso.
La documentación de Hermes es estructurada y funcional —cubre instalación, inicio rápido, configuración, herramientas, memoria, habilidades, integración MCP y modo de voz— pero está escrita por ingenieros para ingenieros. Hay menos acompañamiento.
Dicho esto, ambos han mejorado con el tiempo y corregir errores ya no es un dolor de cabeza, especialmente dado lo activas que son sus comunidades.
OpenClaw tiene la comunidad más grande y la documentación más completa, impulsadas por su equipo más numeroso y mayor trayectoria. Además, dado su enorme peso cultural, muchas empresas están construyendo sobre él, facilitando mucho su uso.
Actualmente, Xiaomi tiene MiMo Claw, Minimax tiene MaxClaw, Ziphu AI tiene AutoClaw, etc. Incluso Nvidia ofrece una solución OpenClaw para uso empresarial. Eso no lo verás con Hermes, al menos por ahora.
Estas implementaciones dan a los usuarios la posibilidad de ejecutar una instancia en la nube, desplegando agentes con solo presionar un botón. Interactuar con un agente en la nube que corre en una máquina separada puede ser algo más limitado que darle a un agente acceso a tu PC local, pero sigue siendo una opción muy poderosa para usuarios cotidianos.
Hermes está creciendo rápidamente: su Discord es activo, la documentación es sólida y mejora constantemente, y la comunidad está compuesta principalmente por entusiastas técnicos que contribuyen de vuelta al proyecto. Pero al final, sigue siendo una terminal.
OpenClaw se siente como un producto pulido. Hermes se siente como un taller.
Ambos agentes pueden operar con acceso significativo al sistema, por lo que las decisiones de despliegue importan. Hermes corre con los privilegios de la cuenta que lo lanza, y su propia documentación de seguridad indica explícitamente que no se debe ejecutar el gateway como root. OpenClaw tiene un modelo de sandbox más desarrollado sobre el papel, pero su propio repositorio también muestra trabajo continuo de refuerzo en torno a permisos de habilidades, directorios de habilidades con permisos de escritura y configuraciones predeterminadas del sandbox.
En la práctica, ninguno debe considerarse "seguro por defecto" en producción sin un aislamiento cuidadoso, configuración de mínimos privilegios y revisión de cualquier integración o habilidad de terceros.
Debes ser extremadamente cuidadoso al trabajar con agentes. Las habilidades pueden estar infectadas, los modelos pueden alucinar y las cosas pueden salirse de control. Si no configuras las salvaguardas adecuadas, todo puede salir muy, muy mal.
Por ejemplo, en una de nuestras rutinas de "resumen matutino", el modelo alucinó nombres y órdenes, y comenzó a redactar correos electrónicos a influencers de IA y a configurar apuestas en Polymarkets. La rutina era simplemente investigación de noticias y un mensaje de Telegram con sus selecciones.
Esto puede —y probablemente eventualmente pasará— ocurrir con Hermes, OpenClaw o cualquier herramienta de IA agéntica que uses.
Instalar Hermes es muy sencillo. Aunque no es lo mismo que instalar una aplicación de la forma en que normalmente lo harías.
En lugar de ejecutar un instalador, debes abrir tu terminal y copiar y pegar este comando:
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
Ese único comando se encarga de todo: Python, Node.js, ripgrep, ffmpeg, la clonación del repositorio, el entorno virtual y el comando global de hermes. Al finalizar, estarás listo para chatear. Si usas macOS o Linux (incluyendo WSL2 en Windows), esto es todo lo que necesitas. Una vez que termine, recarga tu shell y ejecuta el comando:
source ~/.bashrc
Desde ahí, configurar tu agente es sencillo. Escribe el comando:
hermes setup
Una vez hecho esto, podrás configurar todo en un solo paso.
Si quieres probar diferentes modelos, elegir tu proveedor de IA es igual de simple. Solo escribe este comando en la terminal:
hermes model
Este comando te guiará a través del proceso de selección del mejor modelo. Nous Portal ofrece inicio de sesión OAuth sin configuración previa. OpenRouter te da acceso a docenas de modelos con una sola clave de API. Si quieres ejecutarlo completamente con modelos abiertos, puedes conectar Qwen, DeepSeek o cualquier endpoint compatible con OpenAI, incluyendo un modelo local en tu propio hardware. Hermes requiere un mínimo de 64.000 tokens de contexto, algo que todos los modelos principales en 2026 soportan.
La configuración completa toma menos de cinco minutos. Sin Docker, sin archivos YAML, sin infierno de dependencias. El instalador fue claramente diseñado por personas que han sufrido suficientes scripts de instalación rotos como para saber qué no hacer.
Para comenzar a interactuar con Hermes, solo necesitas escribir un simple comando, ¡y listo! Todo sucederá en la terminal. Simplemente escribe:
hermes chat
Aquí es donde las cosas se ponen interesantes. Una vez que conectas Hermes a Telegram, tienes esencialmente un asistente de IA personal en tu bolsillo, accesible desde cualquier dispositivo, en cualquier lugar, con soporte para notas de voz y capacidades de chat grupal.
La configuración toma unos dos minutos. Abre Telegram y busca @BotFather, el bot oficial de Telegram para crear bots.
Envía este comando a BotFather para que te guíe en el proceso de creación de tu propio bot:
/newbot
Una vez que el bot responda, el proceso de configuración es sencillo. Dale un nombre (algo como "MyHermesbot" o como quieras llamar a tu asistente), y BotFather te dará un token para el bot. Copia ese token. Recuerda que todos los bots de Telegram deben tener un nombre que termine en "bot".
Cuando hayas terminado y creado tu bot de Telegram, abre tu terminal para Hermes y ejecuta el comando:
hermes setup
Esto te guiará a través de la configuración. Pega tu token de bot cuando se te solicite y el gateway se encargará del resto. El gateway es un único proceso que conecta todas tus plataformas de mensajería (Telegram, Discord, Slack, WhatsApp, Signal) simultáneamente. No necesitas configurar cada una por separado si solo quieres Telegram.
Una vez que el gateway esté en ejecución, abre tu nuevo bot en Telegram y envíale un mensaje. Eso es todo. Ahora estás hablando con Hermes desde tu teléfono. Puede enviarte resultados de tareas programadas, recibir notas de voz que se transcriben automáticamente, gestionar cargas de archivos e incluso funcionar en chats grupales donde puedes mencionarlo con @.
La función de notas de voz por sí sola vale la pena la configuración. Puedes enviar un mensaje de voz diciendo "resume las mejores historias de Hacker News de hoy y envíame las tres primeras", y procesará el audio, ejecutará la tarea y responderá con texto. Sin necesidad de escribir.
Incluso te permite ejecutar "hermes claw migrate" si quieres abandonar OpenClaw y mover todo a Hermes. Otros comandos con funciones más específicas están disponibles en la página de GitHub del proyecto y en su documentación.
Si eres desarrollador o entusiasta de la tecnología que quiere un agente que mejore con el tiempo, funcione con infraestructura económica y soporte modelos abiertos, Hermes es la elección clara. También será la mejor opción si usas un agente para hacer exactamente lo mismo una y otra vez.
Dicho esto, si necesitas la experiencia más pulida con las integraciones de IDE más amplias y la comunidad más grande, OpenClaw sigue siendo la opción más segura.
Si te tomas en serio la productividad con IA, la respuesta real es ejecutar ambos. El flujo de trabajo multiagente no es un compromiso, es una ventaja competitiva. Tener un agente orquestando mientras otro ejecuta, usando diferentes modelos para diferentes tareas y contando con un respaldo cuando uno falla, produce resultados que ninguno de los dos agentes logra por separado. El ciclo de auto-mejora de Hermes significa que cada día que lo usas es mejor. El ecosistema de OpenClaw significa que nunca te faltarán integraciones.
Para casos de uso específicos: los creadores de contenido y periodistas encontrarán invaluable el sistema de habilidades de Hermes, ya que convierte flujos de trabajo repetitivos de investigación y escritura en pipelines automatizados que mejoran a diario.
Los desarrolladores se benefician de la configuración multiagente, dividiendo cargas de trabajo entre diferentes modelos en las tareas que cada uno maneja mejor y a menor costo.
Los científicos de datos e ingenieros de machine learning obtienen herramientas integradas para fine-tuning y aprendizaje por refuerzo que OpenClaw simplemente no ofrece.
Y cualquiera que trabaje con presupuesto limitado podría usar Hermes con LMStudio en su PC modesta para ejecutar un agente que no cuesta nada operar.
Decrypt-a-cookie
This website or its third-party tools use cookies. Cookie policy By clicking the accept button, you agree to the use of cookies.