Dos o tres cosas que sabemos de NOUS

Veinticuatro millones de clones. Doscientas cincuenta y ocho mil estrellas en GitHub. Una valoración de 1,5 mil millones de dólares. A primera vista, las cifras de Nous Research no cuentan la misma historia que su organización: una veintena de personas, sin data center gigante, sin modelo frontera de varios cientos de miles de millones de parámetros. El software que produce esta desmesura es un agente en línea de comandos, distribuido gratuitamente, que cada cual puede instalar, modificar y alojar.

Esta anomalía es el tema. Nous Research no vende un modelo: vende una relación de confianza con un agente. Su tesis cabe en una frase, repetida desde hace tres años de todas las formas: las personas que utilizan una IA deben conservar el control. Todo lo demás (la familia de modelos Hermes, el agente, la suscripción Nous Portal, la red de entrenamiento Psyche) se deriva de esta promesa. Y choca con una pregunta que la industria no ha resuelto: ¿se puede vender confianza cuando se entrega el código?

La IA como bien público

El nombre es un programa. Nous es la palabra griega para el intelecto, la mente que percibe directamente. Hermes, el mensajero de los dioses, se ha convertido en el agente que ejecuta. Psyche, el alma, dio su nombre a la red de entrenamiento distribuido. Esta mitología coherente no es solo una coquetería de marca: cuenta una filosofía, la inteligencia como facultad compartida, y no como propiedad industrial.

Nous Research nace en 2022 de un colectivo de investigadores y manitas reunidos en Discord y X, en torno a una intuición: buenos conjuntos de datos sintéticos pueden producir excelentes modelos sin medios industriales. El colectivo se convierte en empresa en 2023, con cuatro fundadores: Jeffrey Quesnelle, Karan Malhotra, Teknium y Shivani Mitra. Dillon Rolnick se les une ese mismo año, primero como director de operaciones, antes de convertirse en director general.

La doctrina de la casa se llama el alineamiento con el usuario. Donde los grandes laboratorios entrenan sus modelos para rechazar, matizar y protegerse jurídicamente, Hermes está entrenado para adoptar el punto de vista de la persona que lo utiliza. "Neutrally aligned", dice la fórmula interna: el modelo debe seguir la visión del mundo de su usuario, no la de la empresa que lo fabricó. Es una posición filosófica, un argumento comercial y una fuente de controversias. Es también lo que distingue a Hermes de una enésima declinación de Llama.

Nous Research no es, sin embargo, un laboratorio frontera en el sentido de OpenAI o Anthropic. Su competencia de origen es el post-entrenamiento: partir de una base abierta sólida (Llama ayer, Seed-OSS hoy) y transformarla en asistente obediente, pilotable, capaz de llamar herramientas. "Comprendimos que el post-entrenamiento era la capa donde podíamos tener más impacto", resume la carta de anuncio de la serie B. Una manera elegante de decir que el laboratorio ha construido su ventaja sobre la capa que los gigantes consideran un detalle.

De Discord a la serie B

Todo comienza con un éxito viral. El primer Hermes, fine-tune de LLaMA, se propaga en pocos días. Nadie sabe realmente quién está detrás: es el espíritu del colectivo. Luego llega la polémica fundacional: las puntuaciones en los benchmarks parecen demasiado buenas para ser honestas. Acusados de entrenar sus modelos con las pruebas, los fundadores responden que no sabían qué eran esos benchmarks. La verificación independiente les da la razón. La anécdota dice algo de la casa: construir primero, optimizar después, y a veces no optimizar en absoluto.

2023 es el año de la estructuración. El colectivo se constituye en sociedad, levanta un primer capital entre inversores cripto y business angels, y publica YaRN, un método de extensión de contexto retomado después por Meta y DeepSeek. Hermes 2, y luego Hermes 3, instalan a la familia en el ecosistema open source; se convierte en el modelo por defecto de frameworks de agentes como Eliza.

2024 amplía la ambición. Con Diederik Kingma, coinventor del optimizador Adam y cofundador de OpenAI, Nous Research publica DeMo, y luego DisTrO, métodos que reducen drásticamente las comunicaciones entre GPU. En diciembre, el laboratorio entrena un modelo de 15 mil millones de parámetros a través de 11 000 nodos repartidos por varios continentes. Mientras tanto, el experimento WorldSim de Karan Malhotra (hacer salir a Claude de su personaje de asistente) se vuelve viral y le vale al laboratorio una cobertura mediática inesperada, en particular en el New York Times.

2025 acelera: serie A de 50 millones de dólares liderada por Paradigm, testnet de la red Psyche, salida de la familia Hermes 4 (14B, 70B, 405B), y luego de Hermes 4.3, primer modelo de producción post-entrenado íntegramente en Psyche. 2026 es el año del paso a escala para el gran público: Hermes Agent en febrero, un hackathon mundial, y luego una serie B de 90 millones de dólares en octubre.

Las fechas clave

• 2022: Colectivo en Discord y X. Destilación de los primeros LLaMA, nacimiento de la familia Hermes.
• 2023: Hermes 1 se vuelve viral. Publicación de YaRN. Constitución en sociedad y primera ronda de financiación.
• 2024: Hermes 2 y 3. DeMo y DisTrO con Diederik Kingma. WorldSim. Demostración de un 15B en 11 000 nodos.
• 2025: Serie A de 50 M$ (Paradigm). Testnet Psyche. Hermes 4, y luego Hermes 4.3 entrenado en Psyche.
• 2026: Hermes Agent (febrero, MIT). 258 000 estrellas en GitHub. Serie B de 90 M$ (octubre).

La pila, ladrillo a ladrillo

Cada ladrillo de la pila responde a la misma pregunta: ¿cómo hacer trabajar una IA en tareas reales sin confiar sus datos, su memoria y sus herramientas a un intermediario único?

Hermes, la receta

Hermes es menos una arquitectura que una receta: partir de una base abierta sólida, post-entrenarla con datos sintéticos y conjuntos de instrucciones cuidados, y luego ajustar el comportamiento para que siga al usuario en lugar de las consignas de una empresa. Hermes 1, 2 y 3 construyeron esta reputación sobre Llama; Hermes 4 franqueó un hito en agosto de 2025 con tres tamaños (14B, 70B, 405B) y un modo de razonamiento híbrido.

La cifra que el laboratorio destaca es RefusalBench, una prueba que mide la capacidad de un modelo de no rechazar una solicitud legítima. Hermes 4 obtiene allí 57,1 % y reclama el primer puesto, con 96,3 % en MATH-500 en modo razonamiento. Hermes 4.3, publicado en diciembre de 2025, lleva la lógica más lejos: solo 36 mil millones de parámetros, un contexto de 512 000 tokens, y la prueba de que un modelo entrenado de forma distribuida puede igualar, e incluso superar, a su equivalente centralizado. Más de 50 millones de descargas acumuladas en Hugging Face, según las cifras difundidas por la prensa especializada.

Hermes Agent, el producto

Publicado en febrero de 2026 bajo licencia MIT, Hermes Agent es un agente de línea de comandos, concebido para vivir en la máquina del usuario o en un servidor. Su diferencia se resume en tres ideas: una memoria persistente que sobrevive a los reinicios, competencias que el agente escribe él mismo tras haber resuelto un problema, y un gateway que lo conecta a más de veinte plataformas de mensajería (Telegram, Discord, Slack, Signal, WhatsApp, correo electrónico, Matrix, Teams).

El agente es deliberadamente agnóstico: funciona con Nous Portal, OpenRouter, OpenAI, Anthropic, Google o cualquier punto de acceso compatible, y puede ejecutarse en local, en Docker, por SSH, en Daytona, Modal o Vercel Sandbox. Se puede por tanto cambiar de modelo sin perder la memoria ni las competencias: una elección que dice mucho de la estrategia, fidelizar al usuario mediante la acumulación de contexto, no mediante el bloqueo del modelo.

Nous Portal, la caja

Nous Portal es la manera recomendada por la empresa para hacer funcionar Hermes Agent. Mediante una suscripción, el usuario accede a más de 300 modelos (Anthropic, OpenAI, Google, DeepSeek, Qwen, Kimi, GLM, MiniMax, xAI, NVIDIA) y a un "Tool Gateway" que agrupa búsqueda web, generación de imágenes, síntesis de voz, navegador en la nube y entorno de ejecución aislado. Un solo identificador OAuth reemplaza a media docena de cuentas y claves API.

Es el eje económico del laboratorio: Nous Research no factura sus propios modelos, sino la infraestructura que permite orquestar los de los demás. Una posición de "Suiza de los modelos" que transforma la neutralidad mostrada en ingresos recurrentes, y que evita depender del éxito comercial de una sola familia de modelos.

Psyche, la apuesta de ruptura

Psyche es una red de entrenamiento distribuido: en lugar de alquilar un clúster gigante, coordina máquinas repartidas por internet, conectadas por DisTrO, un método de compresión de gradientes que reduce el volumen de datos intercambiados entre GPU. La coordinación y la trazabilidad pasan por la blockchain Solana; los gradientes circulan, por su parte, en una red entre pares dedicada.

La demostración de diciembre de 2024 (15 mil millones de parámetros entrenados en 11 000 nodos), luego la testnet de mayo de 2025 y el entrenamiento de Hermes 4.3 en 24 nodos a 144 000 tokens por segundo convencieron a una parte del ecosistema. Queda una pregunta abierta: nadie ha mostrado aún públicamente un entrenamiento distribuido a la escala de los modelos frontera, con las decenas de miles de millones de dólares que eso supone.

Hermes for Businesses, la prueba

Anunciado con la serie B, "Hermes for Businesses" debe trasponer las promesas del agente para el gran público al mundo de la empresa: elección de los modelos según el presupuesto y la sensibilidad de los datos, aislamiento, gobernanza de los conocimientos internos, soporte y despliegue. El discurso es explícito: la empresa debe poseer su pila de inteligencia, no alquilarla. También se anuncia una aplicación móvil para el gran público, señal de que Nous Research no quiere sacrificar su anclaje individual.

Dar el software, vender la confianza

El software es gratis; la confianza, la comodidad y la gobernanza se pagan. Esa es la fórmula que Nous Research despliega desde 2025, y que explica a la vez el crecimiento muy rápido de su audiencia y la frialdad de algunos observadores.

La secuencia es clásica en el software de código abierto (dar el núcleo del producto para crear un estándar, vender la explotación), pero aquí se aplica a un agente, es decir, a un objeto que acumula contexto y se vuelve más útil a medida que se usa. Cada semana pasada con Hermes Agent aumenta el costo de salida, sin que la empresa necesite bloquear nada.

Las cifras conocidas dibujan una trayectoria impresionante y frágil. Los ingresos anualizados eran de unos 36 millones de dólares a mediados de septiembre de 2026, según el Wall Street Journal; la dirección aspira a más de 100 millones a finales de 2026. Con una valoración de 1.500 millones de dólares, el múltiplo supera 40 veces los ingresos anualizados: un nivel que supone una ejecución perfecta y una aceleración inmediata de los contratos empresariales.

Total recaudado: 158 millones de dólares según la empresa, 165 millones según algunas bases de datos que contabilizan las rondas seed por separado. La prensa cripto hablaba de una valoración "token" de 1.000 millones de dólares para la serie A, lo que explica las diferencias de lectura entre la prensa cripto y la prensa tech.

"En cierto modo, 90 millones de dólares es modesto en el financiamiento moderno."

, Dillon Rolnick, carta de anuncio de la serie B, 7 de octubre de 2026

Cuatro riesgos estructurales amenazan este montaje. La canibalización: un agente MIT puede ser forkeado, revendido o integrado gratuitamente por un competidor; la protección no viene del código sino de la marca, de la comunidad y de la calidad de ejecución. La dependencia de proveedores: el Portal revende el acceso a modelos que no le pertenecen, y una subida de precios se repercute inmediatamente. Los costos de inferencia: un agente que funciona de forma continua y llama a herramientas cuesta caro, y la promesa "menos de 100 dólares al día" debe sostenerse frente a usuarios intensivos. La venta empresarial, por último: reclutar a un director jurídico y a ingenieros "forward deployed" no basta para tranquilizar a un RSSI; el cumplimiento normativo es una obra de largo aliento.

Las cifras, y lo que no dicen

Estas cifras cuentan una adopción poco común para una herramienta de línea de comandos. Hermes Agent no tiene ni campaña publicitaria ni aplicación para el público general: se difundió por GitHub, X, Discord y el boca a boca de los desarrolladores. La métrica más elocuente quizá no sea el número de clones, sino la velocidad con la que el repositorio superó las 140 000 estrellas en tres meses tras el lanzamiento público.

No obstante, hay que leerlas con prudencia. El número de clones mide descargas, no usuarios activos; la cuota de tokens mundial es una estimación interna; las estrellas de GitHub miden la atención, no los ingresos. El único dato financiero de terceros (36 millones de dólares de ingresos anualizados) sigue siendo modesto en relación con la valoración, y esa es precisamente la apuesta de la serie B.

Cinco rostros

Nous Research no publica un organigrama. Los títulos evolucionan rápido en una empresa de este tamaño, y algunas biografías se reconstruyen a partir de fuentes de terceros. Los cinco perfiles que siguen no pretenden describir una jerarquía: describen una distribución de roles, la que explica la trayectoria del laboratorio y la naturaleza de Hermes Agent.

Dillon Rolnick, el operador venido de las finanzas

No tiene ni doctorado ni trayectoria de investigador. Es precisamente lo que lo hace útil: Dillon Rolnick es el traductor entre la cultura del laboratorio y las exigencias del capital.

Graduado de Vanderbilt en 2017, comienza su carrera como creador de mercado en divisas en Effex Capital (cambios, metales, futuros, contratos por diferencia, cripto). En 2019, funda Crysknife Capital, un vehículo nombrado en honor a un arma de Dune, especializado en la compra y la valoración cuantitativa de créditos procedentes de litigios. Luego pasa por un gran fondo de capital riesgo como responsable de investigación, antes de unirse a Nous Research en 2023.

Entra como director de operaciones (todavía se presenta así en mayo de 2025 en el podcast ThursdAI) y se convierte en director general a medida que la empresa se estructura. Es él quien lleva la palabra pública: conferencia Akash Accelerate 2025, aparición en el programa TBPN en el lanzamiento de Hermes Agent en marzo de 2026, artículo del Wall Street Journal en octubre. Su argumento es siempre el mismo: la IA abierta es más barata, más auditable, y la competencia beneficia primero a los usuarios.

Su estilo de dirigente se lee en su carta de anuncio de la serie B, donde califica 90 millones de dólares de suma "modesta". Detrás de la fórmula, un método de trader (buscar el activo mal valorado, ir antes que la multitud) aplicado a una convicción: la apertura está infravalorada por el mercado.

"Un principio se ha mantenido constante desde la primera versión de Hermes: las personas que utilizan un sistema de IA deben conservar el control."

, Dillon Rolnick, carta de anuncio de la serie B, 7 de octubre de 2026

Jeffrey Quesnelle, el arquitecto

Es el cofundador al que se cita cuando hay que probar que Nous Research hace investigación, y no solo ruido. Jeffrey Quesnelle es el hombre de las dos innovaciones que hacen posible Hermes Agent: el contexto largo y el entrenamiento distribuido.

Formado en informática y matemáticas en Oakland University, luego titulado con un máster en la universidad de Michigan-Dearborn, dirige el desarrollo de software en Intrepid Control Systems de 2017 a 2022, antes de convertirse en ingeniero principal en Eden Network, una infraestructura blockchain. Esta trayectoria de constructor de sistemas, más que de investigador académico, explica su manera: artículos cortos, implementaciones que funcionan.

En 2023, firma junto a otros YaRN, un método que extiende la ventana de contexto de los modelos de 8 000 a 16 000 tokens hasta 128 000 tokens por un coste adicional limitado. Citada más de cien veces, retomada por Meta y DeepSeek, se convierte en un estándar de facto. En 2024, firma junto a otros DeMo con Diederik Kingma, luego DisTrO, que reducen el tráfico entre GPU y hacen económicamente viable el entrenamiento distribuido. Es la base de Psyche.

Expone estos trabajos en formatos exigentes: dos horas de conversación con Sina Habibian en marzo de 2025 sobre las transformadas de Fourier aplicadas a la compresión de gradientes, las matemáticas del entrenamiento distribuido y las teorías de la mente. Su firma intelectual es la alineación "neutra": un modelo debe adoptar la visión del mundo de su usuario, no la de la empresa que lo fabricó.

Karan Malhotra, el filósofo del comportamiento

Un título de religión y filosofía, un paso por neurociencias, y la responsabilidad de lo que los modelos Hermes se atreven a decir, o se niegan a decir.

Karan Malhotra estudió religión y filosofía en Emory University, luego trabajó como investigador en aprendizaje automático en el Stanford Brain Stimulation Lab, donde estudiaba los efectos de la estimulación cerebral no invasiva. El salto hacia los modelos de lenguaje no es una ruptura: en ambos casos, se trata de comprender cómo un sistema complejo cambia de salida cuando se cambia su entrada.

Cofundador en 2022, se convierte en el Head of Behavior, el que define la personalidad, los valores y la pilotabilidad de los modelos. Es él quien asume públicamente la doctrina "uncensored": un modelo que rechaza, duda y trata al usuario como un sospechoso no es seguro, es inútil. También defiende el uso de la blockchain en Psyche, no por ideología sino por sus propiedades de incentivo y trazabilidad frente al riesgo de envenenamiento de los datos.

Su experiencia WorldSim, a principios de 2024, sigue siendo un momento clave: al pedir a Claude 3 Opus que saliera de su personaje de asistente para convertirse en la interfaz de línea de comandos de una realidad simulada, demuestra que una IA contiene un modelo del mundo mucho más rico de lo que los productos dejan ver. El episodio se vuelve viral e instala el laboratorio en el debate público sobre la naturaleza del comportamiento de los modelos.

"La inteligencia no debe ser acaparada por las empresas. Como el agua y el aire, debe ser un bien público accesible a todos."

, Karan Malhotra, entrevista difundida por Plain AI, mayo de 2026

Teknium, el artesano anónimo

Nadie conoce su rostro; todo el mundo conoce sus modelos. Teknium es el artesano de la familia Hermes, el que transforma una base abierta en asistente obediente y agradable.

Trabaja bajo seudónimo, lo que no impide ni credibilidad ni influencia: su cuenta y sus publicaciones en Hugging Face son seguidas por una parte de la comunidad open source. Antes de Nous Research, pasó por Stability AI. Es el autor del conjunto de datos GPTeacher, que sirvió para entrenar el primerísimo Hermes, y el principal responsable del post-entrenamiento de Hermes 2, 3 y 4, cuyo modelo 405B se publicó en agosto de 2025.

Su día a día, tal como lo describe, mezcla ingeniería de datos, infraestructura de entrenamiento, evaluaciones e investigación sobre la alineación. Es un trabajo de hormiga: constituir conjuntos de instrucciones, filtrar, equilibrar, medir los rechazos, empezar de nuevo. La calidad percibida de un modelo Hermes, su manera de seguir una consigna precisa sin desviarse, debe más a esta disciplina que a una arquitectura espectacular.

Su anonimato es coherente con la cultura del lugar: lo que cuenta son los pesos publicados, las tarjetas de modelos y los conjuntos de datos, no la personalidad de su autor. Su fórmula, durante una sesión de preguntas y respuestas en 2025, resume la mezcla de seriedad y provocación que caracteriza a la casa.

"Soy el responsable del post-entrenamiento en Nous Research, y saben qué, puede que sea una AGI."

, Teknium, sesión de preguntas y respuestas, 2025

Shivani Mitra, el puente discreto

La menos visible de los cuatro fundadores es también la que conecta el laboratorio con el mundo del capital cripto, condición material de su independencia.

Shivani Mitra forma parte de los cuatro fundadores originales. En las raras biografías disponibles, se la describe como investigadora e inversora presente en las comunidades Ethereum, NFT y open source, y como Managing Partner del Shiro San Fund dentro de Global Asset Capital. En el laboratorio, su rol abarca la dirección de la investigación, la estrategia y la visión a largo plazo de la IA abierta.

Su aportación es menos visible que la de un CTO o un portavoz, pero estructurante: es la parte del equipo que habla la lengua de los fondos cripto (Paradigm, Delphi Digital, Hack VC, luego Distributed Global) mientras mantiene la línea de un laboratorio "serio", según la palabra repetida por Karan Malhotra. Esta doble competencia explica por qué Nous Research pudo levantar fondos entre inversores cripto sin quedar reducido a un proyecto de token.

Su discreción es real: no hemos identificado ninguna entrevista larga pública sobre ella. Los elementos biográficos anteriores provienen de bases de datos profesionales y de perfiles de prensa, y deben leerse como tales.

En torno a los cinco

Hervé Bizira lidera la adopción de Hermes Agent en las grandes organizaciones: seguridad, gobernanza, despliegue. Su trayectoria pasa por Verizon Media, dentro del estudio de contenidos RYOT, y por la dirección técnica de un fondo de inversión, con formación en la universidad de Waterloo. Desde 2026, es la cara del giro empresarial: en septiembre, intervenía en el World Congress de San José sobre la confianza y la velocidad en la era de los agentes, y M12, el fondo de Microsoft, lo cita junto a Dillon Rolnick en el momento de la serie B. Su presencia señala que Nous Research ya no solo vende una herramienta a desarrolladores, sino una promesa de conformidad a compradores.

Tristan Chaudhry es, según una investigación de Plain AI, un cofundador que permaneció en la sombra. Habría conocido a Jeffrey Quesnelle en un evento de networking en San Francisco, tras una trayectoria de antiguo gerente de restaurantes Chipotle convertido en data scientist autodidacta. Defiende una visión "People's AI" y una teoría de la seguridad por la comunidad en lugar del control: "El objetivo de la IA no es convertirse en un dios de la IA, sino en algo más humano", habría confiado a Mercury. Su biografía no está confirmada por la empresa y no aparece en la lista oficial de los cuatro fundadores; sin embargo, ilumina la cultura del colectivo de origen.

Diederik Kingma es el garante científico externo. Cofundador de OpenAI y coinventor del optimizador Adam, firma junto a Nous Research los trabajos DeMo y DisTrO que fundamentan Psyche. No es empleado de la empresa, pero su firma da credibilidad a la ambición del laboratorio ante los investigadores y los inversores, y recuerda que Nous Research sigue siendo, ante todo, un laboratorio que publica.

Una cultura de comando

Nous Research cultiva una estética de comando: equipo reducido, trabajo a distancia, iteraciones rápidas, gusto por el secreto y la provocación. La fórmula de la página de carreras, un pastiche de los anuncios de expedición, asume el lado "misión" en lugar de "carrera". En los hechos, esto se traduce en perfiles generalistas, capaces de pasar de un artículo de investigación a una infraestructura de despliegue, y en una presencia constante en Discord, GitHub y X.

"Buenos salarios, largos meses de concentración total, peligro constante, con honor y gloria en caso de éxito."

, Página de carreras de Nous Research

La comunidad se trata como un activo estratégico, no como un canal de marketing. Los modelos se publican con sus tarjetas, sus conjuntos de datos y sus evaluaciones; las contribuciones externas se integran; los hackatones sirven para descubrir usos reales antes de transformarlos en productos. Es lo que permite a un equipo de una veintena de personas mantener un ritmo de publicación que haría palidecer a organizaciones diez veces más grandes.

El reverso es estructural: un equipo pequeño concentra los riesgos. La dependencia de algunas personas clave es fuerte, la función de cumplimiento es reciente, y la promesa de un soporte empresarial mundial se apoya en efectivos que aún no han sido dimensionados para ello. La serie B financia precisamente este paso: contrataciones de ingenieros "forward deployed", de un director jurídico, de diseñadores y de investigadores.

Seis contradicciones

El éxito de Nous Research no está exento de tensiones. Aquí hay seis, que estructuran las conversaciones de los inversores, los investigadores y los compradores empresariales.

1. "Uncensored": ¿producto o riesgo? El RefusalBench, que mide la capacidad de no rechazar, es un contra-benchmark asumido: convierte la docilidad invertida en argumento comercial. Las críticas ven en ello un desplazamiento del riesgo hacia el usuario y una puerta abierta a usos problemáticos. La respuesta de Nous Research se resume en dos puntos: la auditabilidad de los pesos abiertos vale más que la opacidad de los filtros, y un modelo que rechaza demasiado se vuelve inutilizable tanto para los investigadores como para las empresas.

2. ¿La cripto, talón de Aquiles o ventaja? Psyche se apoya en Solana, y la valoración de la serie A se presentó como respaldada por un token. Una parte del ecosistema IA ve en ello un riesgo de conflicto de intereses y de volatilidad; otra ve la única manera de financiar un entrenamiento distribuido a gran escala. Karan Malhotra reconoció él mismo que la cripto ofrecía "mucho espacio para la estafa", antes de asumir la apuesta por la trazabilidad.

3. Open source y empresa: la paradoja del MIT. ¿Cómo vender "Hermes for Businesses" cuando el agente es gratuito y forkable? La respuesta es clásica: se vende el soporte, la conformidad, la integración y la tranquilidad, pero aún no se ha demostrado a escala. El riesgo: que los clientes empresariales prefieran pagar a un integrador antes que al propio editor.

4. La dependencia de los modelos ajenos. Hermes es un post-entrenamiento: sin bases abiertas de calidad (Llama, Seed-OSS), la receta no funciona. Meta podría dejar de publicar sus pesos; otros proveedores podrían restringir sus licencias. Es precisamente lo que motiva Psyche y, a largo plazo, modelos propios, pero el camino es largo.

5. La valoración antes del ingreso. 1.500 millones de dólares para unos 36 millones de dólares de ingreso anualizado, es decir, más de 40 veces las ventas. El múltiplo se justifica por el crecimiento y por la opción Psyche; no deja ningún margen de error. Una desaceleración de la adopción o un fracaso del giro empresarial se pagaría caro.

6. La medición del traction. 24 millones de clones, 2,5 % de los tokens mundiales, 258.000 estrellas: estos indicadores miden la atención y el uso, no el valor capturado. Ninguno está auditado por un tercero. La disciplina habitual (separar traction, ingreso y retención) sigue siendo indispensable para evaluar la empresa.

Frente a OpenClaw y a los gigantes cerrados

El competidor más directo es OpenClaw, el otro agente de código abierto de referencia, con el que Hermes Agent se compara con frecuencia, hasta el punto de que las documentaciones de ambos proyectos se citan mutuamente. Frente a él, Nous Research destaca la sobriedad en tokens, la estabilidad y una integración más profunda con sus propios modelos.

Frente a los actores cerrados, el argumento es diferente: no es la potencia bruta, sino el control. Un usuario de Hermes Agent puede cambiar de modelo, alojar sus datos, conservar su memoria y sus competencias, y migrar a otro proveedor sin perderlo todo. Es una promesa de soberanía individual y, para una empresa, un argumento de conformidad.

La posición más singular sigue siendo Nous Portal: al revender el acceso a los modelos de sus competidores, Nous Research se sitúa por encima de la contienda. Se convierte en el intermediario neutral que permite comparar, cambiar y presupuestar, un papel que ni Anthropic ni OpenAI pueden desempeñar, ya que venden sus propios modelos.

Qué hay que vigilar

Cuatro señales dirán, en los próximos doce meses, si Nous Research logra su transición.

• El primer gran contrato empresarial hecho público. Un nombre, un monto, una duración: la prueba de que "Hermes for Businesses" existe comercialmente.
• El lanzamiento de la aplicación móvil. Dirá si Nous Research quiere seguir siendo una herramienta para desarrolladores o convertirse en un asistente para el gran público.
• Un entrenamiento de Psyche a escala frontera. Pasar de 36 a varios cientos de miles de millones de parámetros en distribuido validaría la tesis.
• La publicación de un informe de seguridad o de una certificación. SOC 2, auditorías de código, política de divulgación: la prueba de que la empresa se toma en serio la confianza.

Tres escenarios están sobre la mesa. El más favorable: la empresa adopta el agente, el Portal se convierte en el punto de paso, Psyche reduce los costos, es decir, más de 200 millones de dólares de ARR en 2028. El escenario central: un crecimiento empresarial real pero lento, de 100 a 150 millones de ARR, y un laboratorio respetado con una actividad comercial sólida. El más desfavorable: los modelos frontera banalizan el agente, la regulación encarece el open source, y la valoración se contrae. No son previsiones: son las tres hipótesis que los hechos conocidos permiten sostener.

Fuentes

1. Nous Research, A Note on Our Fundraise, 7 octobre 2026.
2. Nous Research, Introducing Hermes 4.3: Local Intelligence Globally Trained, 1er décembre 2025.
3. Nous Research, Hermes Agent, documentation, consultée le 28 octobre 2026.
4. Nous Research, Nous Portal, documentation, consultée le 28 octobre 2026.
5. Hermes Agent, About, 2026.
6. GIGAZINE, The open-source AI agent Hermes Agent has been downloaded more than 24 million times, 8 octobre 2026.
7. TechCrunch, Hermes agent maker Nous Research in talks for new funding at $1.5B valuation, 13 juillet 2026.
8. The Block, Decentralized AI project Nous Research in talks to raise $75M at $1.5B valuation, 14 juillet 2026.
9. Fortune, Crypto VC giant Paradigm makes $50 million bet on decentralized AI startup Nous Research, 25 avril 2025.
10. Tech Funding News, Nous Research raises $90M at a reported $1.5B valuation, octobre 2026.
11. FinSMEs, Nous Research Raises USD90M in Funding at USD1.5 Billion Valuation, octobre 2026.
12. The Next Web, Nous Research raises $90M to take its Hermes AI agent to businesses, octobre 2026.
13. Plain AI, He Studied Religion. Then He Built the Most Uncensored AI Models in the World, 30 mai 2026.
14. Plain AI, The Nous Co-Founder Nobody Talks About, We Found the Trail, 30 mai 2026.
15. Plain AI, Nous Research, fiche startup et fondateurs, mai 2026.
16. YesPress, Dillon Rolnick, The Trader Betting on Open AI at Nous Research, 2026.
17. ThursdAI, Fiche invité : Dillon Rolnick, mai 2025.
18. TBPN Digest, Nous Research launches Hermes agent and hackathon, 4 mars 2026.
19. FundedIQ, Nous Research: Funding, Investors & Team, octobre 2026.
20. StartupHub.ai, Shivani Mitra, Co-founder at Nous Research, septembre 2026.
21. WeAreDevelopers, Hervé Bizira, profil intervenant, 2026.
22. GitHub, API du dépôt NousResearch/hermes-agent, 28 octobre 2026.
23. OpenRouter, Hermes 4 405B, fiche modèle, 2026.
24. VentureBeat, Nous Research drops Hermes 4 AI models that outperform ChatGPT without content restrictions, août 2025.

Nota del autor

• Encargo y encuadre: James AUDRY SPENCER.
• Ejecución: DeepSeek Flash (deepseek-flash, proveedor deepseek-official, esfuerzo de razonamiento máximo).
• Tiempo de producción: 22 min 50 s (28 de octubre de 2026, 16:09:49 → 16:32:39, hora de París).
• Tokens: 197 184 en entrada fuera de caché, más 40 571 136 leídos en caché, es decir, 40 768 320 tokens procesados; 156 524 tokens en salida, razonamiento y llamadas a herramientas incluidos.
• Alcance: 175 pasos de agente, 24 fuentes.

Este artículo fue compilado a partir de fuentes abiertas: comunicados y documentación de Nous Research, prensa generalista y especializada, bases de datos de financiación, API de GitHub. No se realizó ninguna entrevista directa con la empresa. Las cifras de tracción presentadas por Nous Research no están auditadas; las divergencias entre fuentes (fecha de lanzamiento de Hermes Agent, sede, total recaudado) se señalan en el texto. Las citas en inglés fueron traducidas; las zonas oscuras biográficas se explicitan en lugar de rellenarse.

Artículo independiente, sin vínculo con Nous Research. Redactado el 29 de octubre de 2026.