當我第一次看到Nous Hermes與ChatGPT、Claude和Gemini一起在OpenGradient Chat上市時，我以爲只是爲了覆蓋無審查的使用案例。

在實際瞭解Hermes與衆不同之處後，我意識到更有趣的故事不是模型本身，而是@OpenGradient 在其底層構建的東西。

這一部分常常被忽視。

在研究這個時，我心中有幾個要點。

Hermes是基於Llama 3.1的開放權重構建的，採用Nous Research稱之爲中立對齊的訓練方法——優化以跟隨用戶意圖，而非企業內容政策。

在RefusalBench上，它的得分明顯高於GPT-4o和Claude Sonnet的總和。

那些模型拒絕的大多數內容並不危險——而是與責任相關。Hermes經過特別訓練，能夠區分這些。

對我來說，OpenGradient Chat之所以特別，是因爲在該模型底層的基礎設施。

設備級加密在任何內容離開你的瀏覽器之前。
一個無感知的HTTP中繼，分離你的IP與請求。
一個TEE隔離的網關，解密僅在一個封閉的環境中進行，操作員本身無法訪問或記錄。

你是誰與你所請求之間的鏈接永遠不會形成。

在我看來，OpenGradient試圖做一些大多數平臺沒有嘗試的事情——在一個隱私架構中部署一個無審查的模型，在那裏身份是結構性地去除的，而不僅僅是口頭承諾。

但這種權衡是真實的。去除企業安全過濾器，質量控制完全轉移到用戶身上。Hermes仍然可以自信地回答它出錯的事情。那種失敗模式並不會消失——只是變成了你需要捕捉的。

沒有隱私層的無審查AI，其風險特徵與無法追溯對話的無審查AI是不同的。

這種區別在這些系統擴展時將變得更加重要。

$OPG #OPG