研究・性能評価 🇺🇸 アメリカ
Hermes 4、一部ベンチマークでGPT-4oやClaudeを上回る成績
2025年8月公開のHermes 4は、指示への忠実さを測るRefusalBenchで57.1%を記録し、GPT-4o（17.67%）やClaude Sonnet 4（17%）を大きく上回ったとVentureBeat等が報道。
2025年8月、Nous ResearchはHermes 4ファミリー（14B/70B/405B）を公開。回答前に段階的に考える「ハイブリッド推論」を搭載し、数学ベンチマークMATH-500では405Bモデルで96.3%を記録しました。
ユーザーの指示にどこまで忠実に応えるかを測るRefusalBenchでは57.1%と評価対象中最高スコアを獲得。米テックメディアVentureBeatは「商用モデルを上回る」と報じました。
技術詳細は論文（arXiv）として全公開されており、性能の主張が第三者に検証可能であることも、オープンソースならではの信頼性です。
KEY FACTS
- RefusalBench 57.1%（GPT-4o 17.67%、Claude Sonnet 4 17%）
- MATH-500で96.3%（405B・推論モード）
- 技術報告書をarXivで全公開、第三者検証が可能
バーチャルAIオフィスでは
「オープンソース＝性能が劣る」は過去の話。用途によっては商用モデルを上回る頭脳を、ライセンス費なしで自社専用に使えます。
SOURCES / 出典
※ 各事例は公開情報（公式ドキュメント・報道）に基づいています。出典は各ページに記載。