HERMES API MODEL GUIDE

Gemini 3.8 Flash สำหรับ Hermes

ใช้เมื่อ Agent ต้องเข้าใจข้อความ ภาพหน้าจอ PDF วิดีโอ และเสียงร่วมกัน กำหนดข้อมูลเข้า ผลลัพธ์ และขีดจำกัดเครื่องมือก่อน แล้วให้คนตรวจสอบการตัดสินใจสำคัญ

ใช้ Gemini ใน Hermes →สร้าง API key →

ภาพรวม

ยิ่งข้อมูลเข้าหลากหลาย ขอบเขตงานยิ่งต้องชัดเจน

Gemini 3.8 Flash เหมาะสำหรับจัดระเบียบแหล่งข้อมูลก่อน แล้วส่งผลลัพธ์แบบมีโครงสร้างไปยังขั้นตอนถัดไปของ Hermes ระบุแหล่งที่อนุญาต รูปแบบคำตอบ และกฎการหยุดให้ชัดเจน

Model ID: google/gemini-3.8-flash
Context: 1,048,576 tokens
Input: $0.675 / 1M
Output: $3.375 / 1M
Cache read: $0.0675 / 1M
API: เครื่องมือ, การมองเห็น, เสียง, JSON, สตรีม

01 / งานที่เหมาะ

ใช้เมื่อ Agent ต้องเข้าใจแหล่งข้อมูล ไม่ใช่แค่จัดเรียงข้อความ

เริ่มด้วยข้อมูลเข้าที่รู้แน่และผลลัพธ์ที่คนตรวจสอบได้

สรุปงานวิจัย

จัดหลักฐานและคำถามที่ยังเปิดอยู่จาก PDF รูปภาพ และบันทึก

ตรวจหน้าจอ

เปรียบเทียบภาพหน้าจอกับข้อกำหนดและชี้จุดต่าง

แก้โค้ดขนาดเล็ก

จำกัดไฟล์ การทดสอบ และเงื่อนไขเสร็จสิ้น

ส่งต่องานแบบมีโครงสร้าง

ส่งคืนฟิลด์คงที่ให้ Agent ถัดไป

02 / ควบคุมต้นทุน

ผลลัพธ์เร็วก็อาจมีราคาแพงหากไม่มีขอบเขต

≈ $0.03

งานที่ใช้ input 20,000 token และ output 3,000 token มีค่าโมเดลบน Hermes ราว $0.024 ควรเผื่อประมาณ $0.03 ก่อนรวมการค้นหา ที่เก็บข้อมูล และเครื่องมืออื่น

$0.675 / 1M INPUT · $3.375 / 1M OUTPUT · $0.0675 / 1M CACHE READ

03 / การตรวจสอบโดยคน

เริ่มจากผลลัพธ์เล็กที่ตรวจได้ในสองนาที

ตรวจหลักฐานของข้ออ้างสำคัญ ระบุสิ่งที่ไม่ทราบว่าไม่ทราบ และยืนยันว่าไม่มีการกระทำนอกขอบเขต

{
  "evidence": [],
  "unknowns": [],
  "next_steps": []
}

ทำไมต้องเรียกผ่าน Hermes

เชื่อมต่อสั้นลงและเลือกโมเดลตามงาน

ใช้คีย์ Hermes API กับรูปแบบคำขอที่เข้ากันกับ OpenAI เลือก Gemini สำหรับ PDF และสื่อภาพ เลือกโมเดลที่ประหยัดกว่าสำหรับข้อความซ้ำๆ

เมื่อไรควรใช้โมเดลที่เก่งกว่า?