Agent
ผู้ช่วยที่รับงาน ใช้โมเดลหรือเครื่องมือ แล้วส่งผลต่อไปยังขั้นถัดไป
ภาพรวม
ใช้เมื่อ Hermes Agent ต้องอ่านภาพหน้าจอ รูปภาพ วิดีโอ และข้อมูลยาว ๆ โมเดลจะจัดสิ่งที่มองเห็น สิ่งที่ยืนยันไม่ได้ และสิ่งที่คนต้องตรวจสอบ
ภาพรวม
Qwen3.7 Plus เหมาะเมื่อต้องอาศัยหน้าจอ รูปภาพ วิดีโอ หรือคำสั่งยาว ๆ ในการตอบ ไม่ควรให้ทำทุกอย่าง แต่ให้เตรียมหลักฐานที่ตรวจสอบได้
Qwen 3.7 Plus API: ราคาและบริบท 1MQwen 3.7 Plus API ใน Hermes จัดระเบียบภาพ วิดีโอ และแหล่งข้อมูลยาวให้เป็นผลลัพธ์ที่ตรวจสอบได้ ราคาขึ้นกับข้อมูลเข้า ข้อมูลออก และแคช จึงควรวัดจากชุดเล็กก่อน.
01 / งานที่เหมาะ
เริ่มด้วยข้อมูลเข้าที่รู้แน่และผลลัพธ์ที่คนตรวจสอบได้
ผู้ช่วยที่รับงาน ใช้โมเดลหรือเครื่องมือ แล้วส่งผลต่อไปยังขั้นถัดไป
รูปแบบคำตอบที่มีช่องกำหนดไว้ เช่น “หลักฐาน” หรือ “ยืนยันไม่ได้”
หน่วยข้อความที่โมเดลอ่านหรือเขียน ยิ่งมากอาจยิ่งมีค่าใช้จ่าย
ทำไมต้องเรียกผ่าน Hermes
กำหนดไฟล์ที่อนุญาต ช่องคำตอบ และเครื่องมือ หากแหล่งข้อมูลพิสูจน์ไม่ได้ คำตอบที่ถูกต้องคือ “ยืนยันไม่ได้” ไม่ใช่การเดา
02 / ควบคุมต้นทุน
≈ $0.01
ต้นทุนโมเดลสำหรับการตรวจหน้าจอเล็ก ๆ ราว $0.004 ควรเผื่อ $0.01 เพื่อความปลอดภัย รูปภาพ วิดีโอ การลองใหม่ และกลุ่มเกิน 256K token ทำให้ต้นทุนเพิ่มขึ้น
ราคาข้อมูลเข้า $0.295 / 1M · ราคาข้อมูลออก $1.177 / 1M · การอ่านแคช $0.030 / 1M
03 / การตรวจสอบโดยคน
ตรวจหลักฐานของข้ออ้างสำคัญ ระบุสิ่งที่ไม่ทราบว่าไม่ทราบ และยืนยันว่าไม่มีการกระทำนอกขอบเขต

ใช้ก่อนเปิดใช้หรือหลังออกแบบใหม่เพื่อจัดระเบียบปัญหาที่มองเห็นได้ก่อน
ใช้ก่อนเปิดใช้หรือหลังออกแบบใหม่เพื่อจัดระเบียบปัญหาที่มองเห็นได้ก่อน เริ่มจากหน้าจอ 3-5 ภาพ รายการข้อกำหนดสั้น ๆ และขอบเขตที่ชัดเจน
ส่งกลับหลักฐานที่มองเห็น จุดที่ยืนยันไม่ได้ และคำถามสำหรับตรวจสอบในช่องที่กำหนด
Hermes ส่งปัญหาที่ตรวจสอบได้ไปยังงานถัดไป และเก็บสิ่งที่ไม่แน่ใจเป็นคำถาม
คนต้องตรวจสอบการจ่ายเงิน ราคา การปฏิบัติตามกฎ และการเผยแพร่ เพราะหน้าจอพิสูจน์สิ่งเหล่านี้ไม่ได้
02 / ควบคุมต้นทุนต้นทุนโมเดลสำหรับการตรวจหน้าจอเล็ก ๆ ราว $0.004 ควรเผื่อ $0.01 เพื่อความปลอดภัย รูปภาพ วิดีโอ การลองใหม่ และกลุ่มเกิน 256K token ทำให้ต้นทุนเพิ่มขึ้น
ใช้เพื่อหาสื่อที่ใช้ได้และมุมภาพที่ขาดจากรูปและวิดีโอสั้น
ใช้เพื่อหาสื่อที่ใช้ได้และมุมภาพที่ขาดจากรูปและวิดีโอสั้น เริ่มจากหน้าจอ 3-5 ภาพ รายการข้อกำหนดสั้น ๆ และขอบเขตที่ชัดเจน
ส่งกลับหลักฐานที่มองเห็น จุดที่ยืนยันไม่ได้ และคำถามสำหรับตรวจสอบในช่องที่กำหนด
Hermes ส่งปัญหาที่ตรวจสอบได้ไปยังงานถัดไป และเก็บสิ่งที่ไม่แน่ใจเป็นคำถาม
คนต้องตรวจสอบการจ่ายเงิน ราคา การปฏิบัติตามกฎ และการเผยแพร่ เพราะหน้าจอพิสูจน์สิ่งเหล่านี้ไม่ได้
02 / ควบคุมต้นทุนต้นทุนโมเดลสำหรับการตรวจหน้าจอเล็ก ๆ ราว $0.004 ควรเผื่อ $0.01 เพื่อความปลอดภัย รูปภาพ วิดีโอ การลองใหม่ และกลุ่มเกิน 256K token ทำให้ต้นทุนเพิ่มขึ้น
ใช้เพื่อจัดระเบียบส่วนประกอบและสถานะที่เห็นได้ก่อนกำหนดขอบเขตการทำงานรอบแรก
ใช้เพื่อจัดระเบียบส่วนประกอบและสถานะที่เห็นได้ก่อนกำหนดขอบเขตการทำงานรอบแรก เริ่มจากหน้าจอ 3-5 ภาพ รายการข้อกำหนดสั้น ๆ และขอบเขตที่ชัดเจน
ส่งกลับหลักฐานที่มองเห็น จุดที่ยืนยันไม่ได้ และคำถามสำหรับตรวจสอบในช่องที่กำหนด
Hermes ส่งปัญหาที่ตรวจสอบได้ไปยังงานถัดไป และเก็บสิ่งที่ไม่แน่ใจเป็นคำถาม
คนต้องตรวจสอบการจ่ายเงิน ราคา การปฏิบัติตามกฎ และการเผยแพร่ เพราะหน้าจอพิสูจน์สิ่งเหล่านี้ไม่ได้
02 / ควบคุมต้นทุนต้นทุนโมเดลสำหรับการตรวจหน้าจอเล็ก ๆ ราว $0.004 ควรเผื่อ $0.01 เพื่อความปลอดภัย รูปภาพ วิดีโอ การลองใหม่ และกลุ่มเกิน 256K token ทำให้ต้นทุนเพิ่มขึ้น
ทำไมต้องเรียกผ่าน Hermes
ใช้ Qwen สำหรับหลักฐานจากภาพและแหล่งข้อมูลยาว ใช้ Gemini สำหรับชุดข้อมูลที่มีเสียงหรือ PDF และใช้ DeepSeek สำหรับข้อความซ้ำ ๆ
API
เลือก qwen/qwen3.7-plus ส่งไฟล์ไม่กี่ไฟล์และช่องคำตอบตายตัว ตรวจหลักฐาน แล้วจึงขยายเวิร์กโฟลว์
curl https://api.hermes-ai.net/api/v1/chat/completions \
-H "Authorization: Bearer $HERMES_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"qwen/qwen3.7-plus","messages":[{"role":"user","content":"Inspect the files. Return evidence, cannot_confirm, and review_questions."}]}'FAQ
Qwen 3.7 Plus API ใน Hermes จัดระเบียบภาพ วิดีโอ และแหล่งข้อมูลยาวให้เป็นผลลัพธ์ที่ตรวจสอบได้ ราคาขึ้นกับข้อมูลเข้า ข้อมูลออก และแคช จึงควรวัดจากชุดเล็กก่อน.
ต้นทุนโมเดลสำหรับการตรวจหน้าจอเล็ก ๆ ราว $0.004 ควรเผื่อ $0.01 เพื่อความปลอดภัย รูปภาพ วิดีโอ การลองใหม่ และกลุ่มเกิน 256K token ทำให้ต้นทุนเพิ่มขึ้น
ใช้เมื่อ Hermes Agent ต้องอ่านภาพหน้าจอ รูปภาพ วิดีโอ และข้อมูลยาว ๆ โมเดลจะจัดสิ่งที่มองเห็น สิ่งที่ยืนยันไม่ได้ และสิ่งที่คนต้องตรวจสอบ
ต้นทุนโมเดลสำหรับการตรวจหน้าจอเล็ก ๆ ราว $0.004 ควรเผื่อ $0.01 เพื่อความปลอดภัย รูปภาพ วิดีโอ การลองใหม่ และกลุ่มเกิน 256K token ทำให้ต้นทุนเพิ่มขึ้น
กำหนดไฟล์ที่อนุญาต ช่องคำตอบ และเครื่องมือ หากแหล่งข้อมูลพิสูจน์ไม่ได้ คำตอบที่ถูกต้องคือ “ยืนยันไม่ได้” ไม่ใช่การเดา