三个臭皮匠顶个诸葛亮，Hermes MoA完美诠释这句老话 中国有句古话叫“三个臭皮匠，顶个诸葛亮”，果然老祖宗的智慧就是超前。没想到这句古话放在今天的AI圈里边依然适用。这不Hermes搞出了一个MOA功能！这不就是完美诠释了什么是三个臭皮匠顶个诸葛亮吗？用不上GPT-5.6？用不上Fable5

三个臭皮匠顶个诸葛亮，Hermes MoA完美诠释这句老话

中国有句古话叫“三个臭皮匠，顶个诸葛亮”，果然老祖宗的智慧就是超前。没想到这句古话放在今天的AI圈里边依然适用。这不Hermes搞出了一个MOA功能！这不就是完美诠释了什么是三个臭皮匠顶个诸葛亮吗？用不上GPT-5.6？用不上Fable5 可以试试Hermes刚上线的MoA混合Agent模式！

GPT-5.5 写文案确实好，但一让它写代码就给我整些华而不实的。DeepSeek V4 推理强，可日常聊天的语调总差那么点意思。每次都要在不同的模型之间手动切来切去，烦不烦？

直到这两天 Hermes 整出了 MoA（Mixture of Agents），我才发现：原来古人那句"三个臭皮匠顶个诸葛亮"，早就把今年 AI 圈的进化方向说透了。

MoA不是什么高大上的新模型，它是一种全新的协作模式

它的核心逻辑很简单：不再指望一个模型"全能"，而是让多个模型一起上。

你配一个"preset"（预设），里面塞几个参考模型 + 一个聚合模型。遇到难题时，参考模型先跑一轮，各自给出自己的分析和建议，然后聚合模型拿着这些分析，再输出最终答案。

举个栗子：你写一篇科技分析文章，GPT-5.5 负责行文流畅，DeepSeek V4 负责逻辑推理，最后 Claude Opus 负责把关整合。三个臭皮匠各展所长，最后出来的东西——你猜谁更像诸葛亮？

Hermes 还专门跑了 benchmark，数字说明一切

Hermes 在自己的一套测试集上做了对比：Opus-4.8 单打独斗拿了 0.7607，GPT-5.5 单人成绩 0.7412。但把它们组进一个 MoA preset（Opus 当聚合模型，GPT-5.5 当参考模型），分数直接飙到 0.8202——比最强单核 Opus 还高了整整 6 个百分点。

这不是简单的"平均一下"，这是1+1>2 的真实案例。

怎么上手？一句话的事

最粗暴的用法：直接在 Hermes 对话里敲

/moa 帮我把这篇产品需求文档拆成开发任务

这一条命令会自动切换到默认的 MoA preset，跑完一轮再切回你原来的模型。就一句话，零配置，零学习成本。

想深度用的话，可以用 /model default --provider moa 把当前 session 整个切到 MoA 模式，后面每句话都是多模型协作输出。

但上限在哪？

说实话，MoA 不是魔法。

它最大的价值不是"让一个模型变聪明"，而是让不同模型的优势在同一轮对话里充分对齐。写代码时用一个参考模型抓实现复杂度、另一个参考模型审边界条件，最后聚合模型拍板——这种结构化的协作，比"prompt 工程"靠谱得多。

它也有代价：每次对话轮次，参考模型要跑一轮，聚合模型再跑一轮。Token 消耗翻倍是正常的。官方最多支持 8 个参考模型并行，理论上你能让 9 个模型一起为你打工——但你的钱包撑不撑得住就是另一回事了。

我的看法

MoA 这个方向，比很多人想象的重要。

过去一年，行业一直在卷"一个模型做所有事"——上下文窗口越做越长、参数越做越大、跑分越做越高。但 MoA 走的是一条完全相反的路：承认没有全能模型，但用组合拳弥补单个模型的短板。

这不才是工程师思维的精华吗？不用等 GPT-6 从天而降，把手头最好的工具先组合起来用，效果已经够震撼了。

这就好比做菜——不是非得请一个米其林三星大厨把所有菜做好，让川菜师傅做水煮鱼、粤菜师傅做白切鸡、鲁菜师傅做葱烧海参，拼一桌，味道反而更地道。

赶紧看看你手上有哪几个“臭皮匠”（模型组合），来试试这种"群聊式"协作，看能不能变成“诸葛亮”？评论区聊聊。