Nous: Hermes 4 405B
Nous: Hermes 4 405B est un LLM de Nous Research sorti le 26 août 2025. Il se distingue par une très grande fenêtre de contexte de 131 072 tokens et par des résultats Benchable très solides sur les volets Hallucinations et Ethics, où il apparaît dans le top 10.
Nous: Hermes 4 405B est un LLM de Nous Research sorti le 26 août 2025. Il se distingue par une très grande fenêtre de contexte de 131 072 tokens et par des résultats Benchable très solides sur les volets Hallucinations et Ethics, où il apparaît dans le top 10.
Le modèle occupe un positionnement tarifaire très économique, avec un prix inférieur de 49% à la moyenne des LLM similaires et environ 4,8 fois moins élevé que les modèles frontière. Ses connaissances s’arrêtent au 31 août 2024, un point important pour les usages liés à l’actualité récente.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | Nous Research |
| Date de sortie | 26 août 2025 |
| Connaissances jusqu'à | 2024-08-31 |
| Multimodal | non |
| Fenêtre de contexte | 131 072 tokens |
| Modalités (entrée → sortie) | text → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| Benchable : Hallucinations (Baseline) | 100,0 % | 1ᵉ / 229 | benchable | ✅ Mesuré |
| Benchable : Ethics (Baseline) | 100,0 % | 1ᵉ / 248 | benchable | ✅ Mesuré |
| Benchable : General Knowledge (Baseline) | 99,5 % | 68ᵉ / 250 | benchable | ✅ Mesuré |
| Benchable : Email Classification (Baseline) | 99,0 % | 24ᵉ / 254 | benchable | ✅ Mesuré |
| Benchable : Coding (Baseline) | 83,0 % | 156ᵉ / 248 | benchable | ✅ Mesuré |
| Benchable : Mathematics (Baseline) | 79,0 % | 153ᵉ / 217 | benchable | ✅ Mesuré |
| Benchable : Reasoning (Baseline) | 72,0 % | 142ᵉ / 239 | benchable | ✅ Mesuré |
| Benchable : Instruction Following (Baseline) | 61,0 % | 134ᵉ / 252 | benchable | ✅ Mesuré |
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles « grand public » sur chaque dimension, et à ses voisins de classement.
Benchable : Hallucinations (Baseline)
Benchable : Ethics (Baseline)
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| Nebius Token Factory | 1 $ | 3 $ | n.d. |
Prix en dollars US par million de tokens.
Sa tarification se situe 49 % en dessous de la moyenne des LLM similaires, et 4,8 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.4, Gemini 3.1 Pro Preview).
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût moyen par benchmark — Benchable | 0,04 $ |
| Latence moyenne par benchmark — Benchable | 4 min 25 s |
Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.
Notre analyse
Forces. Nous: Hermes 4 405B ressort très nettement sur les benchmarks Benchable liés aux hallucinations et à l’éthique, deux domaines où il atteint le meilleur niveau mesuré et se classe dans le top 10. Cette combinaison suggère un profil intéressant pour des tâches où la fiabilité des réponses et le respect de cadres de décision comptent davantage que la seule performance brute. Le modèle affiche aussi un très bon résultat en Email Classification, ce qui renforce son intérêt pour le tri, l’analyse et la catégorisation de contenus textuels. Sa fenêtre de contexte de 131 072 tokens constitue un autre atout concret pour traiter de longs documents ou de larges historiques conversationnels.
Limites et points d'attention. Les résultats en Coding et Mathematics sont nettement moins compétitifs, avec des classements situés loin du haut de tableau Benchable. Le score élevé en General Knowledge ne se traduit pas par une position dominante dans le classement, ce qui indique un benchmark probablement très disputé ou saturé. La coupure des connaissances au 31 août 2024 limite les réponses sur les événements, produits et données apparus ensuite. Nous: Hermes 4 405B convient surtout aux usages textuels à coût maîtrisé, aux longs contextes et aux tâches où les critères Hallucinations, Ethics et classification priment sur le code ou les mathématiques avancées.
Sources des données : OpenRouter (openrouter.ai) · Benchable.ai (benchable.ai).