Hermes Agent acaba de cambiar la IA local para siempre: así es como puedes ejecutarlo tú mismo

Esto es lo que cambió, por qué importa y la guía completa paso a paso para ejecutar Hermes Agent en tu propia computadora en unos 30 minutos.

En mayo, NVIDIA publicó una publicación de blog que debería estar generando más ruido del que genera.

El titular habla sobre el hardware Hermes Agent ejecutándose en PC con RTX y la nueva estación de trabajo DGX Spark. La historia real que hay detrás es algo mucho más grande.

Acaban de converger tres cosas que, en conjunto, cambian lo que es posible:

1. Hermes Agent (Nous Research), un framework de agente de código abierto que crea y refina sus propias habilidades a partir de la experiencia. Superó las 140,000 estrellas en GitHub en tres meses. Ahora es el agente más utilizado del mundo, según OpenRouter.
2. Qwen 3.6 (Alibaba), un nuevo modelo de pesos abiertos donde la versión de 35B supera a los modelos de 120B del año pasado, y el de 27B iguala lo que antes requería 400B de parámetros. Se ejecuta en aproximadamente 20 GB de memoria.
3. DGX Spark (NVIDIA), una estación de trabajo del tamaño de un escritorio con 128 GB de memoria unificada y 1 petaflop de rendimiento de IA. Diseñada específicamente para ejecutar agentes de forma continua, 24/7, de manera local.

Combina estos tres y obtienes un agente de IA personal que vive en tu escritorio (no en un centro de datos), se ejecuta de forma continua (no sesión por sesión), aprende de tus flujos de trabajo y acumula capacidades, nunca envía tus datos a ningún lado y cuesta aproximadamente $0/mes de operar después del hardware.

La conversación sobre "hacia dónde va la IA" generalmente asume que la respuesta está en la nube. Esta es la primera respuesta creíble que dice: en realidad, quizás no.

Este artículo cubre dos cosas: (1) por qué Hermes específicamente importa, qué es estructuralmente diferente de cualquier otro framework de agente del que hayas oído hablar, y (2) la guía completa, actual y paso a paso para ejecutarlo tú mismo en tu propia máquina en unos 30 minutos.

Si solo quieres los pasos de configuración, salta a la sección "Cómo ejecutarlo realmente". Si quieres el por qué primero, la parte que hace que valga la pena la configuración, sigue leyendo.

Lo que Hermes realmente hace (la parte que importa)

La mayoría de los "agentes de IA" de los que has oído hablar son envoltorios alrededor de una llamada a un LLM. Les das una tarea, la hacen, les das otra tarea, empiezan desde cero. Olvidan lo que funcionó ayer. No mejoran. Son útiles, pero no son realmente agentes en ningún sentido significativo; son funciones con personalidad.

Hermes es diferente de una manera técnica específica: escribe sus propias habilidades.

Cuando Hermes completa una tarea compleja, por ejemplo, "investiga cinco competidores y produce una comparación", no solo te entrega el resultado. Guarda el procedimiento como un archivo de habilidad en el disco. La próxima vez que le pidas algo similar, no empieza de nuevo. Abre su propia habilidad, la ejecuta y la mejora en función de lo que funcionó y lo que no.

Esto no es una afirmación de marketing. Nous Research envía infraestructura que utiliza DSPy + GEPA (Evolución de Prompts Genético-Pareto) para optimizar automáticamente las propias habilidades, descripciones de herramientas y prompts del sistema de Hermes. Las mutaciones se evalúan. Las mejores se promocionan. Las mejoras son medibles.

Los benchmarks independientes respaldan esto: los agentes que se ejecutan en Hermes con más de 20 habilidades auto-creadas completan tareas futuras similares aproximadamente un 40% más rápido que las instancias nuevas. Eso no es "un 40% mejor resultado". Es "un 40% menos de tiempo y tokens para obtener el mismo resultado".

La palabra clave en la arquitectura es persistente. Hermes se ejecuta continuamente en tu laptop, en un servidor, en DGX Spark y su memoria y habilidades se acumulan. Después de un mes de uso, tu Hermes es genuinamente diferente al de cualquier otra persona. Conoce tu código base. Conoce tus convenciones. Sabe cómo te gusta que te expliquen las cosas.

Visualmente, la diferencia se ve así:

Arriba: un chatbot típico pierde todo entre sesiones. Abajo: Hermes escribe habilidades a partir de la experiencia y construye memoria de tus patrones. La capacidad se acumula.

También hay una arquitectura de memoria que vale la pena mencionar: Hermes utiliza un sistema de tres capas. Notas persistentes (tus preferencias, convenciones de proyectos, quién es quién en tu vida laboral), historial de sesiones buscable (todo lo que ha sucedido, indexado para su recuperación) y habilidades procedimentales (los flujos de trabajo reales aprendidos). Este modelo de tres capas es lo que otros frameworks han estado tratando de perfeccionar durante dos años. Hermes lanzó uno que funciona.

Cómo está construido Hermes

Aquí está la arquitectura en una imagen:

Hablas con Hermes a través de la CLI o las puertas de enlace de mensajería. Hermes orquesta el trabajo: planificar, llamar herramientas, escribir habilidades y llama a un servidor de modelos local para la inferencia. Todo persiste en ~/.hermes/ en tu disco.

Las tres cosas a notar en el diagrama:

Uno: el servidor de modelos local es una pieza separada de Hermes mismo. Hermes es la capa de orquestación: el planificador, el ejecutor de herramientas y el escritor de habilidades. El modelo (Qwen 3.6 en la configuración recomendada) hace el pensamiento real. Están conectados a través de una API compatible con OpenAI en localhost.

Dos: las habilidades y la memoria viven en ~/.hermes/. Archivos de texto plano en el disco. Puedes leerlos. Puedes editarlos. Puedes respaldarlos. Cuando Anthropic, OpenAI o cualquier otra empresa cambie sus términos mañana, nada de esto cambia; es tuyo.

Tres: las puertas de enlace son opcionales pero transformadoras. Una vez que conectas Hermes a Telegram o Slack, dejas de pensar en él como "una cosa de CLI en mi laptop" y empiezas a pensar en él como "mi IA personal a la que puedo enviar mensajes desde cualquier lugar".

Por qué Qwen 3.6 hace esto posible

Aquí está la parte que se pierde en el anuncio: Hermes es independiente del modelo. Puedes apuntarlo a GPT, Claude o cualquier modelo local. Pero hay una razón por la que la publicación del blog de NVIDIA lo empareja específicamente con Qwen 3.6.

Hasta hace muy poco, ejecutar flujos de trabajo de agente serios localmente significaba aceptar uno de dos compromisos:

• Usar un modelo pequeño y rápido y ver al agente fallar en tareas de múltiples pasos
• Usar un modelo grande e inteligente y aceptar que un ciclo de inferencia toma 90 segundos

Qwen 3.6 cambió las matemáticas. El modelo de 35B supera a los modelos de parámetros 120B de generación anterior con aproximadamente un tercio del consumo de memoria. El modelo denso de 27B iguala la precisión de modelos de parámetros 400B más antiguos. Estamos hablando de una mejora de 16x en eficiencia por unidad de inteligencia en menos de un año.

Lo que eso significa en la práctica: un modelo lo suficientemente inteligente como para planificar, descomponer tareas, escribir sus propias habilidades y autocorregirse ahora cabe en 20 GB de memoria. Eso es una GPU de consumo de gama alta. También es exactamente lo que un solo DGX Spark maneja cómodamente con espacio de sobra para el agente mismo.

Esta es la brecha que se cerró. El año pasado, un "agente local que se auto-mejora" requería hardware de centro de datos. Este año, no.

Lo que esto significa para la gente normal

La mayor parte de la cobertura de este anuncio lo trata como noticias empresariales. No lo es. Son noticias de infraestructura de consumo. Esto es lo que significa dependiendo de quién seas.

Si eres un trabajador del conocimiento: En 12 meses, estarás eligiendo entre suscribirte a un servicio de agente en la nube ($30/mes) y ejecutar un agente local comparable en tu propio hardware ($0 continuo después de la configuración). Para trabajo sensible a la privacidad (consultoría, salud, finanzas, legal), se está convirtiendo en la opción obvia.

Si eres un desarrollador: Hermes es de código abierto bajo licencia MIT. Puedes instalarlo hoy en tu laptop actual y combinarlo con LM Studio u Ollama ejecutando Qwen 3.6. No se requiere DGX Spark. La pregunta del hardware es sobre calidad de vida, no sobre capacidad. Empieza con lo que tienes.

Si eres un fundador o emprendedor: Esto presiona a todo el mercado SaaS de agentes. Las herramientas que venden "X impulsado por IA" a $20/mes ahora compiten con un agente local que hace lo mismo gratis. Las jugadas SaaS defendibles son aquellas con redes, datos o flujos de trabajo que no se pueden replicar localmente. Las vulnerables son las que son solo "Claude con una capa de pintura".

Si estás en seguridad o industrias reguladas: La historia de la soberanía de datos para la IA se ha vuelto mucho más sólida. Decirle a alguien "no puedes usar IA para este trabajo porque envía datos a OpenAI" deja de ser una restricción cuando un agente comparable se ejecuta completamente en las instalaciones.

Ahora la parte que la mayoría de la cobertura omite. Cómo ejecutar esto realmente tú mismo.

Cómo ejecutarlo realmente (la configuración completa)

La publicación del blog de NVIDIA dice: "Visita el repositorio de GitHub, combínalo con un modelo local y listo". Esa frase omite unas seis decisiones reales y tres posibles obstáculos. Aquí está la configuración real, en español claro, con los problemas señalados.

Lo que necesitarás

Realidad honesta del hardware antes de empezar. Hermes puede ejecutarse con una API remota (Anthropic, OpenAI, OpenRouter, Nous Portal), pero eso anula la mayor parte del propósito. Para la configuración solo local en la que se centra esta guía:

Tu hardware - Experiencia realista

8 GB RAM, gráficos integrados - Tendrá dificultades. Usa API en la nube en su lugar.

16 GB RAM, GPU de gama media (RTX 3060/4060) - Funciona con modelos más pequeños. Más lento pero utilizable.

MacBook Pro M3/M4 con 32 GB+ de memoria unificada - Ejecuta Qwen 3.6 27B sin problemas. Genuinamente productivo.

Escritorio con RTX 3090/4090 - El punto óptimo. Ejecuta Qwen 3.6 35B con calidad casi de nube.

NVIDIA DGX Spark o estación de trabajo RTX PRO - Lo que vende la publicación de NVIDIA. Excesivo para la mayoría.

La línea honesta: si puedes ejecutar Qwen 3.6 27B o más grande localmente, tendrás una excelente experiencia con Hermes. Si no puedes, usa la ruta de la API en la nube (que es dramáticamente más simple). Salta a la sección API en la nube al final si ese es tu camino.

También necesitas:

• macOS, Linux o Windows 11 con WSL2 (Hermes requiere un entorno Unix; los usuarios de Windows lo ejecutan dentro de WSL2)
• Al menos 20 GB de espacio libre en disco para el modelo
• 30 minutos de tiempo ininterrumpido

Paso 1. Instala tu servidor de modelos local (15 minutos)

La ruta menos técnica es LM Studio. La ruta más técnica es Ollama. Ambos funcionan. Elige uno.

Opción A: LM Studio (recomendado para no desarrolladores)

1. Ve a lmstudio.ai y descarga el instalador para tu sistema operativo
2. Instálalo como cualquier otra aplicación
3. Abre LM Studio y ve a la pestaña Discover
4. Busca Qwen 3.6 27B (o 35B si tu hardware puede manejarlo)
5. Elige la versión Q4 quantization; es el punto óptimo entre tamaño y calidad
6. Haz clic en Download. Espera de 10 a 15 minutos
7. Una vez descargado, cambia a la pestaña Developer (llamada "Local Server" en versiones anteriores)
8. Haz clic en Load Model y elige el modelo Qwen 3.6 que acabas de descargar
9. Importante: en la configuración, habilita "Serve on Network" (de lo contrario, los usuarios de WSL2 no podrán alcanzarlo)
10. Haz clic en Start Server; por defecto se ejecuta en http://localhost:1234

Verifica que funciona: abre tu navegador, ve a http://localhost:1234/v1/models. Deberías ver una respuesta JSON que enumera tu modelo cargado.

Opción B: Ollama (recomendado para desarrolladores)

1. Ve a ollama.com y descarga el instalador
2. Instala
3. Abre una terminal y ejecuta:

1ollama pull qwen3.6
2ollama serve

1. Esto inicia Ollama en el puerto 11434 y descarga el modelo Qwen 3.6

Configuración crítica de Ollama que atrapa a todos: Ollama tiene por defecto una ventana de contexto muy baja (a menudo 4K tokens). Hermes necesita al menos 64K. Configura esto antes de ejecutar:

1export OLLAMA_HOST=0.0.0.0
2ollama run qwen3.6 -c 65536

El -c 65536 establece el contexto en 64K. Sin esto, Hermes rechazará el modelo al inicio porque el prompt del sistema + los esquemas de las herramientas llenan la ventana más pequeña.

Paso 2. Instala Hermes Agent (5 minutos)

Hermes incluye un script de instalación de una línea. Desde tu terminal:

1GitHub → NousResearch/hermes-agent → scripts/install.sh

Si estás en Windows, ejecuta esto desde dentro de WSL2 (abre Ubuntu/Debian desde tu menú de inicio primero).

El script:

• Descarga la CLI de Hermes a tu máquina
• Configura un directorio de datos local (generalmente ~/.hermes/)
• Instala las dependencias requeridas (Node.js, etc.) si no las tienes

Cuando termine, recarga tu shell:

1source ~/.bashrc   # o ~/.zshrc, dependiendo de tu shell

Verifica la instalación:

1hermes --version

Si ves un número de versión, estás listo.

Paso 3. Conecta Hermes a tu modelo local (5 minutos)

Aquí es donde muchas guías de configuración se vuelven imprecisas. Aquí está el flujo exacto.

Ejecuta:

1hermes model

Verás un menú de proveedores. Desplázate hasta el final y elige "Custom endpoint (self-hosted / vLLM / etc.)".

Luego:

• URL: Si usaste LM Studio, ingresa http://localhost:1234/v1. Si usaste Ollama, ingresa http://localhost:11434/v1
• API Key: Presiona Enter para omitir (los servidores locales no necesitan una)
• Model name: LM Studio: el nombre exacto del archivo del modelo que cargaste (mira en la pestaña "My Models" de LM Studio). Ollama: qwen3.6 (o lo que hayas descargado)

Eso es todo. Hermes ahora está configurado para usar tu modelo local.

Importante: el requisito de ventana de contexto de 64K

Hermes requiere al menos 64K tokens de contexto. Esto atrapa a todos la primera vez. Si ves un error al inicio como "Model context too small", la solución está en el lado del servidor de modelos, no en el lado de Hermes:

• LM Studio: Al cargar el modelo, expande la configuración avanzada y establece la longitud del contexto en 65536+
• Ollama: Pasa -c 65536 al ejecutar el modelo
• llama.cpp: Usa -ctx-size 65536

Sin esto, nada más funcionará. No lo omitas.

Paso 4. Ejecuta tu primera sesión de Hermes (5 minutos)

En tu terminal:

1hermes

Esto inicia la sesión interactiva de Hermes. La primera vez que lo ejecutes, Hermes hará algunas preguntas de incorporación: confirma tu selección de modelo, opcionalmente conecta una puerta de enlace (Telegram, Discord, Slack, etc.; puedes omitir por ahora), y ya estás dentro.

Prueba una primera tarea que ejercite las capacidades reales de Hermes:

"Investiga el estado actual de los frameworks de IA agentiva en 2026, centrándote en el ecosistema de código abierto. Guarda lo que aprendas como una habilidad para que podamos construir sobre ella la próxima vez."

Observa lo que sucede. Hermes:

1. Descompondrá la pregunta en subtareas
2. Generará subagentes para trabajo en paralelo cuando sea útil
3. Buscará en la web, leerá fuentes, sintetizará
4. Producirá una respuesta estructurada
5. Guardará el procedimiento subyacente como una habilidad en el disco visible en ~/.hermes/skills/

Ese último paso es lo que hace que Hermes sea diferente de un chatbot. La próxima vez que le pidas a Hermes que haga una tarea de investigación relacionada, encontrará y reutilizará la habilidad que acaba de crear.

Escribe /exit cuando hayas terminado.

Paso 5. Verifica que la magia realmente sucedió

La propuesta de valor de Hermes es el bucle de auto-mejora. Verifica que funciona:

1ls ~/.hermes/skills/

Deberías ver uno o más archivos .md; estos son los procedimientos aprendidos de Hermes. Abre uno en cualquier editor de texto. Verás un flujo de trabajo estructurado con pasos, herramientas utilizadas y notas sobre lo que funcionó.

Esta es la característica estrella. Después de un mes de uso, este directorio tendrá de 20 a 50 habilidades, cada una capturando cómo Hermes aprendió a hacer un tipo específico de tarea para ti. Esas habilidades hacen que cada tarea posterior sea más rápida y precisa.

El "modelo profundo de quién eres" mencionado en la publicación de NVIDIA vive en ~/.hermes/memory/: tus preferencias, tus proyectos, tus patrones recurrentes. Abre estos archivos también. Son texto plano en markdown. Puedes leerlos y editarlos tú mismo si quieres.

Opcional: Conecta una puerta de enlace

La característica poco mencionada: se puede acceder a Hermes desde aplicaciones de mensajería. Ejecuta:

1hermes gateway

Verás opciones para Telegram, Discord, Slack, WhatsApp, Signal y correo electrónico.

La más fácil de configurar es Telegram:

1. En Telegram, busca a @BotFather y crea un nuevo bot. Te dará un token.
2. Pega el token cuando Hermes te lo pida.
3. Listo. Ahora puedes enviar mensajes a tu bot desde Telegram y Hermes responderá ejecutándose localmente en tu máquina, usando tu modelo local.

Este es el momento en que la configuración deja de sentirse como "una cosa de CLI en mi computadora" y comienza a sentirse como "mi IA personal". Puedes enviarle mensajes desde tu teléfono mientras tu laptop está en casa haciendo el trabajo.

Qué puede salir mal (los 5 problemas de configuración más comunes)

Problema 1: Error "Model context too small" al inicio. Solución: Establece el contexto en al menos 64K en tu servidor de modelos (ver Paso 3). Este es el error más común.

Problema 2: Hermes no puede conectarse a tu modelo local. Solución: Confirma que tu servidor de modelos se está ejecutando y es accesible. Prueba con curl <http://localhost:1234/v1/models> (LM Studio) o curl <http://localhost:11434/v1/models> (Ollama). Si obtienes JSON, el servidor está bien; vuelve a verificar tu configuración de URL de Hermes.

Problema 3: WSL2 no puede alcanzar un servidor de modelos alojado en Windows. Solución: En Windows 11 22H2+, habilita el modo de red reflejada de WSL2. O ejecuta tu servidor de modelos dentro de WSL2 en lugar de en el host de Windows.

Problema 4: Hermes es lento. Solución: Casi con certeza es el modelo, no Hermes. Prueba un modelo más pequeño (Qwen 3.6 8B en lugar de 35B) o una cuantización más agresiva (Q4 en lugar de Q6). Si solo tienes CPU, espera lentitud; esta es una carga de trabajo que requiere una GPU.

Problema 5: Hermes "olvida" cosas entre sesiones. Solución: Verifica que ~/.hermes/ realmente tenga archivos. Si está vacío, tu instalación no se completó correctamente. Vuelve a ejecutar el script de instalación.

El atajo de la API en la nube (si tu hardware no puede manejar lo local)

Si tu máquina realmente no puede ejecutar un modelo de 27B+ y aún así quieres probar Hermes:

1. Omite los Pasos 1, 3 y las notas de "contexto"
2. Después de instalar Hermes (Paso 2), ejecuta hermes model
3. Elige un proveedor en la nube: OpenRouter, Nous Portal o Anthropic son los más fluidos
4. Agrega tu clave de API
5. El resto de la configuración es la misma: Hermes aún se ejecuta localmente en tu máquina, solo llama a un modelo en la nube para el pensamiento

Esto tiene un costo por token en lugar de $0, pero te brinda la experiencia de agente (memoria, habilidades, auto-mejora) en hardware que no puede ejecutar los modelos localmente.

Las preocupaciones honestas

Tres cosas en las que pensar antes de asumir que esto lo cambia todo de la noche a la mañana.

La auto-mejora tiene modos de fallo. El mismo bucle que hace que Hermes sea mejor puede hacerlo más extraño. Un agente que optimiza sus propios prompts puede desviarse silenciosamente de tus objetivos reales. Nous Research incluye salvaguardas: pruebas de regresión, compuertas de evaluación, flujos de trabajo de "bloquear mutaciones malas", pero esas salvaguardas requieren mantenimiento activo. Si implementas Hermes y dejas de mirar, es posible que no notes cuando comienza a estar sutilmente equivocado.

La seguridad es una pregunta real. Los agentes que escriben sus propias habilidades, instalan servidores MCP y ejecutan código en tu máquina son una nueva superficie de ataque. El envenenamiento de habilidades, la inyección de prompts a través de contenido obtenido, las herramientas maliciosas; estas no son preocupaciones teóricas. Trata al agente como un software ejecutable, no como un asistente amigable.

La historia del hardware todavía es áspera en los bordes. DGX Spark es un producto real, pero también es caro, con suministro limitado, y la mayoría de los revisores aún no han tenido uno en sus manos. La historia de Hermes en laptop está bien hoy; la historia de Hermes en DGX Spark tardará un trimestre en madurar.

Ninguno de estos socava la tesis principal. Son solo los asteriscos que todo profesional honesto debería conocer.

Lo que realmente haría este fin de semana

Si eres nuevo en Hermes y tienes hardware decente, aquí está el camino que tomaría:

1. Instala LM Studio + Qwen 3.6 27B 15 minutos
2. Instala Hermes 5 minutos
3. Configura Hermes para LM Studio 5 minutos
4. Establece la ventana de contexto en 65536 (el problema) 1 minuto
5. Ejecuta tu primera tarea 5 minutos
6. Luego ignora todo lo demás durante una semana. Usa Hermes a diario para trabajo real. Observa cómo se llena el directorio de habilidades.

No intentes optimizar, personalizar o agregar puertas de enlace todavía. El objetivo principal de Hermes es el bucle de auto-mejora, y eso solo se activa si realmente lo usas para tareas reales con el tiempo. Dedica tu primera semana a usarlo, no a ajustarlo.

Para la segunda semana, sabrás si este es el framework de agente que cambia la forma en que trabajas, o si tu hardware/caso de uso no es adecuado. Ambos resultados son datos útiles.

El panorama general

Durante dos años, la narrativa dominante ha sido: la IA mejora al hacerse más grande, y más grande significa nube. La implicación es que la IA seria vive en otro lugar, y tu trabajo es llamarla.

Hermes + Qwen 3.6 + DGX Spark es la primera contra-narrativa creíble. La IA seria puede vivir en tu escritorio. Puede mejorarse a sí misma. Puede ejecutarse de forma continua. Puede saber cosas sobre ti que nunca pondrías en un sistema en la nube. Los compromisos que solían hacer que la IA local fuera un proyecto de hobby (más lenta, más tonta, más complicada) se están evaporando trimestre a trimestre.

Esto no mata la IA en la nube. Los modelos de frontera seguirán viviendo en centros de datos. El razonamiento más difícil aún ocurrirá a escala. Pero para el 80% del trabajo agentivo que es seguir patrones, ejecutar flujos de trabajo y retener contexto, eso se está moviendo a tu máquina.

Lo que significa que muchas cosas cambian aguas abajo. El foso competitivo para el "SaaS impulsado por IA" se vuelve más delgado. La historia de la soberanía de datos para las empresas se vuelve más fácil. El piso de privacidad para los individuos se eleva. El costo de ejecutar un agente pasa de "por solicitud" a "amortizado sobre el hardware que ya posees".

Este anuncio es un solo punto de datos. Pero la trayectoria en la que se encuentra es la más importante en la IA agentiva en este momento, y casi nadie fuera de Hacker News lo está leyendo de esa manera.

Esa es la parte que nadie te está contando.

Si esto fue útil, sigue mi canal de Telegram:

https://t.me/+ygATQAt9sUM1N2U6**