影片筆記：Hermes Agent 小白别花冤枉钱！这套模型配置就够了

一句話總結

針對 Hermes Agent 新手，建議採用「DeepSeek V4 Flash 作為主模型」搭配「阿里百煉千問 3.6-Flash 作為視覺補位」的低成本配置方案，利用各家雲廠商免費額度與 DeepSeek 的高緩存命中率，將日常 Agent 使用成本降至極低（單輪對話可能不到一分錢），同時區分 Flash 與 Pro 版本的適用場景。

核心重點

低成本核心策略：

• 主模型推薦使用 DeepSeek V4 Flash，因其價格極低且 V4 版本優化緩存策略，命中率可達 90% 以上。
• 透過命中緩存，輸入成本可低至約 0.02 元人民幣 / 百萬 Token，日常使用每天僅需幾元錢。
• 對比國外模型（GPT、Claude、Gemini），DeepSeek 在中文語境下具備價格與洞察力優勢。

多模態（圖片識別）補位方案：

• 針對 DeepSeek V4 Flash 缺乏多模態能力（僅支援 OCR 文字提取）的問題，建議搭配 阿里百煉（Bailian）的千問 3.6-Flash（或更便宜的 3.5-Flash）。
• 利用阿里、騰訊、字節火山方舟等平台的免費推理額度（50 萬 -100 萬 Token），實現視覺分析功能（如識別無文字圖片、桌面佈局）。
• 單張圖片識別成本約 0.004 元人民幣。

Flash 與 Pro 版本差異：

• Flash 版本：指令遵循能力強、速度快、便宜、穩定，適合大多數 Agent 場景（Tool Use、執行任務），被比喻為「一線執行者」。
• Pro 版本：思考能力強、推理鏈重，適合需要深度思考、系統框架搭建的複雜任務，但存在「過度思考」（Overthinking）風險，可能將推理結果誤認為規則導致結果跑偏。
• 建議：日常預設為 Flash，遇到複雜任務時可通過 /model 命令或口語指令切換至 Pro。

操作流程：

• 在 DeepSeek 官網創建 API Key，於 Hermes Agent 終端設置為 Default Model。
• 在阿里百煉創建 API Key，於 Hermes Agent Dashboard 將 Vision 模型設為 Custom，填入千問模型配置。
• 若配置錯誤，可通過 /reset 重新配置。

詳細大綱

一、 配置背景與核心理念

• 受眾對象：剛開始使用 Hermes Agent 的新手或小白用戶。
• 核心目標：以較低成本（甚至免費）先上車體驗，避免一上來就投入高昂成本（如 GPT Pro 或 Gemini 高級版）。
• 主要痛點：官方 QuickStart 中模型選擇繁多，用戶容易迷失，且擔心開銷。
• 解決方案初心：不希望用戶花冤枉錢，提倡先跑起來再評估好用與否。

二、 主模型選擇：DeepSeek V4 Flash

• 選擇理由：
• 價格極低：相比 GPT、Claude 等國外模型便宜幾十倍。
• 緩存策略優化：V4 版本優化緩存策略，命中率高達 90% 以上。
• 成本結構：
• 輸入（未命中緩存）：約 1 元人民幣 / 百萬 Token。
• 輸入（命中緩存）：約 0.02 元人民幣 / 百萬 Token。
• 輸出：約 2 元人民幣 / 百萬 Token。
• 實際消耗案例：講者展示一天消耗約 1.47 元人民幣，日常使用每天僅幾元錢。
• 對比國外模型：
• GPT-5.5 輸入價格約 5 美元（約合人民幣 34 倍於 DeepSeek）。
• Claude Sonnet 輸入約 3 美元，Opus 約 5 美元。
• Kimi 輸入 6.5 元，輸出 27 元。
• DeepSeek 在中文語境下洞察力被認為優於 GPT、Claude、Gemini。

三、 多模態能力補位方案

• 問題現狀：DeepSeek V4 Flash 目前官方無多模態能力，無法識別無文字圖片（僅支援 OCR 文字提取）。
• 解決方案：在 DeepSeek Flash 基礎上，接入一個支援圖片理解的多模態模型作為補位。
• 推薦模型：阿里百煉（Bailian）的千問 3.6-Flash（或更便宜的 3.5-Flash）。
• 優勢：
• 雲廠商（阿里、騰訊、字節等）提供免費推理額度（如 50 萬 -100 萬 Token）。
• 支援視覺分析，能識別無文字圖片（如機械鍵盤、桌面佈局等）。
• 配置流程：

在阿里百煉創建 API Key。

在 Hermes Agent Dashboard 中，將 Vision 模型設為 Custom。

輸入千問 3.6-Flash 的 API Key 及配置信息。

若配置錯誤（如誤配為 VL Plus），可通過 /reset 或重新發送指令修正。

四、 成本估算與免費額度利用

• 文本對話成本：
• 利用緩存後，單輪對話成本極低（約 0.004 元人民幣或更低）。
• 20 輪對話約 1.6 元人民幣。
• 圖片識別成本：
• 假設一張圖片消耗 3000 Token。
• 千問 3.6-Flash 價格約 1.44 元 / 百萬 Token。
• 單張圖片成本約 0.004 元人民幣。
• 免費額度策略：
• 充分利用阿里、騰訊、字節火山方舟等平台的免費額度。
• 建議先耗盡免費額度，再考慮付費或切換模型。

五、 DeepSeek Flash 與 Pro 的效果對比

• Flash 版本特點：
• 指令遵循能力強，像一線執行者，按具體指令執行，不易出錯。
• 速度快、便宜、穩定。
• 適合大多數 Agent 場景（Tool Use、執行任務）。
• Pro 版本特點：
• 思考能力強，推理鏈重，喜歡自我延伸。
• 存在「過度思考」（Overthinking）風險，可能將推理結果誤認為規則，導致結果跑偏。
• 適合需要深度思考、系統框架搭建、複雜邏輯梳理的場景。
• 切換建議：
• 日常使用預設為 Flash。
• 遇到複雜任務時，可通過 /model 命令或口語指令主動切換至 Pro。

六、 實操演示步驟

配置主模型：

• 進入 DeepSeek 官網 API 開放平台創建 API Key。
• 在 Hermes Agent 終端輸入 Hermes Model。
• 選擇 DeepSeek V4 Flash，輸入 API Key 並保存。
• 確認 Default Model 設為 DeepSeek V4 Flash。

測試主模型：

• 發起新會話，確認模型為 DeepSeek V4 Flash。
• 測試文字對話功能。

配置多模態補位：

• 在阿里百煉創建 API Key。
• 在 Hermes Agent Dashboard 中，找到 Vision 模型設置。
• 將 Vision 設為 Custom，填入千問 3.6-Flash 的 API Key 和配置參數。
• 若配置失敗，通過 /reset 重新配置。

最終測試：

• 發送無文字圖片，確認模型能識別內容（如桌面佈局）。
• 使用 /usage 查看消耗情況。

工具 / 模型 / 名詞整理

• Hermes Agent：影片討論的核心 Agent 框架。
• DeepSeek：
• DeepSeek V4 Flash：推薦的主模型。
• DeepSeek V4 Pro：對比模型，適合深度思考。
• DeepSeek-VL Flash：阿里百煉中提及的視覺模型選項。
• GPT-5.5：作為價格對比參考。
• Claude：
• Claude Sonnet：價格對比參考。
• Claude Opus：高價模型參考。
• Gemini：作為價格對比參考。
• Kimi：作為價格對比參考。
• 阿里百煉（Bailian）：提供千問模型及 API 服務的平台。
• 千問 3.6-Flash：推薦的多模態補位模型。
• 千問 3.5-Flash：成本更低的替代選項。
• 騰訊混元：提及的支援免費額度的雲廠商模型。
• 字節豆包：提及的支援免費額度的雲廠商模型。
• 火山方舟：字節跳動旗下的 AI 平台，提及支援免費推理額度。
• 知識星球：講者開設的社群平台，名稱為「帥真 AI 实战圈」。

操作流程整理

準備工作：

• 前往 DeepSeek 官網 API 開放平台創建 API Key。
• 前往阿里百煉（Bailian）創建 API Key。

配置主模型（DeepSeek V4 Flash）：

• 在 Hermes Agent 終端輸入指令 Hermes Model。
• 選擇 DeepSeek V4 Flash。
• 輸入 DeepSeek API Key 並保存。
• 確認 Default Model 設為 DeepSeek V4 Flash。

配置視覺補位模型（千問 3.6-Flash）：

• 在 Hermes Agent Dashboard 中，找到 Vision 模型設置。
• 將 Vision 模型設為 Custom。
• 填入千問 3.6-Flash 的 API Key 及相關配置參數。
• *注意*：若配置錯誤（如誤配為 VL Plus），可通過 /reset 指令重新配置。

測試與驗證：

• 發起新會話，確認模型顯示為 DeepSeek V4 Flash。
• 進行文字對話測試。
• 發送無文字圖片（如桌面佈局、機械鍵盤），確認模型能識別內容。
• 使用 /usage 指令查看實際消耗情況。

值得注意的限制或風險

DeepSeek V4 Flash 的多模態限制：該模型目前官方無多模態能力，無法識別無文字圖片，僅支援 OCR 文字提取，因此必須搭配其他多模態模型使用。

Pro 版本的過度思考風險：使用 Pro 版本時，模型可能因推理鏈過重而產生「過度思考」（Overthinking），將推理結果誤認為規則，導致結果跑偏。

免費額度的消耗：雖然雲廠商提供免費推理額度，但用戶應注意額度限制，建議先耗盡免費額度再考慮付費或切換模型。

配置錯誤風險：在配置 Vision 模型時，若參數填寫錯誤（如誤配為 VL Plus），可能導致功能異常，需透過 /reset 修正。

逐字稿辨識疑點

• Hermes Model：逐字稿中多次出現此詞，疑為 Hermes Agent 中的特定指令或設置界面名稱，需查證是否為正確指令。
• recode：在選擇 DeepSeek 直聯 API 時，講者提到「DeepSeek v3 recode」，疑為口誤或聽寫錯誤，實際可能指代某個具體的 API 端點或版本標識。
• 梁胜良、文风、风仙圣仙刻：講者感謝名單中的名字，聽起來較為模糊或可能存在諧音/錯字，需查證具體人名。
• FaceboOK：講者提到「在 FaceboOK 上面用」，疑為口誤，實際應指 Facebook 或其他平台，但需查證是否指特定社群。
• V4 Flash：講者多次強調「V4 Flash」，但 DeepSeek 官方命名習慣通常為「V3」或「Plus/Pro」，需查證 DeepSeek 是否確實發布了名為「V4 Flash」的模型，或為講者自稱/口誤。
• 千问 3.7：講者提到「最新可能有到千问 3.7」，需查證千問模型當前最新版本號。
• 1.44元100 万：講者計算圖片成本時提到「1.44元100 万」，疑為價格單位描述，需查證千問 3.6-Flash 的實際定價單位。
• 333333：講者計算圖片成本時除數為「333333」，疑為口誤或聽寫錯誤，實際可能為 3000 或其他數字。
• 想便宜：講者提到 Pro 版本「越想越便宜」，疑為口誤，實際語境應為「越想越偏」或類似含義。

可延伸追問

DeepSeek V4 Flash 的緩存命中率 90% 以上是否為穩定數據，還是特定場景下的測試結果？

阿里百煉千問 3.6-Flash 的免費額度具體包含哪些限制（如 QPS、每日上限等）？

若同時使用多個雲廠商的免費額度，Hermes Agent 是否支援自動切換或負載平衡？

DeepSeek V4 Flash 與 V3 版本在實際 Agent 任務中的具體性能差異為何？

如何監控 Hermes Agent 的實際 Token 消耗，以確保成本控制在預期範圍內？