Nous: Hermes 4 405B contre SpaceXAI: Grok 4.20 Multi-Agent
Un comparatif côte à côte de Nous: Hermes 4 405B (3,50 $US / 1M jetons (≈ 3,14 €)) et SpaceXAI: Grok 4.20 Multi-Agent (4,38 $US / 1M jetons (≈ 3,92 €)) d’après les prix actuels en USD et les capacités du catalogue api14. Les deux passent par la même API compatible OpenAI.
Caractéristiques
| Nous: Hermes 4 405B | SpaceXAI: Grok 4.20 Multi-Agent | |
|---|---|---|
| Fournisseur | Nous | xAI |
| Entrée | 3,50 $US / 1M jetons (≈ 3,14 €) | 4,38 $US / 1M jetons (≈ 3,92 €) |
| Sortie | 10,50 $US / 1M jetons (≈ 9,41 €) | 8,75 $US / 1M jetons (≈ 7,84 €) |
| Lecture du cache | 0,70 $US / 1M jetons (≈ 0,63 €) | 0,70 $US / 1M jetons (≈ 0,63 €) |
| Recherche web | - | 17,50 $US / 1K recherches (≈ 15,68 €) |
| Fenêtre de contexte | 131 072 | 2 000 000 |
| Sortie max. | 117 964 | 1 800 000 |
| Entrée | text | text, image, file |
| Sortie | text | text |
| Appel d’outils | ||
| Sortie structurée | ||
| Contrôle du raisonnement | ||
| Ajouté le | 26 août 2025 | 31 mars 2026 |
Principales différences
- Nous: Hermes 4 405B est 20% moins cher sur les tokens d’entrée.
- SpaceXAI: Grok 4.20 Multi-Agent est 17% moins cher sur les tokens de sortie.
- SpaceXAI: Grok 4.20 Multi-Agent lit 15.3× plus de contexte (2 000 000 tokens).
- Une requête de 1 000 tokens en entrée et 500 en sortie coûte 0,00875 $US avec Nous: Hermes 4 405B et 0,00875 $US avec SpaceXAI: Grok 4.20 Multi-Agent.
En détail
Nous: Hermes 4 405B est un modèle texte de Nous, publié le 2025-08-26. SpaceXAI: Grok 4.20 Multi-Agent est un modèle texte de xAI, publié le 2026-03-31. Les deux sont servis via api14 comme modèles de chat dans la catégorie texte, et les deux s'adressent aux développeurs qui veulent un modèle hébergé derrière un point de terminaison compatible OpenAI plutôt qu'un modèle qu'ils exécutent eux-mêmes.
La séparation la plus nette concerne le contexte et la gestion des entrées. Grok 4.20 Multi-Agent accepte le texte, les images et les fichiers en entrée et offre une fenêtre de contexte de 2 000 000 de tokens, tandis que Hermes 4 405B accepte uniquement le texte et offre 131 072 tokens. Si votre prompt inclut des captures d'écran, des pages scannées, des PDF ou d'autres fichiers téléversés, ou si vous devez conserver un très grand volume de contenu dans une seule requête, c'est Grok qui convient. Sur les contrôles d'échantillonnage, les deux se recoupent largement : tous deux exposent temperature, top_p, top_k du côté Hermes, max_tokens, logprobs, top_logprobs, response_format, structured_outputs et des indicateurs de raisonnement. Hermes ajoute frequency_penalty, presence_penalty et repetition_penalty, ce qui est utile lorsque vous luttez contre des boucles ou que vous voulez orienter la verbosité via des pénalités. Grok ajoute reasoning_effort et seed, ce qui vous permet de régler l'intensité du raisonnement et d'obtenir un échantillonnage plus reproductible. Aucun des deux modèles n'est indiqué comme prenant en charge de manière unique les outils ou les sorties structurées, donc considérez ces éléments comme disponibles sur les deux plutôt que comme un facteur décisif.
Pour le travail textuel courant comme le résumé, l'extraction, la réécriture, la classification et le chat, Hermes 4 405B est un choix par défaut raisonnable, et c'est le moins cher des deux en entrée. Si votre charge de travail est intensive en sortie, notez que Grok est moins cher en sortie, donc les générations longues peuvent faire pencher la balance. Pour les tâches qui nécessitent des images ou des fichiers dans le prompt, ou qui doivent contenir des centaines de milliers de tokens de contexte en une seule fois, choisissez Grok 4.20 Multi-Agent ; la fenêtre de 2 000 000 de tokens et les modalités d'entrée supplémentaires en sont les raisons. Si vous avez besoin d'un contrôle basé sur les pénalités pour la répétition, ou si vous êtes déjà habitué aux prompts de style Hermes, restez avec Hermes. Si vous voulez ajuster l'effort de raisonnement par requête ou utiliser une seed pour des comparaisons plus stables entre les exécutions, Grok vous offre ces leviers.
Appeler l'un ou l'autre via api14 fonctionne de la même manière. Pointez votre client OpenAI vers l'URL de base api14, envoyez une requête chat completions normale, et définissez le champ model sur "nousresearch/hermes-4-405b" ou "x-ai/grok-4.20-multi-agent". Tout le reste dans le corps de la requête reste tel que vous l'écrivez déjà : messages, temperature, max_tokens, response_format et le reste. Passer de l'un à l'autre se fait en changeant une seule ligne, l'identifiant du modèle, ce qui permet de benchmarker les deux sur vos propres données à moindre coût avant de vous engager. Rappelez-vous simplement que les parties de contenu image et fichier n'ont de sens qu'avec l'identifiant Grok, et que les paramètres de pénalité ne s'appliquent qu'avec l'identifiant Hermes.
Changer de modèle en une chaîne
Les deux modèles utilisent le même endpoint et la même structure de requête. Remplacez la valeur de model "nousresearch/hermes-4-405b" par "x-ai/grok-4.20-multi-agent" : prompts, streaming et outils continuent de fonctionner.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.chat.completions.create({
"model": "x-ai/grok-4.20-multi-agent",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
Plus de comparatifs
- LiquidAI: LFM3-1.7B contre Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B contre Crouton Alpha
- LiquidAI: LFM3-1.7B contre Tencent: Hy4
- LiquidAI: LFM3-1.7B contre Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview contre Crouton Alpha
- Ricursive: Ripple 65B Preview contre Tencent: Hy4
- Ricursive: Ripple 65B Preview contre Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha contre Tencent: Hy4