Nous: Hermes 4 405B mot SpaceXAI: Grok 4.20 Multi-Agent
En jämförelse sida vid sida av Nous: Hermes 4 405B (3,50 US$ / 1M textdelar (≈ 34,29 kr)) och SpaceXAI: Grok 4.20 Multi-Agent (4,38 US$ / 1M textdelar (≈ 42,86 kr)) med aktuella USD-priser och funktioner från api14-katalogen. Båda körs via samma OpenAI-kompatibla API.
Specifikationer
| Nous: Hermes 4 405B | SpaceXAI: Grok 4.20 Multi-Agent | |
|---|---|---|
| Leverantör | Nous | xAI |
| Indata | 3,50 US$ / 1M textdelar (≈ 34,29 kr) | 4,38 US$ / 1M textdelar (≈ 42,86 kr) |
| Utdata | 10,50 US$ / 1M textdelar (≈ 102,86 kr) | 8,75 US$ / 1M textdelar (≈ 85,72 kr) |
| Cacheläsning | 0,70 US$ / 1M textdelar (≈ 6,86 kr) | 0,70 US$ / 1M textdelar (≈ 6,86 kr) |
| Webbsökning | - | 17,50 US$ / 1K sökningar (≈ 171,44 kr) |
| Kontextfönster | 131 072 | 2 000 000 |
| Max utdata | 117 964 | 1 800 000 |
| Indata | text | text, image, file |
| Utdata | text | text |
| Verktygsanrop | ||
| Strukturerad utdata | ||
| Styrning av resonemang | ||
| Tillagd | 26 aug. 2025 | 31 mars 2026 |
Viktiga skillnader
- Nous: Hermes 4 405B är 20% billigare på indata-tokens.
- SpaceXAI: Grok 4.20 Multi-Agent är 17% billigare på utdata-tokens.
- SpaceXAI: Grok 4.20 Multi-Agent läser 15.3× mer kontext (2 000 000 tokens).
- Ett anrop med 1 000 indata- och 500 utdata-tokens kostar 0,00875 US$ med Nous: Hermes 4 405B och 0,00875 US$ med SpaceXAI: Grok 4.20 Multi-Agent.
Mer i detalj
Nous: Hermes 4 405B är en textmodell från Nous, släppt 2025-08-26. SpaceXAI: Grok 4.20 Multi-Agent är en textmodell från xAI, släppt 2026-03-31. Båda serveras via api14 som chat-modeller i textkategorin, och båda riktar sig till utvecklare som vill ha en hostad modell bakom en OpenAI-kompatibel endpoint snarare än något de kör själva.
Den tydligaste skillnaden är kontext och indatahantering. Grok 4.20 Multi-Agent accepterar text, bilder och filer som indata och erbjuder ett kontextfönster på 2 000 000 tokens, medan Hermes 4 405B endast accepterar text och erbjuder 131 072 tokens. Om din prompt innehåller skärmbilder, skannade sidor, PDF-filer eller andra uppladdade filer, eller om du behöver hålla en mycket stor mängd material i en enda förfrågan, är Grok den som passar. När det gäller samplingskontroller överlappar de två kraftigt: båda exponerar temperature, top_p, top_k på Hermes-sidan, max_tokens, logprobs, top_logprobs, response_format, structured_outputs och reasoning-flaggor. Hermes lägger till frequency_penalty, presence_penalty och repetition_penalty, vilket är användbart när du kämpar mot loopar eller vill styra ordrikedom genom straff. Grok lägger till reasoning_effort och seed, så du kan justera resonemangsintensitet och få mer reproducerbar sampling. Ingen av modellerna listas som ensam om att stödja verktyg eller strukturerade utdata, så betrakta dem som tillgängliga på båda snarare än en avgörande faktor.
För vardagligt textarbete som sammanfattning, extrahering, omskrivning, klassificering och chatt är Hermes 4 405B ett rimligt standardval, och det är den billigare av de två på indata. Om din arbetsbelastning är tung på utdata, notera att Grok är den billigare sidan på utdata, så långa genereringar kan skifta balansen. För uppgifter som behöver bilder eller filer i prompten, eller som behöver hålla hundratusentals tokens kontext samtidigt, välj Grok 4.20 Multi-Agent; fönstret på 2 000 000 tokens och de extra indatamodaliteterna är anledningarna. Om du behöver straffbaserad kontroll över upprepning, eller redan är inställd på Hermes-liknande prompter, håll dig till Hermes. Om du vill justera resonemangsinsats per förfrågan eller använda en seed för mer stabila jämförelser mellan körningar, ger Grok dig dessa rattar.
Att anropa endera via api14 fungerar på samma sätt. Rikta din OpenAI-klient mot api14:s bas-URL, skicka en vanlig chat completions-förfrågan och sätt modellfältet till "nousresearch/hermes-4-405b" eller "x-ai/grok-4.20-multi-agent". Allt annat i förfrågningskroppen förblir som du redan skriver det: messages, temperature, max_tokens, response_format och resten. Att växla mellan de två är en enradsändring av modell-id:t, vilket gör det billigt att benchmarka båda på dina egna data innan du bestämmer dig. Kom bara ihåg att bild- och filinnehållsdelar endast är meningsfulla på Grok-id:t, och att straffparametrar endast gäller på Hermes-id:t.
Det finns fall där den andra modellen fortfarande vinner. Om du är på Hermes och stöter på en vägg eftersom prompten behöver en bild eller en fil, eller eftersom 131 072 tokens inte räcker, är Grok det bättre valet även om du föredrar Hermes i övrigt. Om du är på Grok och ditt huvudproblem är repetitiva utdata som du vill dämpa med straff, eller du vill ha det lägre indatapriset för en stor volym korta prompter, är Hermes det bättre valet. Inget av valen är permanent, eftersom modell-id:t är det enda du ändrar.
Byt med en sträng
Båda modellerna använder samma endpoint och anropsformat. Ändra model-värdet från "nousresearch/hermes-4-405b" till "x-ai/grok-4.20-multi-agent", promptar, streaming och verktyg fortsätter att fungera.
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);
Fler jämförelser
- LiquidAI: LFM3-1.7B mot Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B mot Crouton Alpha
- LiquidAI: LFM3-1.7B mot Tencent: Hy4
- LiquidAI: LFM3-1.7B mot Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview mot Crouton Alpha
- Ricursive: Ripple 65B Preview mot Tencent: Hy4
- Ricursive: Ripple 65B Preview mot Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha mot Tencent: Hy4