手上有一种活特别烦人：不是难在写代码，而是难在“得想清楚”。比如一个跑了三年、谁都不敢动的任务调度器要重写架构；比如一段线上事故的时间线要从 45MB 日志里还原。你把同一个问题问三遍，三个模型给出的答案都差一点——各自缺一块，合起来才对。

Mixture of Agents（MoA）就是把“问三个模型”这件事做成了流水线：几个参考模型先各自分析，一个聚合模型读着它们的意见来动手干活。这篇从“它到底怎么跑”讲到“钱算在谁头上”，最后解释新版本里那个容易被误解的变化。

一、一句话理解 MoA

MoA 在 Hermes 里不是工具、也不是开关，而是一个虚拟模型提供者：你配置的每个具名预设，都会以“moa 提供者下的一个可选模型”的身份出现。所以你可以在任何能选模型的地方选它——CLI、TUI、网关、Dashboard、Desktop，方法论上它和 anthropic、openrouter 是同一层级的东西。

选中一个预设之后：

• 参考模型先跑。它们只拿到对话里的用户 / 助手文本，不拿 Hermes 的系统提示，也不拿工具调用记录——所以这些调用又便宜又不会被严格的服务端拒绝。
• 聚合模型是“出面干活的那个”。它带着正常的 Hermes 工具 schema 被调用，写出你看到的回答、发起工具调用；工具由 Hermes 正常执行。
• 下一次模型迭代时，整个 MoA 流程在更新后的对话（含工具结果）上再跑一遍。

理解这一点就够了：聚合模型是主角，参考模型是每轮咨询一次的顾问。

二、怎么配

三条路，挑顺手的：

• Dashboard → Models → Model Settings → Mixture of Agents
• Desktop 应用 → Settings → Model → Mixture of Agents
• 命令行：hermes moa configure [预设名]

也可以直接写 config.yaml。下面是官方文档里的默认预设结构：

moa:
  default_preset: default
  presets:
    default:
      reference_models:
        - provider: openai-codex
          model: gpt-5.5
        - provider: openrouter
          model: deepseek/deepseek-v4-pro
      aggregator:
        provider: openrouter
        model: anthropic/claude-opus-4.8
      enabled: true

配置里写的是显式的 provider / model 对，所以你可以跨厂商混合，也可以同一个厂商放两个模型。两个可选的温度字段（reference_temperature、aggregator_temperature）不写就不发温度参数，让各模型走自己 provider 的默认值——和单模型时的行为一致。

终端里管理预设：

hermes moa list                 # 看当前各槽位
hermes moa configure review     # 新建或更新名为 review 的预设
hermes moa delete review        # 删掉一个预设

选它来干活有三种方式：

/model review --provider moa    # 本会话切到 review 预设
/moa 帮我设计这个调度器的迁移方案   # 只这一次：走默认预设，之后再切回你原来的模型

/moa 是一次性的便利糖：它临时切到默认预设、发一条消息、然后恢复你之前的模型。它不会顺手改掉你的模型选择——这是刻意的设计，免得一句普通提问把会话模型换掉。不带参数直接敲 /moa 只会打印用法。

三、钱算在谁头上

这是最容易被忽略的一点：聚合模型为整轮运行付费。它跑工具循环的每一步，所以一个预设几乎全部的成本都落在聚合模型的 provider 上；参考模型按默认节奏只在你每次发消息时咨询一次。

有个很常见的坑：你的主模型跑在某个订阅制 provider 上，预设里的聚合模型却在别家——那么这轮运行记在聚合模型那边，不记在你的订阅里。为了避免误判，hermes moa list 和 hermes moa configure 在聚合 provider 与 model.provider 不一致时会额外打印一行提示，Desktop 编辑器和 /model 也会把聚合槽位标成“出面且计费”的那个。

顾问多久出场一次，由 fanout 决定，它直接决定成本倍率：

• fanout: user_turn（默认）—— 顾问在每轮用户消息的第一条上跑一次，之后聚合模型自己走完整个工具循环。这是最便宜的档位：顾问成本不会随工具调用次数翻倍。
• fanout: per_iteration —— 每个工具迭代都重跑顾问，意见永远最新，代价是顾问的延迟和花费乘以本轮工具调用数。
• fanout: every_n:3 —— 折中：每轮用户消息的第一个迭代跑一次，之后每 3 个工具迭代刷新一次（任意 N 大于等于 2 都行）。中间迭代复用上一次的顾问意见，所以每一步都有意见可用，只是每 N 步才刷新一次。计数器在新用户消息时重置。

写错的值会回落到 user_turn。顺带一提：2026 年 7 月之前默认是 per_iteration，现在是 user_turn——想恢复逐步咨询，显式写上 fanout: per_iteration。

四、最新变化：没写过预设？模型列表里不会有 MoA

这里说的是一处容易引起困惑的行为修正（PR #126509，修的是 issue #63353）。

问题出在模型选择器构建行的时候：它读取的是合并过默认配置的配置对象，而默认配置里带着一套 MoA 预设骨架。结果就是——哪怕你从来没有写过 moa: 这一段，模型列表里也会出现一个 MoA 提供者行，还带一个合成的 default 预设。你没配过，列表里却有它，很容易让人以为 MoA 默认开着。

现在这一行由 _raw_config_has_enabled_moa_preset() 把关：它直接读原始 config.yaml，不做默认值合并，只有你自己配置文件里真的启用了某个预设（或者是旧的扁平 MoA 配置）时，这一行才会出现。CLI 的模型清单和网关的交互式选择器共用同一个行构造器，所以这次修复在两个界面上同时生效。

对你的实际影响：没配过 MoA 的人，/model 列表变短了、更干净；配过的人完全无感，预设照旧出现。

五、几个值得知道的细节

• 缓存不会被破坏。 选中 MoA 预设只是换了个模型选择，不会改写历史上下文、不会换工具集、也不会中途重建系统提示。参考模型的输出是作为自己的一条尾部消息追加的，而不是塞进你那条消息里——所以已经被缓存的前缀一字未动。遇到强制 user / assistant 严格交替的模板（llama.cpp、vLLM 的 Jinja 模板、部分 OpenRouter 路由）会返回 400，Hermes 会自行把两条相邻 user 消息合并后重试一次，并记住这个目标端点的偏好。
• 输出上限交给 provider。 预设级和槽位级的输出 token 上限已经不再支持，改用各 provider 自己的默认值。
• 隐私过滤：moa.privacy_filter 默认关闭；设成 display 只对用户可见界面（UI 里的参考块、save_traces 写下的记录）做脱敏；设成 full 则连注入给聚合模型的顾问文本也一起脱敏。凭据形态（API key 前缀、JWT、私钥、数据库连接串）由 Hermes 的中央脱敏器负责。
• 逐槽位推理深度：参考模型和聚合模型都可以单独设 reasoning_effort（none、minimal、low、medium、high、xhigh、max、ultra），所以你可以让同一个模型既当“快速顾问”又当“深思的执行者”。
• 每个预设有自己的开关：enabled: false 表示这个预设的参考分发放关闭，聚合模型单独工作，效果和直接把它当普通模型用一样。
• 几条限制：聚合模型不能再是另一个 MoA 预设（禁止递归）；某个参考模型凭据失效不会中断整轮，Hermes 会把失败写进参考上下文继续；MoA 不再列在 hermes tools 下，没有 moa 工具集需要启用。
• 能当兜底：预设可以写进 fallback_providers（例如 {provider: moa, model: 预设名}）。主模型失败时，Hermes 会以虚拟端点 moa://local 激活这个预设，和手动选它一样。

六、官方基准：比最强组件高约 6 个点

HermesBench 上，一个两模型预设（gpt-5.5 当参考、claude-opus-4.8 当聚合）的成绩：

配置	HermesBench 得分
Opus 聚合（opus-4.8 + gpt-5.5 参考）—— MoA	0.8202
anthropic/claude-opus-4.8 单跑	0.7607
openai/gpt-5.5 单跑	0.7412

也就是说它不只是取平均，而是比它最强的那个组件还高了约 6 个点——多一个视角确实能抬高质量。

七、什么时候不该用

MoA 的代价是模型调用次数变多（一次迭代可能是“若干参考调用 + 一次聚合调用”）。所以：日常小任务、格式转换、简单查询，单模型更快也更便宜。它真正值钱的地方是那些“想错一步要重做半天”的活——架构设计、故障复盘、迁移方案、复杂重构的评审。

如果你在调模型路由，可以配合看我们的辅助模型通道指南（哪类调用会走辅助模型）和模型覆盖配置指南；需要主模型失败时自动接管，三层 fallback 指南讲了兜底链的写法。MoA 如何做到不打断 prompt 缓存，我们在缓存共享那篇里从另一个角度讲了一遍。命令细节见 hermes moa 命令参考。