O czym jest ten film
- Jack Roberts uważa Hermes Agenta za najlepszy agent AI na świecie, ale zwraca uwagę, że większość użytkowników przepłaca, trzymając się wyłącznie Claude’a i ChatGPT.
- Kluczowa idea: agent to samochód, model to silnik — raz budujesz „auto”, a potem wymieniasz w nim „silnik” zależnie od zadania.
- Bohaterem odcinka jest MiniMax M3: w kodowaniu ma dorównywać GPT 5.5 przy 4 proc. jego ceny, a w części zadań wyprzedzać Sonnet 4.6 przy 8 proc. ceny.
- Niska cena bierze się z mechanizmu „rzadkiej uwagi” (sparse attention) — dzięki niemu milion tokenów kontekstu kosztuje centa zamiast dolarów.
- Na tle viralowego GLM 5.2 model M3 wyróżnia się natywną pracą z obrazem i siecią oraz czterokrotnie tańszym generowaniem przy milionie tokenów kontekstu.
- Autor przeprowadza pełną konfigurację od zera: abonament na platformie MiniMax, klucz API, instalacja agenta w terminalu, wybór modelu w Telegramie.
- Następuje seria testów na żywo: opisywanie zrzutów ekranu, wyciąganie identyfikacji marki ze strony glad.com, przeszukiwanie plików na pulpicie i pobieranie intro z kanału YouTube.
- Hermes potrafi sam kierować zapytania do różnych modeli — Roberts udostępnia skilla, który automatyzuje taki routing.
- Zasada bezpieczeństwa: każdy model traktuj jak pracownika, nie szefa — rutynę ogarnia świetnie, ale każdy wynik trzeba weryfikować.
- Strategia kosztowa: najdroższy mózg do planowania i projektu, tańszy do wykonania; do tego warunki komercyjne MiniMax (brak wymogu oznaczania poniżej 20 mln dolarów przychodu) i 12 proc. zniżki dla widzów.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Jeden agent, wiele mózgów — wymieniaj silnik zamiast kupować nowe auto
Na czym polega: Hermes pozwala podłączyć dowolny model, więc świadomy dobór „silnika” do zadania daje więcej wydajności za te same pieniądze niż trzymanie się jednego domyślnego.
Jak stosować: Wypisz kategorie swojej pracy (kodowanie, research, analiza obrazów, długie dokumenty) i przypisz każdej inny model — w Hermes wymieniaj go przy zmianie typu zadania.
Na co uważać: Każda zmiana modelu wymaga krótkiej walidacji jakości na twoich realnych przykładach; nie przepinaj się „na ślepo” za benchmarkiem.
2.Zerwij z duopolem Claude/ChatGPT
Na czym polega: Ograniczanie się do dwóch największych dostawców oznacza przepłacanie za zadania, w których tańsze modele dorównują im jakością.
Jak stosować: Co jakiś czas przejrzyj porównania cen nowości (M3, GLM) i przetestuj jedną alternatywę na tygodniowym zbiorze własnych zadań.
Na co uważać: Benchmarki pochodzą zwykle od producentów i bywają wyselekcjonowane — ostatecznym testem są tylko twoje dane i twoje pętle pracy.
3.Porównuj koszt na milion tokenów, nie abonament
Na czym polega: Decyzję o modelu powinien wyznaczać koszt jednostki pracy (tokeny na dolara), a nie nazwa subskrypcji — plan za 20 dolarów w MiniMax to według autora 1,7 miliarda tokenów.
Jak stosować: Zanim zapłacisz, oszacuj, ile tokenów konsumują twoje typowe zlecenia, i zestaw abonament z rozliczeniem za faktyczne użycie w API.
Na co uważać: Tanie tokeny potrafią zmylić, jeśli model potrzebuje więcej kroków i poprawek do tego samego efektu — licz koszt całego zadania, nie samej stawki.
4.Rzadka uwaga to tani długi kontekst
Na czym polega: M3 liczy mniej, bo ignoruje zbędne zależności w kontekście — dlatego milion tokenów kosztuje grosze, a nie dolary.
Jak stosować: Do pracy nad wielkimi dokumentami i masowym researchem wybieraj modele o wysokiej efektywności obliczeniowej i sprawdzaj cennik za długi kontekst.
Na co uważać: Oszczędność na tokenach nie zwalnia z kontroli wyników — nawet przy pełnym kontekście odpowiedzi trzeba weryfikować.
5.Mocny mózg planuje, tańszy wykonuje
Na czym polega: Największy zwrot z drogiego modelu jest na początku projektu: wytyczenie zakresu, architektura, projekt panelu. Realizację w gotowej strukturze może przejąć tańsza jednostka.
Jak stosować: Do pierwszej rozmowy i strategii angażuj najzdolniejszy dostępny model, a potem deleguj wykonanie krok po kroku modelom tańszym.
Na co uważać: Odwrotna kolejność — tanie wykonanie bez porządnego planu — generuje poprawki, które potrafią zjeść całą oszczędność.
6.Pracownik, nie szef
Na czym polega: Model może błyszczeć w dziewięciu rutynowych przypadkach na dziesięć, ale każda odpowiedź agenta wymaga weryfikacji przed użyciem.
Jak stosować: Buduj punkty kontroli: testy, przegląd wyników, odrębne zatwierdzanie tego, co trafia do klienta lub na produkcję.
Na co uważać: Wysoka skuteczność w codziennych zadaniach rodzi fałszywe poczucie bezpieczeństwa — weryfikuj tym mocniej, im więcej stoi na rzeczy.
7.Automatyzuj routing zadań między modelami
Na czym polega: Hermes potrafi sam kierować zapytanie do właściwego modelu; autor udostępnia gotowego skilla, który to porządkuje.
Jak stosować: Przypisz skille do konkretnych mózgów (jak „Filozof” czy Orius do głębokiego rozumowania u Robertsa) wraz z celem każdego z nich — routing wtedy dzieje się sam.
Na co uważać: Automat działa tylko przy jasnych regułach „który model do czego”; bez nich agent będzie przeskakiwał losowo, a ty stracisz kontrolę nad kosztami.
8.Testuj multimodalność i tempo na własnych przykładach
Na czym polega: Pokazane próby — opis zrzutu ekranu, odnalezienie pliku wideo na pulpicie, pobranie intro z YouTube — to łatwy do powtórzenia zestaw sprawdzający wzrok, dostęp do sieci i szybkość.
Jak stosować: Daj agentowi trzy zadania z własnego otoczenia: obraz do opisania, plik na dysku do przeszukania, stronę lub kanał do monitorowania — i porównuj wyniki między modelami.
Na co uważać: Udane demo nie jest gwarancją: podobne zadanie u ciebie może wymagać innych narzędzi (np. dedykowanego skilla do scrapowania), więc sprawdź, co agent ma pod ręką.
9.Do researchu w sieci używaj narzędzi, które odsysają samą treść
Na czym polega: Firecrawl wyciąga ze strony właściwy tekst zamiast ciągnąć cały kod HTML — i właśnie przez to oszczędza fortunę na tokenach.
Jak stosować: Zlecając agentowi analizę stron, mów wprost, by korzystał z takiego narzędzia i zwracał uporządkowaną treść (np. brand book, paleta, przekaz), a nie surowy kod.
Na co uważać: Nowoczesne serwisy bywają aplikacjami jednostronicowymi z minimalnym statycznym HTML-em — agent musi umieć dopytać lub zadziałać interaktywnie, więc ustal źródło danych z góry.
10.Przeczytaj warunki komercyjne dostawcy
Na czym polega: MiniMax — według autora — nie wymaga oznaczania produktów dopiskiem o zbudowaniu na M3; powyżej 20 mln dolarów przychodu zaprasza do osobnej rozmowy.
Jak stosować: Zanim wdrożysz model w produkcie, sprawdź aktualne zapisy o oznaczaniu i limitach przychodu u samego dostawcy; wykorzystaj dostępne zniżki partnerskie (tu: 12 proc.).
Na co uważać: Warunki promocji i licencje potrafią się zmieniać szybciej niż twoje wdrożenie — potwierdź je na piśmie przed skalowaniem.
Redakcyjne tłumaczenie
Przestań przepłacać za niewłaściwy mózg
Hermes to moim zdaniem najlepszy agent AI na świecie — i właśnie dlatego tak boli jedno zaniedbanie: większość użytkowników przepłaca za niewłaściwy „mózg”, przez co płaci więcej i dostaje gorsze wyniki. W tym odcinku pokażę dokładnie, jak podnieść wydajność Hermes Agenta, dobierając model do konkretnego zadania. Całość jest na tyle prosta, że poradzi sobie nawet ktoś, kto nigdy wcześniej nie uruchamiał Hermes. W zamian: więcej czasu, lepsze rezultaty i wyraźna przewaga nad resztą.
Krótko o mnie: nazywam się Jack. Zbudowałem i sprzedałem moją poprzednią firmę technologiczną z ogromną bazą klientów, dziś tworzę startupy oparte na AI i dzielę się tutaj tym, co naprawdę działa. Nalej sobie kawy i wchodzimy w temat.
Auto masz jedno, silniki wymieniaj wiele
Pierwszy krok: pozbyć się nawyku przepłacania. Największy atut Hermes Agenta polega na tym, że można podłączyć do niego dowolny model dostępny na rynku. Żeby to świadomie wykorzystać, trzeba rozumieć, co agent faktycznie robi: pisze kod, korzysta z narzędzi, wyciąga dane z internetu, łączy się z innym oprogramowaniem, chodzi po sieci i „widzi” jej treści, rozumuje, utrzymuje pamięć i kontekst, a przy tym może myśleć krócej albo dłużej. Prosta metafora: do każdego zadania podstawiasz innego kierowcę, z inną specjalizacją. Niektórzy kierowcy są drodzy, niektórzy znacznie zdolniejsi — płacisz wtedy, gdy potrzebujesz akurat ich umiejętności.
Najważniejsza zmiana myślenia to przełamanie duopolu Claude’a i ChatGPT. Kto ogranicza się do tych dwóch modeli, traci po prostu zbyt dużo. Pomyśl o tym jak o samochodzie, w którym wymieniasz silnik. Hermes to nadwozie, koła i okablowanie kokpitu — budujesz je raz i zostają z tobą na stałe. Claude, MiniMax, GLM czy GPT to jednostki napędowe, które wkładasz pod maskę zależnie od tego, co akurat robisz. Ten nawyk daje więcej wydajności z każdego dolara włożonego w agenta — czyli po prostu zdolniejszego asystenta za te same pieniądze.
MiniMax M3: moc z górnej półki za ułamek ceny
W tym odcinku przyjrzymy się MiniMax M3. Liczby, które podaje autor: w kodowaniu model dorównuje GPT 5.5 — przy 4 proc. jego ceny, czyli z grubsza jednej dwudziestej piątej stawki. Z Sonnetem 4.6 wygrywa w części zadań, a kosztuje 8 proc. jego ceny. Do tego dochodzi okno kontekstu liczące milion tokenów, rozumienie obrazów i wideo (czego spodziewane na rynek modele wciąż nie oferują) oraz dostęp do żywego internetu. Konfiguracja — banalna.
Roberts nie ukrywa, że napisał do MiniMax i firma zgodziła się sfinansować odcinek. Jego teza jest jednak szersza niż promocja jednego produktu: niezależnie od tego, na jaki model się przepinasz, samo wyjście z duopolu Claude/ChatGPT poszerza horyzonty i sprawia, że każdy dolar wydaje się skuteczniej.
(Informacja dodatkowa: wszystkie benchmarki i ceny pochodzą z materiału sponsorowanego, bez niezależnej weryfikacji — najlepiej potraktować je jako punkt wyjścia do własnych testów.)
Na wykresach pokazanych w filmie M3 w obszarach takich jak rozumowanie, praca w linii poleceń, kodowanie i web plasuje się obok najlepszych modeli świata, z wyraźnymi mocnymi stronami i polami dopiero rozwijanymi. Najciekawsze jest jednak miejsce modelu na osi „jakość względem ceny”: mocno odstaje on od ogólnej linii trendu, bo oferuje wydajność z wysokiej półki za ułamek jej ceny.
Rzadka uwaga: dlaczego milion tokenów kosztuje grosze
Skąd bierze się ten stosunek możliwości do ceny? Nie tylko z ogólnego postępu modeli — M3 korzysta z mechanizmu zwanego rzadką uwagą (sparse attention). Roberts przywołuje stare inżynierskie porzekadło: koń projektowany przez komitet wychodzi w końcu wielbłądem. W klasycznym podejściu każdy „rozmawia” z każdym — panuje chaos i wszystko idzie jak po maśle w złym sensie. Przy rzadkiej uwadze głos zabierają wyłącznie ci, których wkład naprawdę się liczy. Odpowiedź wychodzi ta sama, hałasu zostaje ułamek, a pracy obliczeniowej jest dwadzieścia razy mniej. Właśnie ta oszczędność sprawia, że milion tokenów kontekstu kosztuje w M3 centa zamiast dolarów znanych z konkurencji. Widać to i w prostym wskaźniku, ile tokenów wyjściowych dostajesz za dolara — i tutaj M3 wypada bardzo korzystnie.
M3 a GLM 5.2: dwa różne punkty na mapie
Autor zestawia M3 z GLM 5.2 — modelem, o którym aktualnie jest bardzo głośno. Oba są świetne, każde w czymś innym: MiniMax widzi obrazy i porusza się po sieci natywnie oraz ma cztery razy tańsze generowanie przy milionie tokenów kontekstu, natomiast GLM miażdży kodowanie z linii poleceń — w ocenie Robertsa radzi sobie tam nawet lepiej niż czołowy model premium. Wniosek ogólny: nie istnieje jeden najlepszy model do wszystkiego. Każda jednostka błyszczy w czymś innym, więc warto być elastycznym i wpychać do zadania najlepszego zawodnika. Dopiero patrzenie na twarde dane o cenie za token pozwala przełamać utarte przekonania i wycisnąć z tych narzędzi więcej.
Konfiguracja od zera: krok po kroku
Cała konfiguracja zajmuje kilkanaście minut. Najpierw platforma MiniMax: wybierasz abonament (20, 50 albo 120 dolarów) i od razu widzisz, ile tokenów dostajesz w pakiecie — plan za 20 dolarów to 1,7 miliarda tokenów. Działa to analogicznie do subskrypcji Claude czy ChatGPT. Jeśli wolisz nie płacić abonamentu, możesz rozliczać się za użycie według cennika API. Klucz bierzesz przyciskiem „Get API key” — w zakładce subskrypcji po prostu kopiujesz jego wartość.
Kto nie ma jeszcze Hermes Agenta, wchodzi na stronę projektu, kopiuje kod instalacyjny, otwiera terminal, wkleja go — i agent pobiera się na komputer. Gdyby te kroki brzmiały dla kogoś jak język obcy, Roberts odsyła do swojego masterclassu o Claude Code, który prowadzi od zupełnych podstaw do zaawansowanego poziomu: fundamenty, budowa strony, mocne funkcje, systemy pamięci i pełna praca z Hermes Agentem od początku do końca. W pakiecie dostaje się też agenticzny system operacyjny Hermes OS z mnóstwem dodatków, które — jak zapewnia — przenoszą na zupełnie inny poziom.
Podłączenie modelu jest trywialne: w terminalu zaznaczasz MiniMax Global (spacja), u góry listy wybierasz MiniMax (znów spacja), podajesz skopiowany klucz API i zatwierdzasz Enterem. Klucz zapisuje się raz na dobre.
Pierwsza rozmowa i test multimodalny
Rozmowę prowadzi się w Telegramie (pełny przewodnik po konfiguracji agenta Roberts linkuje w opisie). Wpisujesz słowo „model”, wyskakuje selektor, wybierasz MiniMax, a potem konkretnie M3 — i możesz zaczynać. Pierwsza próba: pytanie, z jakim modelem rozmawiasz. Odpowiedź przychodzi od razu — MiniMax. Druga próba sprawdziła multimodalność: Roberts wrzucił zrzut ekranu i poprosił o opis tego, co widać. Odpowiedź wróciła szybko i — co w Telegramie bynajmniej nie jest regułą — czytelnie sformatowana, porządnie rozbita na punkty.
Próba ogniowa: tożsamość marki wyłuskana z sieci
Potem prawdziwy sprawdzian. Polecenie: użyj skilla Firecrawl (gotowej umiejętności agenta), wejdź na glad.com, wyciągnij identyfikację wizualną marki i przygotuj mały plik HTML z przeglądem — logo, paleta kolorów, charakter marki — do otwarcia w przeglądarce. Zanim cokolwiek zrobi, agent błyskawicznie odpisuje z pytaniem doprecyzowującym: czy chodzi o glad.com? Tak, potwierdza Roberts i przyznaje, że skill do Firecrawl jest dostępny. I rusza do pracy.
(Informacja dodatkowa: Glad to oprogramowanie do transkrypcji mowy, z którego autor korzysta na co dzień — markę zna od podszewki.)
Warto wiedzieć, czemu Firecrawl jest tak oszczędny: zamiast ściągać całą stronę razem z kodem, wyciąga z niej wyłącznie właściwą treść. Przy pracy agenta to różnica między wydawaniem fortuny a groszami za tokeny. Sam przebieg robi wrażenie — model na bieżąco donosi, co właśnie robi (wykrył m.in., że glad.com to aplikacja jednostronicowa z niewielką ilością statycznego HTML). Efekt końcowy: dokument z logotypami, paletą barw wziętą żywcem ze strony i poprawnie wychwyconym przekazem — „oszczędzamy naszym klientom 20 godzin miesięcznie”. Klikalny obraz prowadzi wprost na stronę, z której został pobrany, i podobieństwo widać gołym okiem.
Pliki na dysku i kanał YouTube
Dwa kolejne testy. Pierwszy: „wejdz na mój pulpit, znajdź najnowsze nagranie wideo i powiedz, jakie padło w nim pierwsze zdanie”. Roberts nie zapewnia agentowi żadnych narzędzi do tego zadania — chce zobaczyć, czy sobie poradzi. Radzi sobie: znajduje reklamę pizzy z jego materiału o tworzeniu reklam. Drugi test wyprowadza agenta do sieci: „wejdz na mój kanał YouTube, sprawdź najnowszy film i podaj jego intro”. Agent pobiera identyfikator kanału, sięga po najnowszy film i niemal natychmiast oddaje poprawne pierwsze zdania („agenticzne systemy to przyszłość… to repozytorium open source dziesięciokrotnie podniesie możliwości twojego Hermes Agenta”). Autora najbardziej uderza tempo: szybkość samego przetwarzania i tempa, w jakim odpowiedź pojawia się na ekranie, są według niego wyjątkowe.
Terminal głosowy i Hermes OS
Ten sam mózg napędza terminal głosowy w agenticznym systemie operacyjnym. W sekcji Intelligence Roberts pyta: „Z kim dziś rozmawiam?” — „Cześć, Jack, mówisz z Hermes Voice, twoim towarzyszem AI”. Wszystko, co da się załatwić w chacie, działa również w trybie głosowym. Można wręcz polecić MiniMax: „zbuduj mi strategię routingu” — bo Hermes potrafi sam kierować zapytania do właściwych modeli, zależnie od zadania. Roberts ma do tego gotowego skilla (link w opisie) i routingowi poświęcił osobny film.
Agent ustawi też zwykłe przypomnienie: „za dwie godziny mam zamówić LaCroix”. — „Bez oceniania — zastrzega autor. — Coke przepadł, LaCroix rządzi. Tak się po prostu stało, nie moja wina.” Przypomnienie tworzy się dokładnie tak samo jak zawsze.
Routing: każdy mózg do swojego zadania
Największa przewaga agenticznego systemu operacyjnego: można budować skille na stałe przypisane do konkretnych modeli. Roberts ma na przykład „Filozofa” na jednym modelu i Oriusa, który prowadzi głębokie rozumowanie, na innym; MiniMax może obsługiwać kolejny zestaw zadań. Przypisujesz skill, model i cel — a kierowanie zapytań odbywa się automatycznie, bez twojego udziału. To ogromna oszczędność energii przy codziennej pracy.
Pracownik, nie szef
Zanim podłączysz nowy model do swojego systemu, dwie zasady. Po pierwsze: myśl o nim jak o pracowniku, nie o szefie. W rutynie błyszczy w dziewięciu przypadkach na dziesięć, ale każdy rezultat — niezależnie od modelu — zawsze trzeba zweryfikować. Po drugie: trzymaj się reguły właściwego mózgu do właściwej roboty. Czy to MiniMax, Opus czy GPT — podejście jest niezależne od dostawcy: liczy się efektywne wydawanie tokenów, bo to podnosi jakość i jednocześnie obniża koszty w miarę skalowania. Najkrócej ujął to sam Roberts: agenta posiadasz, mózg wynajmujesz.
Wielka strategia drogim modelem, wykonanie tańszym
Kiedy sięgać po najmocniejszy mózg? Zawsze na początku: przy planowaniu i pierwszych rozmowach o projekcie to tam zysk za wydane pieniądze jest największy. Wytyczenie zakresu, projekt panelu czy program kursu — cokolwiek budujesz, duży mózg robi wielką strategię, a dopiero potem delegujesz kolejne modele do działania w obrębie gotowej struktury.
Komercja, zniżka i puenta
Na koniec sprawy praktyczne. MiniMax udostępnił odbiorcom 12 proc. zniżki na dowolny pakiet (link w opisie). Przy zastosowaniach komercyjnych producent nie wymaga — przynajmniej na razie — umieszczania dopisku o zbudowaniu projektu na M3; powyżej 20 milionów dolarów przychodu warto natomiast skontaktować się z firmą w sprawie osobnych warunków.
I uwaga najważniejsza: znajomość modeli to dopiero połowa drogi. Bez systemu operacyjnego, który połączy je w całość, nie wyciśniesz z nich maksimum — i właśnie temu poświęcony jest następny odcinek.