O czym jest ten film
- W ciągu tygodnia dwa modele okrzyknięto „zabójcami Fable 5”: japoński Sakana Fugu i chiński GLM 5.2. Jack Roberts przetestował oba na własnych zadaniach, w swoim systemie Hermes Agent.
- Sakana Fugu nie jest modelem, tylko inteligentnym routerem: jedno API, a pod nim ukryta pula czołowych modeli, dobieranych automatycznie do pytania — „system multiagentowy podany jako jeden model”.
- GLM 5.2 to otwarty „koń roboczy”: milion tokenów kontekstu, możliwość uruchomienia u siebie i około jedna szósta ceny konkurencji.
- Trzy testy porównawcze z Claude’em Opusem 4.8: wywoływanie narzędzi (Outlook przez Zapier MCP), zbudowanie strony one-page oraz modyfikacja kodu autorskiego „systemu operacyjnego” dla agenta.
- W teście narzędzi Fugu wypadł najlepiej, ale GLM dwukrotnie zawiódł z wywołaniem narzędzia; przy stronie www i pracy na kodzie GLM okazał się najlepszy i najtańszy.
- Fugu spalił na jedną stronę 776 tysięcy tokenów i pracował 3,5 raza dłużej niż Opus — automatyczny routing okazał się drogi i wolny.
- Werdykt: żaden z tej dwójki nie jest dziś lepszy od Claude’a Fable 5; „królowa benchmarków” to nie to samo co sprawne narzędzie w codziennej pracy.
- Największe odkrycie odcinka: GLM 5.2 — jakość zbliżona do Opusa 4.8, a może lepsza, za ułamek ceny; najlepszy stosunek mocy do tokena.
- Przy doborze modelu do agenta liczą się cztery zmienne: wydajność, szybkość, prywatność (lokalny hosting) i koszt — zawsze jest to kompromis.
- Proponowana strategia: zamiast zewnętrznego routera sam Hermes ma kierować zadania do modeli przypisanych na stałe do typowych poleceń (debaty GLM + Opus do trudnych zadań, DeepSeek do taniej pracy masowej).
10 najważniejszych takeaways — z kontekstem zastosowania
1.„Zabójcy” z benchmarków sprawdzaj własnymi zadaniami
Na czym polega: W ciągu tygodnia dwa modele ogłoszono pogromcami Fable 5, a każdy dostawca „sam sobie wystawia oceny” z własnych testów. Zamiast rankingów Roberts przeprowadził trzy próby praktyczne: wywołanie narzędzia, jednorazową generację strony i modyfikację prawdziwego kodu.
Jak stosować: Zanim podmienisz model w swoim agencie, przepuść przez niego dwa–trzy własne, typowe polecenia (jedno z narzędziem zewnętrznym, jedno czysto generatywne, jedno na kodzie) i porównaj z obecnym silnikiem: efekt, liczbę tokenów, czas.
Na co uważać: Model może wyglądać znakomicie na papierze, a w pracy z agentem generować opóźnienia i koszty. Cudze benchmarki nie przewidzą tego za ciebie.
2.Klucz API przekazuj przez terminal, nigdy w treści rozmowy
Na czym polega: Przy każdym kluczu (Sakana, token Zapier) Roberts prosi agenta o wygenerowanie polecenia terminalowego do bezpiecznego wpisania sekretu — dzięki temu model nigdy nie „widzi” tokenu.
Jak stosować: Zamiast wklejać klucz w czacie, każ agentowi przygotować polecenie ustawiające zmienną środowiskową i uruchom je samodzielnie; tokeny narzędzi MCP wklejaj zawsze poza oknem rozmowy.
Na co uważać: Sekret wpisany w rozmowie zostaje w historii konwersacji i logach — od tamtej pory jest „w obiegu”.
3.Narzędziom nadawaj minimalne uprawnienia
Na czym polega: Podłączając Outlooka przez Zapier MCP, Roberts świadomie odbiera agentowi prawo do tworzenia i wysyłania maili — zostawia wyłącznie odczyt. Zapier MCP wybrał, bo łączy „wszystko ze wszystkim” i nie wymaga konta firmowego.
Jak stosować: Konfigurując narzędzie dla agenta, przechodź listę uprawnień i zostawiaj tylko te niezbędne do zadania: odczyt zamiast zapisu, jeden zakres zamiast wszystkich.
Na co uważać: Agent z prawem zapisu potrafi nieodwracalnie zmienić dane (wysłać maila, nadpisać plik), zanim zauważysz błąd.
4.Pierwszym sprawdzianem modelu pod agenta niech być wywoływanie narzędzi
Na czym polega: To kompetencja niedoceniana. GLM 5.2, zresztą znakomity w kodowaniu, dwukrotnie nie poradził sobie z prostym wywołaniem MCP (dopiero trzecia próba się udała); Fugu i Opus 4.8 wykonały zadanie poprawnie.
Jak stosować: Zacznij od banalnego zadania narzędziowego, np. „pobierz temat ostatniego maila”, i zobacz, czy model trafnie wywołuje narzędzie za pierwszym razem.
Na co uważać: Wysokie wyniki w kodowaniu nie przenoszą się automatycznie na niezawodność w pracy agenta.
5.Oceniaj model trzema liczbami: jakość, tokeny, czas
Na czym polega: Fugu przy jednej stronie zużył 776 tysięcy tokenów i wymagał 3,5 raza dłuższego oczekiwania niż Opus; GLM był najtańszy, równie szybki jak Opus i przy tym najlepiej wyglądał.
Jak stosować: Po każdym zadaniu zapisuj obok siebie trzy wartości: własną ocenę efektu, liczbę tokenów i czas. Dopiero cała trójka daje podstawę do decyzji.
Na co uważać: „Poprawny wynik” może kosztować więcej, niż jest wart — samo porównywanie jakości prowadzi na manowce.
6.Tani otwarty model może być codziennym silnikiem agenta
Na czym polega: GLM 5.2 (open-weight, milion tokenów kontekstu, do samodzielnego hostowania) w testach Roberts dorównał, a w estetyce i pracy na kodzie przebił Opusa 4.8 — przy jednej szóstej ceny.
Jak stosować: Drogą modelinę zostaw na zadania wymagające ciężkiej głowy, a rutynę (generowanie, proste zmiany w kodzie) deleguj na tanią; gdy liczy się prywatność, rozważ uruchomienie u siebie.
Na co uważać: Niedrogi bywa kapryśny przy narzędziach (patrz punkt 4) — przetestuj na własnych zadaniach, zanim przełączysz całą pracę.
7.Model wybieraj według czterech kryteriów naraz
Na czym polega: Liczą się wydajność, szybkość, prywatność i koszt. Przykład z filmu: MiniMax to najszybszy model, jakiego Roberts widział w Hermesie; lokalne uruchomienie daje prywatność za darmo, kosztem mocy.
Jak stosować: Przy każdym typie zadania zdecyduj, które kryterium jest priorytetem (np. szybki szkic, poufne dane, tania skala), i dopiero wtedy wybieraj silnik.
Na co uważać: Żaden model nie wygrywa wszystkich czterech wymiarów jednocześnie — chodzi o świadomy kompromis, nie o „najlepszy model świata”.
8.Zamiast zewnętrznego routera przypisz modele do typów zadań
Na czym polega: Automat Fugu okazał się wolny i drogi. Roberts woli, by to sam agent był „czarną skrzynką”: w swoich skillach ustawia model na stałe, bo 80% pracy z agentem to powtarzalne wzorce — zbadaj X, zbuduj Y, zrób Z.
Jak stosować: Wypisz swoje 5–10 najczęstszych poleceń, przypisz każdemu sprawdzony model i aktualizuj mapę po kolejnych testach.
Na co uważać: Zewnętrzny router nie zna twoich priorytetów kosztu ani prywatności — możesz przepłacać za wygodę, której nie potrzebujesz.
9.Łącz modele w układy: debaty i tania delegacja
Na czym polega: Do najtrudniejszych zadań Roberts każe GLM i Opusowi dyskutować ze sobą; do zadań masowych deleguje DeepSeek — przeciętnego, ale bardzo taniego.
Jak stosować: To samo polecenie zleć dwóm modelom (głosem lub w skillu) i każ im skonfrontować odpowiedzi przed podjęciem decyzji.
Na co uważać: Debata podwaja koszt i czas — rezerwuj ją tam, gdzie błąd kosztuje najwięcej.
10.Test porównawczy rób uczciwie
Na czym polega: Trzy modele pracowały w oddzielnych środowiskach, z osobnym kontekstem, na identycznym prompcie — a wyniki oceniano względem siebie, bo prosty prompt („zrób prostą stronę”) zaniża rezultat każdemu.
Jak stosować: Ustal stały zestaw promptów i powtarzaj go po każdej zmianie modelu lub wersji; porównuj zawodników między sobą, nie z wyobrażonym ideałem.
Na co uważać: Ocenianie modelu absolutnie na podstawie ubogiego promptu mierzy prompt, a nie model.
Redakcyjne tłumaczenie
Tydzień, w którym Fable 5 „zginął” dwa razy
W ciągu ostatnich siedmiu dni dwa modele okrzyknięto zabójcami Fable 5: Sakana Fugu i GLM 5.2. Szczerze mówiąc, samo nadążanie za tym nurtem bywa męczące — dlatego przetestowałem oba za was. Sprawdzimy, czy którykolwiek realnie pokonuje Fable 5, które modele warto dziś używać w Hermesie, no i pokażę nowy system, od którego sam od teraz startuję. Jeśli trafiasz tu pierwszy raz: jestem Jack. Zbudowałem i sprzedałem poprzedni startup z ogromną rzeszą klientów, teraz tworzę firmy oparte na AI i pokazuję to, co naprawdę działa. Łap kawę i wchodzimy.
(Informacja dodatkowa: Fable 5 to najnowszy flagowy model rodziny Claude. Hermes to autorski system agentowy Jacka Robertsa zbudowany wokół Claude Code — konsolowego narzędzia Anthropic do pracy z Claude’em.)
Nie zdążyłem skończyć testów GLM-a, a już poszła fama: „GLM to stara wiadomość, teraz jest Sakana Fugu — to właśnie on miał pogrzebać Claude’a Fable”. Robi się z tego dosłownie „Gra o tron”: nowy król co tydzień i nikt nie jest w stanie śledzić, co się dzieje. Co więc robić? Ostatnio spory rozgłos zebrały dwie nowości. Pierwsza to Sakana Fugu — inteligentny router, który sam z siebie może być ciekawy dla Hermesa: jedno API, a pod nim system po cichu zarządza całą pulą czołowych modeli. Druga to GLM 5.2 z Chin — otwarty koń roboczy, którego możesz uruchomić samodzielnie za ułamek ceny. Ludzie meldują wyniki lepsze niż Opus przy znacznie mniejszych kosztach. Zobaczymy, czy któryś z nich faktycznie wyprzedza najnowszego Fable 5 i co powinienem palić w Hermesie.
(Informacja dodatkowa: Sakana AI to japońskie laboratorium badawcze; „fugu” znaczy po japońsku rozdymkę.)
Dlaczego w ogóle warto się w to zagłębiać
Pytanie zasadne: po co mi to? Odpowiedź: jeśli choć jeden z tej dwójki faktycznie przebija Fable 5, twój Hermes może dostać najzdolniejszy mózg na planecie — i to jeszcze za mniejsze pieniądze. To warte sprawdzenia, żeby mieć pewność, że pracujemy na najlepszych silnikach, jakie są w zasięgu.
Najważniejsze, co trzeba zrozumieć o Fugu: to nie jest model. To inteligentny router. Wyobraź sobie, że rozmawiasz z Fugu przez Hermesa albo Claude Code. Pod maską siedzi wyszkolony system, który na podstawie pytania wybiera wykonawcę: to zadanie dla Geminiego, to coś dla Opusa 4.8, to dla ChatGPT, to dla MiniMaxa i tak dalej. Pod spodem kryje się ukryta pulapka… nie, ukryta pula modeli — może sięgać po nie w dowolnym momencie, a przy okazji sam zabiera głos. Jedno API, stado czołowych modeli pod spodem, a słowami Connora: „system multiagentowy podany jako jeden model”. Obietnica brzmi: ma się mierzyć z Fable 5 ramię w ramię. Zaraz to zweryfikujemy.
Na marginesie: wspaniale, że te modele przychodzą z Azji — bardzo to pomaga. A co my mamy w Europie? Znakomite butelki ze wspaniałymi nakrętkami. No, są i takie rzeczy — obyśmy się kiedyś podciągnęli. Tak czy inaczej cieszy fala pretendentów: ostatnio MiniMax, wcześniej DeepSeek, teraz Fugu. Wszystko z Azji.
Drugi bohater, GLM 5.2, słynie jako otwarty koń roboczy. Sporo osób twierdzi, że jest równie dobry jak Opus 4.8, a może i lepszy. Zaraz to sprawdzimy w Hermesie, ale smaczek polega na tym, że kosztuje jedną szóstą tej ceny. Jedna szósta za zbliżone, jeśli nie lepsze osiągi, do tego milion tokenów kontekstu. Można go odpalić w kodzie i u siebie, w agencie. Sedno: kodowanie klasy frontier za grosze.
Trzeba jednak pamiętać, że każdy tu w gruncie rzeczy sam sobie wystawia oceny. Widzicie te „orientacyjne” wyniki, którymi chwalą się twórcy. Druga oś patrzenia to cena: osiągi to jedno, ale ile za nie płacimy? Lokalnie oczywiście zero dolarów, a dalej w górę: DeepSeek, MiniMax, GLM, Opus 4.8, Fugu Ultra i GPT 5.5.
Podłączamy Sakana Fugu do Hermesa
Zaczynamy od połączenia Sakany z Hermesem. W opisie zostawiam link do dokumentu w Notion: pokazuję tam, jak łatwo podpiąć ją do Hermesa, a także do Claude Code — w zależności gdzie chcesz działać, po prostu kopiujesz, czego potrzebujesz. Zakładam więc, że to zrobiliście. Na stronie Sakany wchodzisz w „zacznij używać”, zakładasz konto i się logujesz. Zobaczysz kokpit podobny do tego z filmu; szukasz sekcji kluczy API i tworzysz prosty klucz. Teraz trzeba go przekazać Hermesowi — w rozmowie. Najbezpieczniej tak: „Hej, chcę przekazać ci klucz API do Sakany. Przygotuj mi polecenie terminalowe, żebym mógł go wpisać bezpiecznie”. Hermes takie polecenie wygeneruje. Otwierasz terminal (Command i spacja, wpisujesz „terminal”), wklejasz polecenie i na pytanie podajesz klucz. Gotowe.
Szybki sprawdzian, czy to w ogóle działa: „Hej, użyj modelu Sakana Fugu. Powiedz mi, ile liter «r» jest w słowie «strawberry», i napisz jeden akapit w duchu sióstr Brontë o tym, dlaczego LaCroix to najlepszy napój, jaki można teraz pić”.
(Informacja dodatkowa: pytanie o liczbę „r” w „strawberry” to klasyczny sprawdzian modeli językowych — przez sposób dzielenia tekstu na tokeny długo odpowiadały błędnie „dwa”. LaCroix to popularna w USA marka wody gazowanej.)
Przy okazji: co bardzo cenię w Hermesie, to możliwość podmiany modelu w locie, samym głosem. Nie muszę ręcznie szukać i przełączać; mówię: „to zleć DeepSeekowi, a to Claude’owi” — i się dzieje. Pięknie. Odpowiedź przyszła, wraz z liczbą tokenów, kosztem i czasem. „LaCroix: skromna, musująca i dziwnie subtelna” — moim zdaniem znakomity opis.
GLM 5.2 i szybki test zdrowego rozsądku
Do GLM-a 5.2 podchodzimy podobnie; w opisie jest kolejny dokument — na wypadek, gdybyś chciał klucz bezpośrednio. W praktyce, jeśli siedzisz na OpenRouterze (a bardzo to polecam), najprościej używać GLM właśnie przez niego. Bezpośredni klucz to odrobina więcej zachodu, podobnie jak podpięcie GLM do Claude Code — na to też znajdziesz poradnik w opisie. A jeśli chcesz wynieść swoje Claude Code na wyższy poziom, zostawiam link do mojego masterclassu: najobszerniejszego kursu, jaki stworzyłem — zaawansowane funkcje, systemy pamięci, aplikacje agentowe, budowanie czegokolwiek, stron i tak dalej. W pakiecie od razu dostajesz system operacyjny AI dla Hermesa i Claude’a; to według mnie naprawdę duży krok naprzód.
Sprawdzamy GLM: „Hej, chcę używać też GLM 5.2. Znowu napisz akapet à la Brontë — tym razem o tym, dlaczego MMA to jeden z najlepszych sportów na planecie — plus ile «r» jest w «strawberry». I jeszcze jedno pytanie: jadę do myjni oddalonej o 15 mil. Jechać czy iść pieszo?” To ostatnie zyskało osobny status, odkąd zadał je Andrej Karpathy. Nie wiem, czy odpowiedź została już „wszyta” we wszystkie modele, ale efekt bywał taki, że nawet sprytne silniki mówiły: „Jack, szczerze radzę iść pieszo — jazda samochodem na 50 metrów nie ma sensu”. Co na to GLM 5.2? Odpowiedź przyszła: liczbę „r” w „strawberry” wskazał poprawnie, a przy myjni zaznaczył, że kluczem jest przejazd, nie spacer. Dobry początek.
(Informacja dodatkowa: 15 mil to około 24 kilometry — spacer byłby bez sensu; na tym właśnie polega ta pułapka.)
Test 1. Wywoływanie narzędzi — niedoceniana kompetencja
Czas na właściwe porównanie: GLM 5.2, Sakana Fugu i Opus 4.8 na trzech poziomach trudności. Pierwszy poziom: wywoływanie narzędzi. Ta umiejętność jest moim zdaniem mocno niedoceniana, zwłaszcza przy agencie pokroju Hermesa. Zadanie brzmi tak: „Poproś wszystkich trzech, w oddzielnych środowiskach, z osobnym kontekstem i identycznym promptem, żeby dało się ocenić zasługi samego modelu. Pierwsze polecenie: przez Zapier MCP pobierz temat mojego ostatniego maila w Outlooku”.
Dlaczego Zapier MCP? Bo to niemal uniwersalny łącznik wszystkiego ze wszystkim. Szczególnie dobrze sprawdza się z Outlookiem: przy połączeniu bezpośrednim Outlook potrafi np. wymagać konta firmowego, a ja chcę testować na prywatnej skrzynce. Konfiguracja jest banalna: w Zapier MCP wybierasz „choose your AI agent”, zaznaczasz „other”, a potem w „add apps” wyszukujesz Outlook — i o zgrozo, się pojawia. Zaznaczasz uprawnienia i tu moja żelazna zasada: minimalne konieczne zakresy. To ważne — dzięki temu agent nie może zrobić więcej, niż powinien. Nigdy nie daję możliwości tworzenia czy wysyłania maili. Łączysz konto przyciskiem „connect”, klikasz wygenerowanie tokenu, kopiujesz go i przekazujesz Hermesowi — znowu najlepiej przez terminal, żeby token nigdy nie wpadł mu w ręce.
(Informacja dodatkowa: MCP (Model Context Protocol) to otwarty standard podłączania zewnętrznych narzędzi i danych do modeli językowych; Zapier to popularna platforma automatyzacji.)
Po pierwszym teście wyniki były naprawdę ciekawe, nieoczywiste. Fugu wygrał: zrobił zadanie poprawnie i — co zabawne — najmniejszym kosztem tokenów spośród całej trójki, mniejszym niż Claude 4.8. A zawiódł… GLM 5.2. W skrócie: Sakana poprawnie przy około 230 tysiącach tokenów; Opus 4.8 też dobrze, ale z jakimiś 60 procent więcej; GLM nie dał rady — dopiero trzecia próba zakończyła się sukcesem. Chyba naprawdę można było próbować dalej, ale zależało mi na tym, żeby model poprawnie wywoływał narzędzia. Siłą GLM-a jest chyba kodowanie i okolice, więc to, że nie zdołał poprawnie wykonać wywołania, mówi sporo o jego niezawodności. Czasy odpowiedzi ułożyły się tak: jakieś 154 sekundy, 82 sekundy dla Claude’a i tylko 43 dla GLM-a — gdyby nie potknięcie, to właśnie GLM byłby najszybszy.
Test 2. Jedna strona o wodzie gazowanej
Drugi sprawdzian: zbudowanie strony za jednym podejściem (tzw. one-shot, bez iteracji). Polecenie: „Stwórz bardzo prostą, piękną i wizualnie atrakcyjną stronę one-page o trzech sekcjach — żeby nie była gigantyczna. Temat: woda gazowana. Pełna swoboda twórcza. Chcę trzy linki na moim localhoście, po jednym na model. Będę oceniać urodę; każda niedokładność to punkty ujemne. To firma produkująca wodę gazowaną — zróbcie to epicko”.
Przy okazji, bo wielu z was pyta: do dyktowania używam naszego narzędzia do zamiany mowy na tekst, które właśnie oficjalnie weszło na Windowsa — link w opisie.
Strony gotowe, więc najpierw oko, potem dane. Pierwsza, od Fugu: „Świat zasługuje na lepszy bąbel”. Nie najgorzej. Trzeba pamiętać, że pod maską Fugu mógł po prostu odpalić Opusa 4.8 — ale liczy się efekt końcowy. Trochę za dużo elementów, które dominują; treść podjeżdża pod spód; kierunkowo poprawnie, ale jakoś bokiem. Na poziomie jednego strzału zdecydowanie nie tak dobrze jak Fable 5. Nagłówek „Luksus audytowany przez maleńkie bąbelki” — no, jest inne. Brakuje tego klasycznego claudowego sznytu, tego „zrobił mnie Claude”. Są ciekawe pomysły, hover działa. Fugu: w porządku.
Kolejna strona, od Opusa 4.8: „Sparkling Awards”. Szczerze? Niewiele. Jakiś efekt jest, ale znowu — kierunkowo tak sobie. „Definitywny ranking lęków”… Nie powaliła mnie żadna z tych stron, mówię wam. „Żadna butelka nie opuści panelu bez zasłużonych bąbelków” — bardzo podstawowe jak na jeden strzał.
Na koniec GLM 5.2: unoszące się bąbelki — moim zdaniem najlepszy z dotychczasowych, choć sekcja z „tegorocznymi nominacjami” wypada słabo. Nie jestem wielkim fanem żadnej z tej trójki.
Proszę jeszcze o dodanie formularza kontaktowego. A tymczasem liczby: Fugu Ultra spalił 776 tysięcy tokenów — to absurd jak na ten efekt — a czas oczekiwania był 3,5 raza dłuższy niż przy Opusie 4.8, czyli przy produkcie, który w pierwszym podejściu był może odrobinę lepszy. Do tego piętnaście wywołań API, wszystkie mniej więcej tej samej wielkości. Najszybsi okazaли się GLM i Opus 4.8 — praktycznie łeb w łeb, co mnie zaciekawiło. Ale największym zaskoczeniem jest sama masa tokenów, którą Fugu pochłonął.
Ważne zastrzeżenie: jakość stron jest niższa niż zwykle, bo tak sformułowałem polecenie w Hermesie — po prostu „zrób prostą stronę”, bez żadnych fajerwerków ani specjalnych narzędzi. Musiało wyjść skromnie. Oceniajcie je więc względem siebie, a nie same w sobie.
Po dorzuceniu formularza: Fugu jakoś dziwnie nie trafia wysokością — normalnie wszystko mieści się w jednym oknie, w jednej pozycji, a tu ledwo czytelne. To nie jest dobry przykład, nie zachwyca. Opus 4.8: rozmiary kosmiczne, szerokość bez sensu. I pamiętajmy — bez skillów webowych. A GLM? Biorąc pod uwagę, co im dałem, najlepszy z całej trójki. GLM wygrywa ten test — także na liczbach, bo zużył zdecydowanie najmniej tokenów. W tym starciu GLM 5.2 po prostu ogrywa Opusa 4.8 w estetyce pierwszego podejścia.
Test 3. Najtrudniejsze: grzebanie w kodzie całego systemu
Trzeci test jest chyba najcięższy: daję modelom kod mojego „systemu operacyjnego” dla agentów — tego z Hermesa i Claude Code. W poprzednim odcinku dodałem tam możliwość rozmów głosowych z Hermesem. Pokażę, o co chodzi: włączam czat i pytam.
— Z kim właściwie rozmawiam? — Z głosowym asystentem Hermesa. — Świetnie, a ile to jest dziesięć plus dziesięć? — Proste: dwadzieścia.
Poza tym mam graf wiedzy, który pomaga mi ogarniać, co siedzi w poszczególnych repozytoriach — wraz ze sporo rzeczy z mojej pamięci w Obsidianie. Wybieram więc losową sekcję; niech będzie to pamięć. Polecenie dla Hermesa: „Zadaj trzem modelom wyzwanie: popraw zakładkę pamięci jednym sposobem — jakkolwiek, byle pamiętano o użytkowniku. Niech skorzystają z Graphify, żeby szybko i łatwo zrozumieć strukturę kodu, a potem niech zbudują i krótko wyjaśnią, co zrobili. Ja otworzę wyniki na localhoście, osobno od mojego prawdziwego kodu, żeby ocenić je niezależnie”.
Wszystkie trzy dokończyły. Opus w jakieś 3 minuty, GLM w 6–7, a Fugu w 13–14 — to już szaleństwo. Zależało mi na świadomie otwartym wyzwaniu: „nauczcie się kodu i coś dorzućcie”. I co? GLM, moim zdaniem, wyszedł z tego najlepiej z całej trójki: pasek „zdrowia pamięci” z ładnym gradientem od zieleni do żółci. Fajna rzecz, można by się nią pobawić — przyzwoita. Opus 4.8 dorzucił filtr ostatniej aktywności — no, może się przydać do przeszukiwania. A Fugu zrobił dosłownie to samo, co Opus — tylko w dwukrotnie dłuższym czasie. A wracając do samego systemu: z Graphify bardzo szybko widać, jak te elementy się łączą, i przy okazji oszczędza się tokeny.
Werdykt: nikt tu nie zabił Fable
Kiedy patrzysz, co Fugu naprawdę robi pod spodem, to nie jest zabójca Fable. Te modele nie są dziś lepsze od Claude’a Fable — sprawdziłem to na własnych zadaniach. Natomiast GLM okazał się zaskakująco mocny, i zaraz do tego wrócę. Fugu w praktyce po prostu przekierowuje zadania do różnych modeli. W założeniu samo w sobie świetne — ale doszło tyle opóźnień, że praca trwała często dwukrotnie dłużej niż na Opusie, a GLM był jeszcze szybszy. To bardzo mnie zaintrygowało.
Cztery zmienne, które się liczą
Przy doborze modeli do Hermesa liczą się cztery rzeczy. Po pierwsze wydajność: jak to w ogóle działa. Po drugie szybkość: wiemy już, że MiniMax to najszybszy silnik, jakiego widziałem w Hermesie. Po trzecie prywatność: własny MacBook, laptop z Windows albo serwer wirtualny. Po czwarte koszt. Wszystko sprowadza się do targowania się między tymi czterema wartościami.
Nowy plan: sam Hermes jako czarna skrzynka
Mając to w głowie, oto strategia, od której ruszam: to sam Hermes ma być czarną skrzynką, która kieruje pytania do optymalnego modelu. W moim użyciu Fugu niczego takiego nie dostarczył. Nie chcemy przecież „królowej benchmarków”, która wygląda świetnie na papierze — chcemy narzędzia sprawdzonego w prawdziwym życiu. W praktyce wygląda to tak: proszę Hermesa o przekierowanie do różnych modeli w trakcie rozmowy albo wchodzę do swojego panteonu. W Hermesie można obejrzeć swoje skille i przy każdym z nich przypisać konkretny model. Wchodzę na przykład w „Alchemika”: widzę zadanie, opis, prompt systemowy — i mogę wskazać, który silnik ma to wykonać. Mogę to robić doraźnie, w rozmowie, albo raz na zawsze w skillu, z którego często korzystam. Wtedy Hermes dokładnie wie, który model do czego odpalić.
Przejrzyjcie, co sami robicie z agentem: 80 procent tych czynności zamyka się w serii powtarzalnych poleceń — zbadaj X, zbuduj Y, zrób Z. Znacznie lepiej sprawdzić, które modele ogrywają te wzorce, i dać Hermesowi elastyczność: przypisać zadania silnikom, które do nich zostały stworzone — bez czekania dwa razy dłużej i bez przepłacania. Przykładowo do zadań wymagających ciężkiej głowy można wprowadzić GLM i Opusa 4.8 i kazać im się naradzać, dyskutować nad tematem. Do pracy masowej — DeepSeek: wydajność taka sobie, ale bardzo tani. A prawdziwą rewelacją całego zestawienia okazał się GLM 5.2. Nawet gdyby przyjąć, że Opus 4.8 był lepszy — a w moich testach nie było to wcale oczywiste — to GLM 5.2 jest zaskakująco dobry i kosztuje jedną szóstą ceny. Pod względem mocy na wyłożony token to dziś naprawdę mocna pozycja.
Mieć najlepsze modele pod maską Hermesa to jedno. Ale jeśli nie rozumiesz poszczególnych poziomów agenta, nie wyciśniesz z niego wszystkiego — dlatego następnym razem przejdziemy przez każdy poziom Hermes Agent.