HermesAgent
GitHub ↗

Hermes Agent 建議配備：我的電腦跑得動嗎？

📅 2026年7月28日 適用版本 >=2026.5 ✅ 最後驗證 2026年7月28日 ✍️ HermesAgent.download Contributors

先看你要哪一種用法，建議配備差三倍。

  • 雲端 API 模式：Hermes 去用別人家的 AI，你這台只送問題收答案。多數人用這個，幾乎不吃資源。
  • 本機模型模式：AI 整包裝在你的硬碟裡跑，不用付使用費，但要一台夠力的電腦。

一、雲端 API 模式（多數人）

項目建議配備最低配備
處理器 (CPU)4 核心以上2 核心，近十年的電腦都符合
記憶體 (RAM)16 GB8 GB
儲存空間預留 30 GB預留 15 GB
顯示卡 (GPU)非必須非必須

兩欄都是實際用得順的配備。 最低欄不是「勉強開得起來」，是「照這樣配，正常用不會卡」。

顯示卡在這個模式非必須：模型的運算發生在雲端，所以一般內顯的機器也跑得順。顯示卡真正發揮作用的是下一段的本機模型模式，你如果本來就有一張，那條路會直接為你打開。

為什麼建議 16 GB：Hermes 本身很輕（實測閒置時佔 84 MB），但你不會只開它。同時開著瀏覽器、編輯器、幾個專案的話，8 GB 撐得住但切換會頓。這一欄是本站的判斷，官方沒有公布這條路線的硬體需求。

儲存空間會長大：程式本體約 2.8 GB，聊天紀錄與快取會持續累積，用一陣子後整包約 7.4 GB。15 GB 是短期夠用，30 GB 是不用一直清。

二、本機模型模式（在自己電腦跑 AI）

這張表的兩欄都是用得下去的配備，不是「開得起來」的配備。

項目建議配備最低配備
處理器 (CPU)8 核心以上14 核心（有顯示卡的話夠用）1
記憶體 (RAM)32 GB116 GB
儲存空間30 GB 以上20 GB
顯示卡 (GPU)顯示記憶體 24 GB（見下方選購表）顯示記憶體 12 GB，或 Apple M 系列統一記憶體 16 GB

這張表的顯示卡與記憶體數字是本站訂的，不是官方數字。 官方寫顯示卡「不需要」、記憶體最低 8 GB1。那是跑得起來的門檻，不是用得下去的門檻：純處理器跑大模型每次回答要等 30 到 120 秒1，8 GB 記憶體只塞得下 3B 級小模型，而官方自己也說這個級距的模型常常無視工具呼叫指令、不會動手做事1。既然這頁的用途是幫你決定要準備什麼設備，只寫「非必須」對你沒有幫助，所以我們把最低欄拉到實際還能用的那條線。

儲存空間同理：官方寫 5 GB1，但那只算 Hermes 本身。加上一個 9B 級量化模型約 5.3 GB、聊天紀錄與快取，20 GB 才是實際的下限；要放 31B 級模型（約 18 GB）就得 30 GB 起跳。

還有一條硬性要求：模型的 context 必須 64K 以上，不夠的會在啟動時被 Hermes 直接擋下來2。本機的執行工具常常預設低於這個值，要自己去設定1。

顯示卡怎麼挑

官方沒有推薦特定型號。 以下是依「顯示記憶體要裝得下模型」推算的，各卡容量取自 NVIDIA 官方規格比較頁。

決定你跑不跑得動的是顯示記憶體（VRAM）的 GB 數，不是型號數字大小或跑分。模型塞不進顯示記憶體就會掉到系統記憶體去算，速度直接崩掉。

顯示記憶體跑得動什麼新品可買二手
8 GB只有最小的模型，多半不會動手做事RTX 5060／5050不建議
12 GB9B 級模型 + 64K context，堪用起點RTX 5070-
16 GB9B 級開到 128K contextRTX 5070 Ti／5080-
24 GB官方推薦的 31B 級模型截至 2026 年 7 月，消費級新品沒有這個容量RTX 3090／4090
32 GB31B 級開長 contextRTX 5090-

一句話結論：

  • 只想試試看 → 12 GB 就夠
  • 要完整體驗（跑得動會動手做事的模型）→ 24 GB 起跳。截至 2026 年 7 月，新品只有 RTX 5090（32 GB）；預算有限找二手 RTX 3090（24 GB）
  • 8 GB 這一級要有心理準備。跑得起來，但受限於容量只放得下不會動手做事的小模型，想用完整功能建議往 12 GB 以上看

Mac 不用挑顯卡：M 系列是統一記憶體，買多少記憶體就等於多少顯示記憶體。16 GB 跑中型模型，32 GB 以上才跑得動大模型3。Mac 也沒有「不用顯示卡」這個選項，M 系列晶片的繪圖單元本來就在幫你算。

  • 模型的 context 必須有 64K 以上：這是 Hermes 的硬性要求，不夠的模型會在啟動時被直接擋下來2。這條會反過來吃記憶體，context 開越長吃越多。

三、作業系統

  • macOS：只支援 Apple M 系列（M1、M2、M3 等）。Intel 處理器機型一律不支援，不分購買年份4。
  • Windows：10 或 11，可以直接裝，不需要系統管理員權限。也可以改用 WSL24。
  • Linux：主流發行版（Ubuntu、Debian 等）。官方主要測 Ubuntu 最新版4。
  • 不支援：Intel Mac，以及用 pip／brew／AUR 安裝4。

四、必要執行環境

  • Python：不用自己裝，官方安裝程式會處理。它要的是 3.11 到 3.13，不能是 3.145。
  • Node.js：不用自己裝，安裝程式會裝 v226。
  • 要自己先準備的：
    • macOS：git。macOS 出廠其實沒裝，第一次執行 git 會跳出視窗要你安裝命令列工具，照著裝即可
    • Linux：git、curl、xz-utils；要裝桌面版再加 build-essential
    • Windows：什麼都不用，貼一行指令就好

整包複製給別人

要轉貼給學員、同事或社群的，下面這段可以整段複製，內容與這頁一致。

【Hermes Agent 建議配備】

先確認你要哪一種用法。多數人是雲端模式，顯示卡非必須。

(1) 雲端 API 模式（多數人）
- 處理器：4 核心以上（最低 2 核心，近十年的電腦都符合）
- 記憶體：16 GB（最低 8 GB）
- 儲存空間：預留 30 GB（最低 15 GB）
- 顯示卡：非必須。運算在雲端，內顯機器也跑得順
  （顯示卡真正發揮作用的是下面的本機模型模式）

(2) 本機模型模式（在自己電腦跑 AI，進階選項）
- 處理器：8 核心以上
- 記憶體：32 GB（最低 16 GB）
- 儲存空間：30 GB（最低 20 GB）
- 顯示卡：顯示記憶體 24 GB（最低 12 GB），
  或 Apple M 系列統一記憶體 16 GB 以上
- 模型的 context 必須 64K 以上。這是硬性要求，不夠會在啟動時被擋下來

(3) 作業系統
- macOS：只支援 Apple M 系列晶片。Intel 機型一律不支援，不分購買年份
  （Intel 機型一路賣到 2023 年，請看「關於這台 Mac」的晶片欄，
  　不要用購買年份判斷）
- Windows：10 或 11，可以直接安裝，不需要 WSL2
- Linux：Ubuntu、Debian 等主流發行版

(4) 必要執行環境
- Python：不用自己裝，安裝程式會處理。它要 3.11 到 3.13，不能是 3.14
- Node.js：不用自己裝，安裝程式會裝 v22
- 要自己先準備的：macOS 與 Linux 需要 git；Linux 另需 curl 與 xz-utils；
  Windows 什麼都不用

【數字怎麼來的】
官方文件沒有完整公布硬體需求。本機模型的「最低」是本站訂的實際可用門檻，
官方原文只寫「顯示卡不需要、記憶體 8 GB」，那是開得起來的門檻，
不是用得下去的門檻。雲端模式的記憶體與硬碟佔用為本站實測，
會因每個人使用習慣而不同，都只是參考數字。

完整說明：https://www.hermesagent.download/install/system-requirements/

一分鐘自我檢查

Mac 使用者先確認機型。開「終端機」App（在「應用程式」→「工具程式」裡），貼上：

uname -m

預期輸出：arm64 就可以裝；x86_64 是 Intel 機型，不支援。

看記憶體與核心數：

sysctl -n hw.memsize | awk '{printf "%d GB\n", $1/1024/1024/1024}'
sysctl -n hw.ncpu

預期輸出：兩行數字，例如 8 GB 和 8。

Linux 使用者：

free -g | awk '/Mem:/ {print $2 " GB"}'
nproc

預期輸出：兩行數字，例如 15 GB 和 8。沒有 free 指令就改用 cat /proc/meminfo | head -1。

所有人確認硬碟空間：

df -h ~

預期輸出：一張表格，看 Avail 那一欄，至少 15 GB。

Windows 使用者不用跑指令。記憶體按 Ctrl + Shift + Esc 開工作管理員看「效能」；硬碟開「本機」看 C 槽。

三個會讓你白忙的誤判

  1. 「我的 Mac 規格很好，應該可以裝」：只要是 Intel 機型就不行，跟規格無關。
  2. 「8 GB 就能在自己電腦跑 AI」：官方數字是這樣沒錯，但那個級距只塞得下 3B 小模型，要手動把 context 壓到 64K 下限，而且官方自己說這種小模型常常不會動手做事，只能聊天。實際要用，16 GB 起。
  3. 「要先裝好 Python」：不用，自己裝反而容易踩到 3.14 裝不起來的坑。

配備符合就可以往下走：macOS、Windows、Linux、WSL2。

常見問題

為什麼 Intel Mac 不能裝？

蘋果從 2020 年底開始把 Mac 裡面的處理器從 Intel 換成自己設計的晶片，型號從 M1 開始往上排。Hermes Agent 只支援換過之後的機型4。

不要用購買年份判斷。 這場更換不是一天換完的，Intel 機型還繼續賣了好幾年（例如 27 吋 iMac 賣到 2021 年、Mac Pro 賣到 2023 年）。所以 2021 年買的 Mac 也可能是 Intel。唯一可靠的判斷是直接看晶片欄。

這跟記憶體多大、硬碟多空完全無關。很多人是裝到一半才發現的。

怎麼確認：點左上角蘋果圖示 →「關於這台 Mac」→ 看「晶片」那一欄。寫 Apple M 開頭就可以裝，寫 Intel 就不行。

在自己電腦跑 AI，要選哪一個模型？記憶體要多少？

本機跑 AI 有兩條路，記憶體門檻差一倍以上。先看你要哪一條，再決定要不要加記憶體。

共同的硬性條件：模型的 context 至少 64K。低於這個數字的模型會在啟動時被 Hermes 直接拒絕2。本機模型的執行工具經常預設低於 64K，要自己去設定1。

路線一：用 Ollama（Windows、Linux、Mac 都可以）

裝起來最簡單。官方列出的模型對照表1：

模型名稱要多少硬碟要多少記憶體會不會動手做事適合
gemma4:31b約 20 GB24 GB 以上會品質最好
gemma2:27b約 16 GB20 GB 以上不會只能聊天
gemma2:9b約 5 GB8 GB 以上不會快速問答
llama3.2:3b約 2 GB4 GB 以上不會輕量問答

「會不會動手做事」這一欄是關鍵。Hermes 的價值在於它會實際改檔案、跑指令、開網頁查資料，這需要模型具備「工具呼叫（tool calling）」的能力。不具備的模型裝起來會動，但只能跟你聊天1。

這張表上只有 gemma4:31b 會動手做事，所以走這條路的實際門檻是 24 GB。完整模型清單見 Ollama 模型庫。

路線二：Mac 用 llama.cpp 或 MLX

這條路的記憶體門檻低很多。 官方另有一份 Mac 專屬指南，建議的起步模型是 Qwen3.5-9B3：

版本硬碟128K context 需要的記憶體
Qwen3.5-9B-Q4_K_M（llama.cpp）5.3 GB約 10 GB（要開量化 KV cache）
Qwen3.5-9B-mlx-lm-mxfp4（MLX）約 5 GB約 12 GB

官方的記憶體換算法則：模型本身 + KV cache。9B 的 Q4 模型約 5 GB，128K context 的 KV cache 用 Q4 量化再加 4 到 5 GB；如果不開量化，同樣的 context 會膨脹到 16 GB3。

  • 8 GB Mac：要開量化 KV cache，而且要換比 9B 更小的模型才塞得進 Hermes 的 64K 下限3。算一下就知道 9B 不行：模型 5.3 GB 加 64K 量化 KV cache 約 2 GB 就 7.3 GB，再扣掉 macOS 本身根本不夠
  • 16 GB Mac：可以舒服地跑 9B、128K context
  • 32 GB 以上：才跑得動 27B、35B

而且這條路的工具呼叫不像 Ollama 那張表被鎖死在 31B。llama.cpp 加上 --jinja 之後，Llama 3.x、Qwen 2.5（含 Coder）、Hermes 2/3、Mistral、DeepSeek、Functionary 這幾個家族原生支援工具呼叫，其他模型走通用處理器也能用，只是效率差一點7。

注意這講的是模型家族不是大小。官方另外警告 3B、7B 這類小模型常常無視工具呼叫指令，直接吐純文字而不是結構化的呼叫1。所以「不被鎖死在 31B」不等於「多小都行」。

所以「本機模型要 24 GB」只對 Ollama + Gemma 那條路成立。 Mac 使用者走 llama.cpp 或 MLX，16 GB 就相當堪用。

沒有顯示卡的速度

速度數字是官方數據1；「token 約等於一個中文字」是本站為了好懂做的粗估換算。

情況速度
中型模型 + 8 核心處理器每秒約 10 個字
大型模型 + 沒有顯示卡每秒約 2 到 5 個字，每次回答等 30 到 120 秒

純處理器跑的話可能要把等待上限調長，否則系統會以為當掉而中斷。多數情況不用手動設：官方說 Hermes 會自動偵測本機端點（localhost、區網 IP）並放寬串流逾時3。真的還是逾時再設，這是設定檔內容，不是指令：

# ~/.hermes/.env
HERMES_API_TIMEOUT=1800   # 30 分鐘

預期結果：存檔後下次啟動生效，大模型不會再答到一半被判逾時。真正管串流的變數是 HERMES_STREAM_READ_TIMEOUT3，先試自動偵測，不夠再動它。

官方說的支援分級是什麼意思？

官方在平台支援頁把系統分成三級，決定的是「出問題時官方修不修」4。

  • 全力支援：出問題當第一順位處理。macOS（M 系列）、Windows 10／11、Linux、WSL2、Docker。
  • 盡量支援：會維護但優先度低，可能說壞就壞。Android 手機（透過 Termux）、Nix。
  • 明說不支援：不接受相關修復請求。Intel Mac，以及 pip install、uv tool install、brew install、AUR 這幾種安裝管道。

Android 手機另有明確限制8：不能用 Docker、語音轉文字跑不起來、安裝程式會跳過瀏覽器自動化的設定。手機適合當遠端遙控與聊天機器人的那一端，不適合當主力工作機。

Windows 直接裝跟用 WSL2 有什麼差別？

官方在 Windows 原生指南的說法是：除了儀表板裡那個內嵌的終端機分頁之外，其他全部都能在 Windows 上直接跑9。

功能Windows 直接跑裝了 WSL2
命令列與對話介面可以可以
接 Telegram、Discord、Slack 等聊天軟體可以可以
排程，讓它定時自動做事可以可以
讓它自己開瀏覽器可以可以
在自己電腦跑 AI 模型可以可以
網頁儀表板可以可以
儀表板裡的內嵌終端機不行可以
開機自動啟動可以可以

只有那一個分頁不能用，而且它只是方便功能。想要百分之百完整就多裝一層 WSL2。

安裝程式會自動裝什麼？為什麼 Python 3.14 會失敗？

官方安裝程式會自動裝好這些6：

它會裝的那是什麼
Python 3.11Hermes 主程式用的程式語言
uv管理 Python 套件的工具
Node.js v22讓它自己開瀏覽器、接 WhatsApp 時需要
ripgrep在檔案裡快速搜尋文字的工具
ffmpeg處理語音與影片的工具

Linux 使用者的前置套件可以一次補齊：

sudo apt install git curl xz-utils build-essential

預期輸出：一串安裝進度，最後回到可以打字的狀態，沒有 E: 開頭的紅字。顯示 already the newest version 代表早就裝好了，也是正常的。

Python 3.14 為什麼不行：Hermes 用到的一些底層零件還沒推出對應 3.14 的現成版本，安裝程式會試著當場編譯然後失敗5。如果你的系統預設 Python 已經是 3.14，不要自己想辦法降版，那會弄壞其他依賴 Python 的東西。讓官方安裝程式管理它自己的版本就好，它裝在獨立的地方，不影響你原本的 Python。這也是官方不建議用 pip 安裝的原因。

裝完之後可以跑官方的自我檢查指令：

hermes doctor

預期輸出：一份逐項檢查清單，正常時每項都顯示通過，最後印出偵測到的安裝方式。有紅字就照它的提示處理。

這頁的數字哪些是官方的、哪些是你們自己測的？

官方文件並沒有完整寫過「要什麼硬體」這件事。

這頁的內容來源
作業系統支援、執行環境、64K context 下限、純處理器速度、功能差異官方文件
本機模型的「最低配備」欄與顯示卡選購建議本站推算，僅供參考（官方只寫「顯示卡不需要、記憶體 8 GB」，見上方說明）
雲端模式的記憶體佔用、硬碟佔用本站實測，僅供參考

實測數字（MacBook Air M1，8 GB 記憶體，8 核心，macOS 15，Hermes v0.17.0，單一對話、沒開額外功能）：

狀態佔用記憶體
開著但沒在做事84 MB
剛建立一個對話166 MB（尖峰）
問完一個問題、拿到答案100 MB
結束後過五秒40 MB
硬碟項目實際大小
程式本體2.8 GB
用一陣子之後的完整資料夾（含聊天紀錄與快取）7.4 GB

為什麼只能當參考：你的數字幾乎一定跟我們不同，因為這些都會改變結果，有沒有開瀏覽器功能（開了會多吃幾百 MB）、接了幾個聊天軟體、同時開幾個對話、對話累積多久、裝了哪些額外功能。

請用「量級」判斷，不要拿單一數字當規格：Hermes 本身是幾百 MB 的量級，不是幾個 GB。把它當成多開一個瀏覽器分頁，不是多開一台虛擬電腦。 硬碟那個 7.4 GB 尤其不能照抄，聊天紀錄會一直累積，用三個月和用三年差距很大。

如果你量出來的數字跟我們差很多，歡迎開一個 issue 告訴我們，我們會把更多機型的實測補進來。

下一步

Footnotes

  1. Nous Research, Run Hermes Locally with Ollama：https://hermes-agent.nousresearch.com/docs/guides/local-ollama-setup （2026-07-28 存取） ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8 ↩9 ↩10 ↩11 ↩12 ↩13

  2. Nous Research, Quickstart，「Minimum context: 64K tokens」caution 段：https://hermes-agent.nousresearch.com/docs/getting-started/quickstart （2026-07-28 存取） ↩ ↩2 ↩3

  3. Nous Research, Local LLM on Mac（llama.cpp / MLX，含 Qwen3.5-9B 記憶體換算）：https://hermes-agent.nousresearch.com/docs/guides/local-llm-on-mac （2026-07-28 存取） ↩ ↩2 ↩3 ↩4 ↩5 ↩6

  4. Nous Research, Platform Support：https://hermes-agent.nousresearch.com/docs/getting-started/platform-support （2026-07-28 存取） ↩ ↩2 ↩3 ↩4 ↩5 ↩6

  5. hermes-agent pyproject.toml，requires-python = ">=3.11,<3.14" 與其上方註解：https://github.com/NousResearch/hermes-agent/blob/main/pyproject.toml （2026-07-28 存取） ↩ ↩2

  6. Nous Research, Installation，Prerequisites 段：https://hermes-agent.nousresearch.com/docs/getting-started/installation （2026-07-28 存取）。記憶體與硬碟佔用為本站實測，官方文件無此資料。 ↩ ↩2

  7. Nous Research, AI Providers，llama.cpp --jinja 與原生工具呼叫模型清單：https://hermes-agent.nousresearch.com/docs/integrations/providers （2026-07-28 存取） ↩

  8. Nous Research, Termux，Known limitations on phones 段：https://hermes-agent.nousresearch.com/docs/getting-started/termux （2026-07-28 存取） ↩

  9. Nous Research, Windows (Native) Guide，Feature matrix 段：https://hermes-agent.nousresearch.com/docs/user-guide/windows-native （2026-07-28 存取） ↩

官方來源