Hermes 3 8B (llama.cpp, Q6_K_L)
Hermes 3 8B ist ein lokales GGUF-Finetuning von Nous Research auf Basis von Llama 3.1 8B. Die Variante ist auf Instruction-Following, Tool Use und kreative oder ambivalente Anfragen ausgelegt und läuft hier als Q6_K_L-GGUF über llama.cpp. Die bewusst reduzierte Ablehnungsrate ist ein zentrales Merkmal der Distribution.
- Restricted Weights
- Edge
- LCL
- Instruct
- Uncensored-Finetuned
- Real-Time
Sovereign Risk: MEDIUM NousResearch ist ein US-amerikanisches Unternehmen; CLOUD Act ist nur bei API-Nutzung relevant, nicht bei lokaler Ausführung der Open-Weights-Variante.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Bronze
- 59.21
- Routine
- 37.75
- Reasoning
- 21.46
- LLM Judge Avg
- 2.78 / 5
- 100% Coverage
- Avg Task Duration
- 12.93s
- Real-Time
- Token Rate
- 47.99tok/s
- Output Rate
- P95 Latency
- 28.73s
- Top 5 %
- Total Tokens
- 38.1K
- Output Volume
- Cost per 1K
- $0
- USD / 1K Requests
- Benchmark Cost
- $0
- Total · 38.1K tok
Benchmark-Module
7 Module · gewichtet · vs. Modellmedian & Spitzenreiter
Hermes 3 8B (llama.cpp, Q6_K_L)
Bestes Modell
Ø Alle Modelle
Code Quality
56.7
CLI Benchmark
80.56
Logical Reasoning
48.82
UX Writing
59.15
Documentation
48.06
Content Transform.
64.24
Cultural Intelligence
67.6
Benchmark Cost
$0
Token-Effizienz & Latenz
Verbrauch pro Modul vs. Modellmedian
Token-Verbrauch pro Modul
Performance-Profil
Schlüsselmetriken – Legende
Score
- Total Score
- Gesamtpunktzahl aus Routine- und Reasoning-Score. Basis für den Flotten-Rang und die Tier-Zuordnung (Gold / Silver / Bronze).
- Routine
- Punktzahl für Standardaufgaben: Code-Generierung, Texttransformation, strukturierte Ausgaben. Gewichtet nach Aufgabenkomplexität.
- Reasoning
- Punktzahl für analytische und logische Aufgaben: mehrstufige Problemlösung, mathematisches Schlussfolgern, strukturierte Argumentationen.
- Rang
- Position im Flottenvergleich, sortiert nach Total Score. Bezieht sich auf den Snapshot zum Zeitpunkt des Tests.
LLM Judge
- LLM Judge Ø
- Durchschnittliche Qualitätsbewertung durch ein unabhängiges Richter-Modell auf einer Skala von 1–5.
- Coverage
- Anteil der Aufgaben, für die eine Judge-Bewertung vorliegt. 100 % bedeutet, alle Antworten wurden bewertet.
Latenz & Geschwindigkeit
- Avg. Task Duration
- Durchschnittliche Zeit pro Aufgabe vom ersten bis zum letzten Token der Antwort, gemessen über alle Benchmark-Aufgaben.
- Token Rate
- Ausgabe-Geschwindigkeit in Tokens pro Sekunde. Relevant für interaktive Anwendungen und Echtzeit-Streaming.
- P95 Latency
- 95. Perzentil der Antwortzeiten – zeigt Ausreißer. Niedrigere Werte bedeuten weniger lange Wartezeiten in Ausnahmefällen.
Kosten
- Cost per 1K
- API-Preis pro 1.000 Output-Tokens in US-Dollar. Basis für Kostenkalkulation bei produktivem Einsatz.
- Benchmark Cost
- Gesamtkosten für den vollständigen Benchmark-Durchlauf dieses Modells.