Hermes 4 14B (llama.cpp, Q6_K, Abliterated)
Hermes 4 14B Abliterated ist eine lokal verteilte Open-Weights-Variante mit bewusst entfernten Sicherheitsmechanismen. Die Distribution zielt auf maximale Offenheit und Hilfsbereitschaft und nutzt eine kompakte 14B-Basis, die für strukturierte Aufgaben und kreative Anfragen geeignet ist.
- Open Weights
- Desktop
- LCL
- Instruct
- Thinking-Optional
- Uncensored-Finetuned
- Batch
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 Silver
- 68.25
- Routine
- 41.9
- Reasoning
- 26.34
- LLM Judge Avg
- 3.27 / 5
- 100% Coverage
- Avg Task Duration
- 65.89s
- Batch
- Token Rate
- 25.62tok/s
- Output Rate
- P95 Latency
- 303.23s
- Top 5 %
- Total Tokens
- 54.5K
- Output Volume
- Cost per 1K
- $0
- USD / 1K Requests
- Benchmark Cost
- $0
- Total · 54.5K tok
Benchmark-Module
7 Module · gewichtet · vs. Modellmedian & Spitzenreiter
Hermes 4 14B (llama.cpp, Q6_K, Abliterated)
Bestes Modell
Ø Alle Modelle
Code Quality
62.9
CLI Benchmark
85.56
Logical Reasoning
64.55
UX Writing
61.55
Documentation
65.94
Content Transform.
74.43
Cultural Intelligence
71
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.