Reunimos los resultados de ocho experimentos con Hermes Agent: investigación web, análisis de PDF, comparación de modelos, memoria, instrucciones engañosas, creación de archivos y datos incompletos. Explicamos qué comprobamos, qué limitaciones encontramos y qué no medimos.

Probamos Hermes Agent ante errores y datos incompletos en un informe ficticio. Revisamos cómo responde a fechas contradictorias, información ausente y un archivo no encontrado, comprobando sus aclaraciones y las llamadas a herramientas en el JSON.

Probamos cómo crear archivos con Hermes Agent a partir de un documento ficticio. Revisamos un CSV con seis tareas, responsables y fechas, comprobamos su creación y lectura en el JSON y documentamos los ajustes necesarios para importarlo en Excel.

Evaluamos la fiabilidad de modelos IA con Hermes Agent mediante tres ejecuciones de Sol y tres de Luna, con el mismo PDF y petición. Revisamos respuestas, cálculos, tiempos, tokens y herramientas, documentando las diferencias y los límites de la comparación.

Probamos cómo responde Hermes Agent ante una instrucción engañosa incluida en un documento ficticio. Comparamos una prueba de control con otra que intenta desviar la tarea y revisamos respuestas, tiempos, tokens y exportaciones JSON.

Probamos la memoria de Hermes Agent con datos ficticios: guardado, recuperación entre sesiones, actualización y eliminación. Documentamos registros, 5,67 segundos en una recuperación y las limitaciones observadas.

Comparamos GPT-6.1-sol y GPT-6-luna en Hermes Agent con el mismo PDF y siete preguntas. Documentamos respuestas, tiempos, tokens y limitaciones de una ejecución por modelo, sin medir el coste monetario.

Probamos Hermes Agent con un PDF ficticio de tres páginas: siete respuestas correctas, referencias verificadas y una limitación de extracción. Registramos 25 segundos y 36.452 tokens, sin medir el coste monetario.