Hermes Agent vs OpenClaw: leí los dos códigos fuente dos veces

En junio tenía que elegir un runtime para una flota de agentes en un VPS. Hermes Agent o OpenClaw. La mayoría de las comparaciones que encontré se limitaban a leer el README y contar estrellas, así que cloné los dos repos y leí el código. La respuesta fue clara: OpenClaw optimiza para alcance, Hermes para profundidad. Elegí Hermes y construí sobre él.

El 1 de octubre volví a leer los dos códigos fuente. Tres de mis conclusiones de junio ya están equivocadas. La brecha en la que basé mi decisión se cerró en su mayor parte, y lo que queda es una comparación distinta, y más útil.

La respuesta corta

Elige OpenClaw si quieres un asistente personal que viva en tus dispositivos: apps nativas para macOS, iOS, Android y Linux, una wake word, voz on-device, y un heartbeat que lo despierta solo. Elige Hermes si quieres un runtime de agentes que viva en un servidor: siete backends de ejecución, incluidos sandboxes serverless, un modo Mixture-of-Agents, y un laboratorio de modelos detrás.

Todo lo que queda en el medio, ya lo tienen los dos. Learning loops, memoria basada en archivos, una forma de que el modelo escriba sus propias llamadas a herramientas, subagents recursivos, MCP en los dos sentidos. Hace cinco meses esa frase era falsa.

Dos tipos de poder

“Cuál es más poderoso” es la pregunta que todos hacen y la que no se puede responder así, tal cual se formula. Hay dos sentidos de “poderoso” en juego. Alcance: en cuántos lugares vive el agente, cuántas integraciones tiene, cuánta gente construye sobre él. Profundidad: cuánto control tienes sobre dónde ejecuta, cómo gestiona el contexto, cómo aprende.

En junio, OpenClaw ganaba en alcance sin discusión y Hermes ganaba en profundidad sin discusión. En octubre, OpenClaw sigue ganando en alcance. La profundidad hoy está casi empatada, con algunos puntos donde Hermes sigue adelante.

Qué cambió entre junio y octubre

Mis conclusiones de junio, revisadas de nuevo en octubre

Lo que concluí en junio	Lo que dice el código en octubre
OpenClaw no crea skills por su cuenta	Mal ahora. El self-learning viene activado por default: después de un trabajo sustancial, una revisión en segundo plano y desacoplada propone un skill reusable, y el Skill Workshop lo revisa antes de aplicarlo.
Solo Hermes deja que el modelo escriba sus propias herramientas como script	Mal ahora. El Code Mode de OpenClaw esconde los schemas de las herramientas y deja que el modelo escriba JavaScript contra el catálogo, en una vm de Node o en un guest de QuickJS endurecido.
Los subagents de OpenClaw se detienen en profundidad uno	Mal ahora. Delegación recursiva hasta profundidad cinco, cinco hijos por agente, ocho concurrentes.
OpenClaw tiene muchos más canales de mensajería	Paridad. Unos 26 canales en el repo de cada uno. Hermes hasta trae WeChat y Yuanbao de forma nativa, algo que OpenClaw deja a plugins externos.
Hermes tiene seis backends de ejecución y 28 proveedores de modelo	Siete backends, con Vercel Sandbox agregado, y 38 plugins de proveedores.

El patrón es claro. OpenClaw pasó el verano boreal cerrando la brecha de profundidad. Su release 2.0 de agosto reconstruyó la UI de control, movió las sesiones a SQLite, y lanzó el Skill Workshop. Hermes pasó los mismos meses ampliando su superficie: Bot Mode para agentes con nombre en chats de grupo, cron jobs que mantienen memoria entre corridas, dirección en vivo de subagents mientras corren, un centro de comando de MCP. Cada uno copió las fortalezas del otro. El propio MCP server de Hermes dice en su docstring que empareja la superficie del channel bridge de OpenClaw.

Hermes Agent vs OpenClaw, lado a lado

Octubre de 2026

Los dos son model-agnostic, los dos hablan MCP como cliente y servidor, los dos corren modelos locales.

	Hermes Agent	OpenClaw
Centro de diseño	Runtime de agentes en un servidor	Asistente personal en tus dispositivos
Detrás del proyecto	Nous Research, un laboratorio de modelos. MIT.	OpenClaw Foundation, una 501(c)(3). MIT.
GitHub	~250k estrellas, ~48k issues y PRs abiertos	~391k estrellas, ~9k issues y PRs abiertos
Superficies	CLI, terminal UI, app de escritorio, dashboard web, API	Apps nativas en macOS, iOS, Android y Linux, wake word, voz on-device
Se despierta solo	Cron jobs	Heartbeat cada 30 minutos por default, más cron
Dónde corren los comandos	Local, Docker, SSH, Singularity, Modal, Daytona, Vercel Sandbox	En el host por default; sandbox opcional en Docker, Podman, SSH, OpenShell o Crabbox
El modelo escribe sus herramientas como script	Python por RPC, 50 KB de stdout devuelto	Code Mode, JavaScript contra un catálogo oculto
Aprendizaje	Revisión en segundo plano cada 10 turnos, curator semanal	Self-learning después de trabajo sustancial, Skill Workshop
Memoria	MEMORY.md, USER.md, búsqueda de texto completo en sesiones, 7 proveedores externos	MEMORY.md, USER.md, notas diarias, dreaming, búsqueda de sesiones, Honcho
Mixture of agents	Sí, /moa	No
Skills	SKILL.md, formato agentskills.io	SKILL.md, registro ClawHub, 164 extensiones

Dónde OpenClaw sigue liderando

Presencia. OpenClaw tiene apps nativas para cuatro plataformas, un daemon de wake word que corre on-device con cero tráfico de red, texto a voz on-device en Mac, y un panel de canvas. Hermes tiene una app de escritorio, una terminal UI y un dashboard web, y ninguna app móvil nativa. Si el agente debe vivir en tu teléfono, esto no es ni cerca. Windows es el hueco del lado de OpenClaw: el gateway corre ahí, la app complementaria todavía no existe.

Autonomía ambiental. El heartbeat de OpenClaw despierta al agente cada 30 minutos por default, una hora si usas OAuth de Anthropic, y lo deja decidir si hay algo que resolver. Hermes solo se despierta con cron o cuando algo le habla. Para un asistente personal, el heartbeat es la feature. Para una flota manejada por un orchestrator, es un costo que no necesitas.

Gobernanza y proceso. OpenClaw lo maneja una fundación independiente, con OpenAI, NVIDIA, GitHub, Vercel y Red Hat entre sus sponsors. El README es explícito en que OpenAI es un donante, no un dueño. Su release 2.0 acreditó a 987 contribuidores. Carga alrededor de un quinto de la cantidad de issues y PRs abiertos de Hermes, con más estrellas. Esa proporción dice algo sobre cómo cada proyecto absorbe su propio crecimiento.

Ecosistema. 164 extensiones, 49 skills incluidos, y ClawHub para instalar y publicar más.

Dónde Hermes sigue liderando

Dónde corren tus comandos. Hermes puede ejecutar en siete backends, tres de ellos sandboxes en la nube: Modal, Daytona y Vercel Sandbox. OpenClaw corre las herramientas en el host a menos que actives el sandboxing, y sus opciones de sandbox son Docker, Podman, SSH, OpenShell y Crabbox. Si quieres el agente en una máquina y sus comandos en otro lado descartable, Hermes te da más lugares donde ponerlos.

Mixture of agents. Hermes puede mandar una pregunta a varios modelos y agregar las respuestas. No encontré nada equivalente en OpenClaw.

Un laboratorio de modelos detrás. Hermes trae un batch runner y un trajectory compressor que escriben trayectorias de tool-calling en el formato propio de Nous. El runtime funciona también como una forma de entrenar los modelos del laboratorio. Eso le da al proyecto una razón para existir más allá de sus usuarios, y se nota en cuán profundas van las primitivas del loop.

Subagents que puedes dirigir mientras corren. Los dos delegan de forma recursiva. Hermes corre hasta 10 hijos a la vez por default y, desde v0.21, te deja listar, dirigir y detener subagents mientras corren.

Qué cuesta correr cada uno

Ninguno es barato por default. Los dos se pueden volver baratos. En los dos casos el costo es una configuración, no una propiedad del proyecto.

La cuenta de OpenClaw viene del heartbeat. Cada beat es un turno completo del agente. La documentación lo dice sin vueltas: con isolatedSession activado, un heartbeat baja de unos 100k tokens a entre 2k y 5k por corrida, porque deja de reenviar el historial completo de la conversación. Activa también lightContext y se saltea los archivos de bootstrap del workspace.

La cuenta de Hermes viene del learning loop. Con el mismo modelo, la revisión en segundo plano repite todo el historial de la sesión y se apoya en el prompt cache para que eso salga barato. Enruta la revisión a otro modelo y colapsa el historial a un resumen. Un issue que sostiene que la revisión de historial completo es demasiado cara está abierto desde junio sin respuesta.

El único número que importa es el tuyo. Corre la misma tarea en los dos, con el mismo modelo, y lee el conteo de tokens. Lo aprendí de la forma difícil cuando un modo “liviano” en mi propio setup costó seis veces más que el modo completo. La guía de costo de tokens tiene el resto del método.

Los dos siguen siendo software joven

Lee los issues abiertos antes de poner cualquiera de los dos en una máquina de la que dependas. En OpenClaw: un gateway cuya memoria crece de 350 MB a 15,5 GB en días hasta que lo OOM-killean (#91588), un write-ahead log de SQLite que crece a gigabytes y bloquea el arranque (#143524), un timeout de inicio de un MCP server que tira abajo el gateway (#144911), y un release de septiembre que convirtió el setup estable de un usuario en ocho horas de recuperación (#153257).

En Hermes: v0.21.0 lanzó regresiones en la base de datos de sesiones que necesitaron seis pull requests y 44 issues cerrados para asentarse, un executor de gateway sin timeout congela el gateway por 120 segundos (#101033), y el dashboard pierde memoria hasta que los clientes terminan OOM-killed (#80527).

Mismo consejo para los dos. Fija una versión. Actualiza primero una sola máquina. Mantén los logs en un lugar donde puedas leerlos sin preguntarle al agente.

Las afirmaciones que el código mató

El método importa más que el veredicto, porque el veredicto caduca. En junio, tres afirmaciones de marketing se cayeron en cuanto abrí el código. “3.200 herramientas de MCP” resultó ser el tamaño del ecosistema de MCP, no algo de ninguno de los dos repos. La brecha de estrellas describía popularidad, no lo que puede hacer cada runtime. Y “OpenClaw quema más tokens” resultó ser una configuración del heartbeat. Lo escribí en el Lab como los números de marketing eran la historia que alguien quería que yo contara.

En octubre el código mató tres de mis propias conclusiones. Es la misma lección, pero apuntándome a mí. Una comparación leída desde el código solo es verdad para el commit que leíste.

Por qué sigo corriendo Hermes

Mi caso es específico: un VPS, un presupuesto sensible al costo, y una flota de agentes de trabajo que un orchestrator despierta con su propio horario. No necesito un heartbeat, porque el orchestrator es el heartbeat. Quiero que los comandos ejecuten en algo descartable. Y mi adapter, los paquetes de instrucciones de mis agentes y mi MCP pooler están construidos alrededor de Hermes. Para ese caso, Hermes sigue siendo la decisión correcta.

Si empezara de cero hoy, la decisión estaría más cerca de lo que estuvo en junio. Y no tiene que ser uno u otro. Se conectan a los mismos orchestrators, así que puedes repartir por rol: Hermes para el trabajo que corre en un servidor, OpenClaw para el asistente que vive en tu teléfono.

¿Buscas una alternativa a OpenClaw?

“Alternativa a OpenClaw” solo ya tiene cerca de 1.900 búsquedas al mes en Estados Unidos. Antes de cambiar, revisa si el cambio arregla tu razón real.

Antes de reemplazar OpenClaw

• ✓Obligatorio:
  La cuenta del heartbeat es muy alta.Activa primero isolatedSession y lightContext. La documentación pone un heartbeat afinado en 2k a 5k tokens en vez de unos 100k.
• ✓Obligatorio:
  No quieres un agente corriendo comandos en tu host.Activa el sandboxing, o pásate a Hermes y ejecuta en Docker, SSH o un sandbox serverless. De cualquier forma, dale su propia máquina y keys que puedas rotar.
• ✓Obligatorio:
  El gateway se queda sin memoria todo el tiempo.Es un bug abierto conocido. Fija una versión que se comporte bien. Hermes tiene su propio memory leak en el dashboard, así que cambiar no hace que desaparezca ese tipo de problema.
• ✓Obligatorio:
  Lo quieres en un servidor, manejado por un orchestrator o cron.Esta es la razón honesta para elegir Hermes. Su centro de diseño es el agente que corre cuando nadie le está hablando.
• ✓Obligatorio:
  Lo que en realidad quieres es un coding agent.Ninguno de los dos es la mejor herramienta para eso. Usa Claude Code, OpenCode o pi dentro del repo.

Cómo elegir

Elige OpenClaw si

1. 01El agente debería vivir en tu teléfono y tu laptop
2. 02Quieres voz, una wake word y apps nativas
3. 03Debería despertarse solo y decidir qué hacer
4. 04Valoras una fundación y un ecosistema grande
5. 05No estás en Windows, o solo necesitas el gateway ahí

Elige Hermes si

1. 01El agente debería vivir en un servidor
2. 02Los comandos deberían correr en sandboxes descartables
3. 03Un orchestrator o cron decide cuándo se despierta
4. 04Quieres Mixture-of-Agents o dirección en vivo de subagents
5. 05Vas a leer Python y logs cuando algo se rompa

Hermes Agent vs OpenClaw, respuestas rápidas

¿Hermes Agent es mejor que OpenClaw?+

No en general. Tienen centros de diseño distintos. OpenClaw es mejor como asistente personal en tus dispositivos. Hermes es mejor como runtime en un servidor, sobre todo cuando los comandos deberían correr en sandboxes descartables.

Desde agosto la mayoría de las capacidades centrales se superponen: los dos aprenden skills, mantienen memoria basada en archivos, dejan que el modelo escriba sus herramientas como script y delegan de forma recursiva.

¿OpenClaw aprende skills como Hermes?+

Sí, desde su release 2.0 en agosto de 2026. El self-learning viene activado por default: después de un trabajo sustancial, una revisión en segundo plano propone un skill reusable, y el Skill Workshop revisa las propuestas antes de aplicarlas. Hermes corre su revisión cada 10 turnos o iteraciones de herramientas y archiva los skills sin uso cada semana.

¿Cuál de los dos usa menos tokens?+

Depende de la configuración, no del proyecto. El heartbeat de OpenClaw es el costo principal y baja de unos 100k a entre 2k y 5k tokens por corrida con isolatedSession. El costo extra principal de Hermes es la revisión en segundo plano repitiendo el historial de la sesión.

Mide los dos en la misma tarea y el mismo modelo antes de decidir.

¿Puedo correr Hermes y OpenClaw juntos?+

Sí. No se excluyen, y orchestrators como Paperclip tienen adapters para los dos. Un reparto sensato es Hermes para los agentes de trabajo en el servidor y OpenClaw para el asistente personal en tus dispositivos.

¿OpenClaw es de OpenAI?+

No. OpenClaw tiene licencia MIT y lo maneja la OpenClaw Foundation, una 501(c)(3) independiente. OpenAI es uno de sus sponsors, y el README dice que es un donante, no un dueño.