Hermes Agent vs OpenClaw: li os dois códigos-fonte duas vezes

Em junho eu precisava escolher um runtime para uma frota de agentes numa VPS. Hermes Agent ou OpenClaw. A maioria das comparações que achei tinha lido o README e contado estrelas, então eu cloniei os dois repositórios e li o código-fonte. A resposta saiu limpa: o OpenClaw otimizou para alcance, o Hermes para profundidade. Eu escolhi o Hermes e construí em cima dele.

Em 1º de outubro eu li os dois códigos-fonte de novo. Três das minhas conclusões de junho agora estão erradas. A distância em que eu baseei minha decisão quase fechou, e o que resta é uma comparação diferente, e mais útil.

A resposta curta

Escolha o OpenClaw se você quer um assistente pessoal que vive nos seus dispositivos: apps nativos para macOS, iOS, Android e Linux, wake word, voz on-device, e um heartbeat que acorda ele sozinho. Escolha o Hermes se você quer um agent runtime que vive num servidor: sete backends de execução incluindo sandboxes serverless, um modo Mixture-of-Agents, e um laboratório de modelos por trás dele.

Tudo que fica no meio, os dois já têm. Loops de aprendizado, memória em arquivo, um jeito de o modelo escrever o próprio script de chamadas de ferramenta, subagents recursivos, MCP nas duas direções. Cinco meses atrás essa frase era falsa.

Dois tipos de poderoso

“Qual dos dois é mais poderoso” é a pergunta que todo mundo faz e a que não pode ser respondida como foi feita. Existem dois sentidos de “poderoso” em jogo. Alcance: em quantos lugares o agente vive, quantas integrações ele tem, quantas pessoas constroem em cima dele. Profundidade: quanto controle você tem sobre onde ele executa, como ele gerencia contexto, como ele aprende.

Em junho, o OpenClaw ganhava em alcance sem discussão e o Hermes ganhava em profundidade sem discussão. Em outubro, o OpenClaw ainda ganha em alcance. Profundidade agora é quase um empate, com alguns pontos em que o Hermes ainda está na frente.

O que mudou entre junho e outubro

Minhas conclusões de junho, checadas de novo em outubro

O que eu concluí em junho	O que o código-fonte diz em outubro
O OpenClaw não cria skills por conta própria	Errado agora. Self-learning vem ligado por padrão: depois de um trabalho substancial, uma revisão em background desacoplada propõe uma skill reutilizável, e o Skill Workshop confere ela antes de aplicar.
Só o Hermes deixa o modelo escrever script das próprias ferramentas	Errado agora. O Code Mode do OpenClaw esconde os schemas das ferramentas e deixa o modelo escrever JavaScript contra o catálogo, numa vm do Node ou num guest hardened de QuickJS.
Os subagents do OpenClaw param na profundidade um	Errado agora. Delegação recursiva até profundidade cinco, cinco filhos por agente, oito simultâneos.
O OpenClaw tem muito mais canais de mensagens	Empate. Cerca de 26 canais no próprio repositório, cada um. O Hermes até vem com WeChat e Yuanbao nativamente, que o OpenClaw deixa para plugins externos.
O Hermes tem seis backends de execução e 28 model providers	Sete backends, com o Vercel Sandbox adicionado, e 38 plugins de provider.

O padrão é claro. O OpenClaw passou o verão fechando a distância de profundidade. A versão 2.0 em agosto reconstruiu a UI de controle, moveu as sessões para SQLite e lançou o Skill Workshop. O Hermes passou os mesmos meses alargando a superfície: Bot Mode para agentes nomeados em grupos de chat, cron jobs que mantêm memória entre execuções, direcionamento em tempo real de subagents rodando, uma central de comando de MCP. Cada um copiou os pontos fortes do outro. O próprio servidor MCP do Hermes diz, na docstring, que ele equivale à superfície da bridge de canais do OpenClaw.

Hermes Agent vs OpenClaw, lado a lado

Outubro de 2026

Os dois são model-agnostic, os dois falam MCP como client e como server, os dois rodam modelos locais.

	Hermes Agent	OpenClaw
Centro de design	Agent runtime num servidor	Assistente pessoal nos seus dispositivos
Por trás	Nous Research, um laboratório de modelos. MIT.	OpenClaw Foundation, uma 501(c)(3). MIT.
GitHub	~250k estrelas, ~48k issues e PRs abertos	~391k estrelas, ~9k issues e PRs abertos
Superfícies	CLI, UI de terminal, app desktop, dashboard web, API	Apps nativos de macOS, iOS, Android e Linux, wake word, voz on-device
Acorda por conta própria	Cron jobs	Heartbeat a cada 30 minutos por padrão, mais cron
Onde os comandos rodam	Local, Docker, SSH, Singularity, Modal, Daytona, Vercel Sandbox	No host por padrão; sandbox opcional em Docker, Podman, SSH, OpenShell ou Crabbox
Modelo escreve script das próprias ferramentas	Python via RPC, 50 KB de stdout retornado	Code Mode, JavaScript contra um catálogo escondido
Aprendizado	Revisão em background a cada 10 turnos, curador semanal	Self-learning depois de trabalho substancial, Skill Workshop
Memória	MEMORY.md, USER.md, busca full-text em sessões, 7 providers externos	MEMORY.md, USER.md, notas diárias, dreaming, busca em sessões, Honcho
Mixture of agents	Sim, /moa	Não
Skills	SKILL.md, formato agentskills.io	SKILL.md, registro ClawHub, 164 extensões

Onde o OpenClaw ainda lidera

Presença. O OpenClaw tem apps nativos para quatro plataformas, um daemon de wake word que roda on-device com zero tráfego de rede, text-to-speech on-device no Mac, e um painel de canvas. O Hermes tem um app desktop, uma UI de terminal e um dashboard web, e nenhum app nativo de celular. Se o agente precisa viver no seu telefone, aqui não tem disputa. O Windows é o buraco do lado do OpenClaw: o gateway roda lá, o app companion ainda não existe.

Autonomia ambiente. O heartbeat do OpenClaw acorda o agente a cada 30 minutos por padrão, uma hora quando você usa OAuth da Anthropic, e deixa ele decidir se tem algo para fazer. O Hermes só acorda por cron ou quando alguém fala com ele. Para um assistente pessoal, o heartbeat é a feature. Para uma frota dirigida por um orquestrador, é um custo que você não precisa.

Governança e processo. O OpenClaw é mantido por uma fundação independente, com OpenAI, NVIDIA, GitHub, Vercel e Red Hat entre os patrocinadores. O README é explícito que a OpenAI é doadora, não proprietária. A versão 2.0 creditou 987 contribuidores. Ele carrega cerca de um quinto da contagem de issues e PRs abertos do Hermes, com mais estrelas. Essa proporção diz algo sobre como cada projeto absorve o próprio crescimento.

Ecossistema. 164 extensões, 49 skills já embutidas, e o ClawHub para instalar e publicar mais.

Onde o Hermes ainda lidera

Onde os seus comandos rodam. O Hermes consegue executar em sete backends, três deles sandboxes na nuvem: Modal, Daytona e Vercel Sandbox. O OpenClaw roda ferramentas no host a menos que você ligue o sandboxing, e as opções de sandbox dele são Docker, Podman, SSH, OpenShell e Crabbox. Se você quer o agente numa máquina e os comandos dele em algo descartável, o Hermes te dá mais lugares para colocar isso.

Mixture of agents. O Hermes consegue mandar uma pergunta para vários modelos e agregar as respostas. Eu não achei equivalente no OpenClaw.

Um laboratório de modelos por trás. O Hermes vem com um batch runner e um compressor de trajetórias que escrevem trajetórias de tool-calling no formato próprio da Nous. O runtime funciona também como um jeito de treinar os modelos do laboratório. Isso dá ao projeto uma razão para existir além dos usuários, e aparece em quão profundas são as primitivas do loop.

Subagents rodando que você consegue direcionar. Os dois delegam de forma recursiva. O Hermes roda até 10 filhos de uma vez por padrão e, desde a v0.21, deixa você listar, direcionar e parar eles enquanto rodam.

Quanto cada um custa para rodar

Nenhum dos dois é barato por padrão. Os dois podem ser deixados baratos. Nos dois casos o custo é uma configuração, não uma propriedade do projeto.

A conta do OpenClaw vem do heartbeat. Cada batida é um turno completo de agente. A documentação é direta: com isolatedSession ligado, um heartbeat cai de cerca de 100k tokens para cerca de 2k a 5k por execução, porque ele para de reenviar o histórico da conversa. Ligue também o lightContext e ele pula os arquivos de bootstrap do workspace.

A conta do Hermes vem do loop de aprendizado. Com o mesmo modelo, a revisão em background reprocessa todo o histórico da sessão e se apoia no prompt cache para manter isso acessível. Roteie a revisão para um modelo diferente e ela comprime o histórico num resumo. Uma issue argumentando que a revisão com histórico completo é cara demais está aberta desde junho sem resposta.

O único número que importa é o seu. Rode a mesma tarefa pelos dois, no mesmo modelo, e leia a contagem de tokens. Aprendi isso na prática quando um modo “leve” no meu próprio setup custou seis vezes mais que o modo completo. O guia de custo em tokens tem o resto do método.

Os dois ainda são software jovem

Leia as issues abertas antes de colocar qualquer um dos dois numa máquina que você depende. No OpenClaw: um gateway cuja memória cresce de 350 MB para 15,5 GB em alguns dias até ser derrubado por OOM (#91588), um write-ahead log do SQLite que cresce para gigabytes e bloqueia o startup (#143524), um timeout de init de servidor MCP que derruba o gateway (#144911), e uma release de setembro que transformou o setup estável de um usuário numa recuperação de oito horas (#153257).

No Hermes: a v0.21.0 lançou regressões no banco de dados de sessão que levaram seis pull requests e 44 issues fechadas para estabilizar, um executor de gateway sem timeout congela o gateway por 120 segundos (#101033), e o dashboard vaza memória até os clientes serem derrubados por OOM (#80527).

O mesmo conselho para os dois. Fixe uma versão. Atualize uma máquina primeiro. Mantenha os logs em algum lugar onde você consegue ler sem pedir para o agente.

As afirmações que o código matou

O método importa mais que o veredito, porque o veredito expira. Em junho três afirmações de marketing caíram quando eu abri o código-fonte. “3.200 ferramentas MCP” era, na verdade, o tamanho do ecossistema MCP, não algo dentro de nenhum dos dois repositórios. A distância de estrelas descrevia popularidade, não o que cada runtime consegue fazer. E “o OpenClaw queima mais tokens” era uma configuração de heartbeat. Eu escrevi isso no Lab como os números de marketing eram a história que alguém queria que eu contasse.

Em outubro o código matou três das minhas próprias conclusões. É a mesma lição, voltada para mim. Uma comparação lida a partir do código-fonte só é verdadeira para o commit que você leu.

Por que eu ainda rodo o Hermes

Meu caso é específico: uma VPS, um orçamento sensível a custo, e uma frota de agentes de trabalho que um orquestrador acorda na própria agenda. Eu não preciso de heartbeat, porque o orquestrador é o heartbeat. Eu quero que os comandos executem em algo descartável. E o meu adapter, os pacotes de instrução dos meus agentes e o meu pooler de MCP estão todos construídos em volta do Hermes. Para esse caso, o Hermes ainda é a escolha certa.

Se eu estivesse começando do zero hoje, a decisão estaria mais próxima do que estava em junho. E não precisa ser um ou outro. Eles se conectam aos mesmos orquestradores, então você pode rotear por papel: Hermes para o trabalho que roda num servidor, OpenClaw para o assistente que vive no seu celular.

Procurando uma alternativa ao OpenClaw?

“Alternativa ao OpenClaw” sozinho recebe cerca de 1.900 buscas por mês nos EUA. Antes de trocar, confira se a troca resolve o seu motivo real.

Antes de substituir o OpenClaw

• ✓Obrigatório:
  A conta do heartbeat está alta demais.Ligue isolatedSession e lightContext primeiro. A documentação coloca um heartbeat ajustado em 2k a 5k tokens em vez de cerca de 100k.
• ✓Obrigatório:
  Você não quer um agente rodando comandos no seu host.Ligue o sandboxing, ou migre para o Hermes e execute em Docker, SSH ou um sandbox serverless. De qualquer jeito, dê a ele a própria máquina e chaves que você consegue rotacionar.
• ✓Obrigatório:
  O gateway fica sem memória direto.É um bug aberto conhecido. Fixe uma versão que se comporte. O Hermes tem o próprio vazamento de memória no dashboard, então migrar não faz essa classe de problema desaparecer.
• ✓Obrigatório:
  Você quer num servidor, dirigido por um orquestrador ou cron.Esse é o motivo honesto para escolher o Hermes. O centro de design dele é o agente que roda quando ninguém está falando com ele.
• ✓Obrigatório:
  O que você realmente quer é um agente de código.Nenhum dos dois é a melhor ferramenta para isso. Use Claude Code, OpenCode ou pi dentro do repositório.

Como escolher

Escolha o OpenClaw se

1. 01O agente deve viver no seu celular e no notebook
2. 02Você quer voz, wake word e apps nativos
3. 03Ele deve acordar sozinho e decidir o que fazer
4. 04Você valoriza uma fundação e um ecossistema grande
5. 05Você não está no Windows, ou só precisa do gateway lá

Escolha o Hermes se

1. 01O agente deve viver num servidor
2. 02Os comandos devem rodar em sandboxes descartáveis
3. 03Um orquestrador ou cron decide quando ele acorda
4. 04Você quer Mixture-of-Agents ou direcionar subagents em tempo real
5. 05Você vai ler Python e logs quando quebrar

Hermes Agent vs OpenClaw, respostas rápidas

Hermes Agent ou OpenClaw: qual usar?+

Depende do caso, eles têm centros de design diferentes. O OpenClaw é melhor como assistente pessoal nos seus dispositivos. O Hermes é melhor como runtime num servidor, principalmente quando os comandos devem rodar em sandboxes descartáveis.

Desde agosto a maioria das capacidades centrais se sobrepõe: os dois aprendem skills, mantêm memória em arquivo, deixam o modelo escrever script das próprias ferramentas e delegam de forma recursiva.

O OpenClaw aprende skills como o Hermes?+

Sim, desde a release 2.0 em agosto de 2026. Self-learning vem ligado por padrão: depois de um trabalho substancial, uma revisão em background propõe uma skill reutilizável, e o Skill Workshop confere as propostas antes de aplicar. O Hermes roda a revisão dele a cada 10 turnos ou iterações de ferramenta e arquiva skills não usadas semanalmente.

Qual dos dois usa menos tokens?+

Depende da configuração, não do projeto. O heartbeat do OpenClaw é o custo principal e cai de cerca de 100k para cerca de 2k a 5k tokens por execução com isolatedSession. O custo extra principal do Hermes é a revisão em background reprocessando o histórico da sessão.

Meça os dois na mesma tarefa e no mesmo modelo antes de decidir.

Dá para rodar o Hermes e o OpenClaw juntos?+

Sim. Eles não se excluem, e orquestradores como o Paperclip têm adapters para os dois. Uma divisão sensata é Hermes para os agentes de trabalho no servidor e OpenClaw para o assistente pessoal nos seus dispositivos.

O OpenClaw é da OpenAI?+

Não. O OpenClaw é licenciado em MIT e mantido pela OpenClaw Foundation, uma 501(c)(3) independente. A OpenAI é uma das patrocinadoras, e o README deixa claro que ela é doadora, não proprietária.