モデル

新しいセッションで使うメインモデル、補助タスク用モデル、コンテキスト長、障害時のフォールバックを設定する。

メインモデル

画面表示（主）	内部キー（サブ）	内容	製品既定値	推奨
プロバイダー	model.provider	認証済みプロバイダーを選択	未設定	普段使う契約・API を1つ選ぶ
モデル	model.default	選択プロバイダーのモデル	未設定	ツール呼び出し対応モデル
適用	model.provider + model.default を保存	選択内容を新規セッション用に保存	-	変更後に必ず押す

メインモデルの変更は 「適用」ボタンが必要。新しいセッションに反映される。進行中のチャットは、コンポーザーのモデルピッカーからホットスワップできる。1ターンだけ別モデルで実行して自動的に元へ戻す /model --once もある（コスト面の注意は スラッシュコマンド一覧 を参照）。

未認証の API キー型プロバイダーでは、その場でキー入力が表示される。OAuth 型はブラウザーサインインへ移動する。

画面まわりの挙動

• 読み込み中は、レイアウトを模したスケルトン UI（灰色のプレースホルダー）が表示される。
• プロファイル切替にはエポックガードがある。切替前に発行された読み込み・保存の応答は破棄され、別プロファイルのモデル一覧や設定が誤って描画されることはない。
• 「スキルとツール」ページのビジョン詳細にある「設定 → モデル でビジョンモデルを選択」リンク（ディープリンク ?tab=config:model&aux=vision）からこの画面へ移動すると、補助モデルの「ビジョン」行までスクロールし、行が一度ハイライトされる。

選択肢が動的である項目

プロバイダーとモデルの候補は固定リストではない。次の情報から実行時に生成される。

• アカウントまたは API キーで接続したプロバイダー
• 各プロバイダーが現在公開しているモデルカタログ
• Hermes が持つモデルメタデータとキャッシュ
• ローカルまたはカスタムエンドポイントの検出結果

このため、モデル名を静的に「全一覧」として固定すると短期間で古くなる。本ノートでは画面の全操作と選択規則を網羅し、実際のモデル候補はその時点のドロップダウンを正とする。

モデルピッカーの表示

デスクトップのモデルピッカーには、次の表示上の仕組みがある。

• プロバイダーグループの折りたたみ: デスクトップのモデルピッカーでプロバイダー名の行をクリックすると、そのグループを折りたたみ・展開できる。検索中と、現在使用中のモデルのプロバイダーは常に展開される。
• 同一ベンダーのエンドポイント統合: 同じベンダーの複数エンドポイント（グローバル API・中国 API・OAuth プランなど）は1つのグループ行にまとまる。Qwen（Qwen Cloud / DashScope・Coding Plan・Qwen CLI OAuth）のほか、Kimi、MiniMax、xAI、OpenAI、OpenCode、GitHub Copilot などが対象。表示のみの変更で、provider:model 形式での個別指定はそのまま使える。
• 価格タグ: 価格情報を取得できるプロバイダー（OpenRouter・Nous・Novita・DeepInfra・Fireworks）では、モデル名の横に入力/出力の単価（100万トークンあたり USD）が表示される。

モデルカタログの扱い

実際に選べるモデルは、接続しているプロバイダーとその時点のモデルカタログに依存する。カタログ側の仕様として次の点がある。

• GLM-5.2 のサイレント既定: モデル未設定時に暗黙に使われる既定モデルは z-ai/glm-5.2 で、ピッカーのカタログに default ラベルが表示される。
• プロバイダー名だけの指定はコスト安全: /model openrouter のようにプロバイダー名だけを指定すると、最上位のフラッグシップではなく、カタログの既定ラベル付きモデル（現在は GLM-5.2）へルーティングされる。
• LM Studio のロード方式: model.lmstudio_load_mode: jit で JIT（呼び出し時）モデルロードを選べる（既定は explicit ─ 事前ロード）。
• AWS Bedrock: 実エンドポイントへコンテキスト窓をプロービングし、現行世代 Claude（Fable 5 / Sonnet 5 / Opus 4.8・4.7・4.6 / Sonnet 4.6）には 1M コンテキスト行がある。

推論レベルのデフォルト

メインモデルの直下にある Defaults ブロックで、新しいセッションの既定の推論レベル（reasoning effort）を選ぶ。適用中のメインモデルが推論に対応している場合だけ表示される。選択肢は 8段階ある。

画面表示（主）	保存値（内部 agent.reasoning_effort）	既定	内容
Off	none	いいえ	推論（思考）を行わない
最小	minimal	いいえ	最小限の推論
低	low	いいえ	低い推論強度
中	medium	はい	標準の推論強度。未設定時の製品既定
高	high	いいえ	高い推論強度
特高	xhigh	いいえ	コーディング・エージェント用途の推奨帯
最大	max	いいえ	GPT-5.6 / Codex 系の最上位ティア向け
ウルトラ	ultra	いいえ	最上位。対応プロバイダーは限られる

旧称「最大」に注意

他の資料や過去のメモに推論レベル「最大」とある場合、xhigh（現在の表示は「特高」）と max（現在の「最大」）のどちらを指すか確認する。

agent.reasoning_effort に保存される。未設定時の製品既定は 中（medium）。推論の深さは応答時間やコストに影響するため、用途に応じて調整する。

• 上位レベルの自動クランプ: max / ultra は GPT-5.6 や Codex の最上位ティアを想定した値で、より小さいスケールしか持たないプロバイダーでは、そのプロバイダーの上限へ自動的にクランプされる（例: Anthropic 系は ultra を max に、LM Studio は max / ultra を xhigh に、GLM-5.2 は xhigh / max / ultra を max に写像）。エラーにはならない。
• 手書きの無効化指定: config.yaml に reasoning_effort: false や disabled を手書きした場合は「オフ（none）」として扱われ、画面では Off が選択された状態で表示される。

見出しの言語表示

「Defaults」「Reasoning」の見出しと選択肢「Off」は、日本語 UI でも英語のまま表示される（該当ラベルが日本語ロケールに未登録のため）。選択肢「最小 / 低 / 中 / 高 / 特高 / 最大 / ウルトラ」は日本語化される。

高速モード

適用中のモデルがサービスティアに対応している場合は、同じ Defaults ブロックに「高速（Fast）」トグル（agent.service_tier: fast / normal）も表示される。対応しないモデルでは表示されない。

推論レベルの細粒度制御

推論レベルは、グローバル既定・モデル別・補助タスク別・MoA スロット別の階層で指定できる。グローバル既定以外は config.yaml の直接編集で設定する（モデル設定画面に対応する入力欄はない）。

設定キー	効く範囲	備考
agent.reasoning_effort	グローバル既定	この画面の Defaults ブロックで設定
agent.reasoning_overrides	モデル別上書き	モデル名からレベルへの辞書。agent.reasoning_effort より優先。モデル名はドット・ハイフンなどの表記ゆれを許容してマッチする
auxiliary.<タスク>.reasoning_effort	補助タスク別	none〜ultra。空欄はプロバイダー既定
moa.presets.<名前>.reference_models[].reasoning_effort / ...aggregator.reasoning_effort	MoA スロット別	「アドバイザーは深く考え、集約モデルは速く動く」のような使い分けができる

agent:
  reasoning_effort: medium
  reasoning_overrides:
    gpt-5.6-sol: ultra
    claude-fable-5: xhigh
auxiliary:
  compression:
    reasoning_effort: low

• agent.reasoning_overrides はキーにドットを含みうるため CLI コマンドからは設定できず、config.yaml を直接編集する。
• GLM-5.2 のネイティブ制御: GLM-5.2 は API ネイティブの reasoning_effort（high / max の2段階）を持ち、Hermes の指定が実際にモデルへ届く（xhigh / max / ultra は max へ、それ以外の有効値は high へ写像。無効化時と未指定時は送らない）。
• CLI・TUI では /reasoning <レベル> でセッション限定の変更ができ、--global を付けると config.yaml（agent.reasoning_effort）へ永続化される。詳細は スラッシュコマンド一覧 を参照。

補助モデル

画面表示（主）	内部キー（サブ）	用途	製品既定値	推奨
ビジョン	auxiliary.vision.provider / auxiliary.vision.model	添付画像の分析や、画像をテキスト化する補助処理	auto / 空欄	メインが画像対応なら「メインに設定」
ウェブ抽出	auxiliary.web_extract.provider / auxiliary.web_extract.model	取得したページ本文の抽出・要約	auto / 空欄	安価で長文に強いモデルも有効
圧縮	auxiliary.compression.provider / auxiliary.compression.model	長い会話をコンテキストへ収めるための要約	auto / 空欄	高速で指示追従性の高いモデル
スキルハブ	auxiliary.skills_hub.provider / auxiliary.skills_hub.model	スキルの検索、候補選定、関連性判断	auto / 空欄	メインで問題ない
承認	auxiliary.approval.provider / auxiliary.approval.model	smart 承認でコマンドの危険度を判定	auto / 空欄	誤判定を避けるため高精度モデル
MCP	auxiliary.mcp.provider / auxiliary.mcp.model	MCP ツールの選択・ルーティング支援	auto / 空欄	ツール選択に強いモデル
タイトル生成	auxiliary.title_generation.provider / auxiliary.title_generation.model	セッション内容から短いタイトルを生成	auto / 空欄	安価な小型モデルで十分
キュレーター	auxiliary.curator.provider / auxiliary.curator.model	使用したスキルの有用性レビューや整理	auto / 空欄	メインまたは高精度モデル

既定では全タスクがメインモデルを自動使用する。個別に「変更」で固定でき、「すべてメインにリセット」で解除できる。各タスクには auxiliary.<タスク>.reasoning_effort で推論レベルも個別指定できる（config.yaml のみ。前述の「推論レベルの細粒度制御」を参照）。

画面に表示されない補助スロット

バックエンド API はさらに auxiliary.triage_specifier、auxiliary.kanban_decomposer、auxiliary.profile_describer を返すが、モデル設定 UI は上表の8件だけを描画する。この3件は画面設定ではないため主表へ混ぜていない。auxiliary.monitor（メール監視の重要度分類に使う補助スロット）は config スキーマ上は存在するが、モデル設定 API のスロット一覧には含まれない。

補助モデルの各操作

画面表示（主）	内部値・処理（サブ）	動作
自動 · メインモデルを使用	provider: auto, model: ""	タスク専用の上書きがなく、現在のメインモデルへ追従
メインに設定	対象の provider を auto、model を空文字へ変更	選択タスクの上書きを解除してメインへ戻す
変更	対象の auxiliary.<task>.provider / .model	タスク専用のプロバイダーとモデルを選ぶ
(プロバイダーのデフォルト)	model: ""	モデルを固定せず、そのプロバイダーの標準モデルへ委ねる
すべてメインにリセット	全補助タスクへ provider: auto, model: ""	8タスクすべての上書きを一括解除

固定モデルの陳腐化

補助モデルを特定プロバイダーに固定すると、メインプロバイダーを変更しても追従しない。画面に不一致警告が出た場合は、意図した固定か確認する。

コンテキストとフォールバック

画面表示（主）	内部キー（サブ）	製品既定値	推奨
コンテキストウィンドウ	model_context_length	0 相当（自動）	0 のまま
フォールバックモデル	fallback_providers	空	必要時だけ追加

コンテキストウィンドウ

0 または空欄なら、選択モデルから検出した値を使う。モデルの実際の上限より大きな値を手入力すると API エラーや早すぎる圧縮の原因になるため、通常は自動が安全。

フォールバックモデル

フォールバックモデルは 行追加式の構造化エディタで編集する。行ごとにプロバイダーとモデルをドロップダウンで選び、行の追加・削除で連鎖を編集する。上から順に、メインモデルが失敗した場合の代替として試される。

• プロバイダーとモデルの両方を選んだ行だけが保存される。片方だけの「半入力」行は画面に下書きとして残るが、設定には書き込まれない。
• 候補は接続済みプロバイダーのカタログから表示される（補助モデルのピッカーと同じ仕組み）。
• 行追加ボタン「Add fallback」など一部ラベルは、日本語ロケール未登録のため英語で表示される。

config.yaml では fallback_providers がプロバイダーとモデルの組のリストになる。

fallback_providers:
  - provider: openrouter
    model: anthropic/claude-sonnet-5
  - provider: gemini
    model: gemini-3-pro-preview

旧形式の文字列指定も読み込み時には正規化されるが、新規設定は上記の構造化形式を使う。モデル名は実際にプロバイダーが公開している ID を使う。異なる会社のプロバイダーを組み合わせると障害分散になるが、料金、データ処理方針、ツール互換性は別途確認する。

Mixture of Agents（MoA）プリセット

Mixture of Agents（MoA）は仮想モデルプロバイダー。複数モデルの視点を集約して、難しいタスクの精度を上げる。名前を付けた MoA プリセットを作ると、moa プロバイダー配下の選択可能なモデルとして各モデルピッカーに現れる。

MoA プリセットを選ぶと、プリセットの 集約モデル（aggregator） が実際の応答を書き、ツール呼び出しを出す。参照モデル（reference models） が先に走り、その分析を集約モデルへ渡す。通常のエージェントループ（ツール呼び出し・反復・割り込み・履歴保存・同一セッションの文脈）はそのまま働く。

デスクトップでの選択・作成

操作	場所	動作
プリセットへ切り替え	モデルドロップダウンの MoA presets セクション	選ぶと MoA: <プリセット名> へメインモデルが切り替わる
プリセットの作成・編集	設定 → モデル → Mixture of Agents	参照モデルと集約モデルの組み合わせを作成・編集する

作成・編集画面では、上部のドロップダウンでプリセットを選び、Set default（既定化）・Delete（削除）、new preset に名前を入れて Add preset（新規追加）を操作する。各 Reference N でプロバイダーとモデルを選び（Remove で削除、Add reference model で追加）、集約モデル（Aggregator）を指定する。雛形プリセット default（参照: OpenAI Codex gpt-5.5 / OpenRouter deepseek/deepseek-v4-pro、集約: OpenRouter anthropic/claude-opus-4.8）が最初から入っており、既定プリセットに設定されている。

手動の保存ボタンはなく、編集内容は自動保存される。

• スロット（参照・集約）の変更は、編集が止まってから 600 ミリ秒後に自動保存される。
• プリセット単位の操作（Set default / Add preset / Delete）はクリック時に即保存される。
• プロバイダーだけ選んでモデルが未選択の「半入力」スロットがある間は、保存が保留される。バックエンドが不完全なプリセットを HTTP 422 で拒否する仕様のため、UI は入力の完了を待ち、スロットが埋まった時点でプリセット全体をまとめて保存する。保留中もディスク上には直前の完全な設定が残る。

MoA はモデルシステム上の通常プロバイダーなので、/goal・ゲートウェイセッション・TUI・デスクトップチャットと自動的に組み合わさる。

画面ラベルは英語表示

MoA 設定の見出しやボタンラベル（Mixture of Agents、Reference、Set default、Add preset、Remove など）は日本語ロケールに未登録のため、日本語 UI でも英語で表示される。

/moa ─ 単発ショートカット

/moa <プロンプト> は、既定の MoA プリセットで1回だけ実行し、終わったら元のモデルへ戻す単発コマンド。引数全体がプロンプトとして扱われ、セッションのモデルは変わらない。セッション全体を MoA プリセットに切り替えたい場合は、モデルピッカーから選ぶ（/moa はモデルを切り替えない設計）。

設定（config.yaml）

moa 配下に名前付きプリセットを持つ。プロバイダー/モデルのペアを明示するので、異なる会社のプロバイダーを混在できる。

moa:
  default_preset: default
  presets:
    default:
      reference_models:
        - provider: openai-codex
          model: gpt-5.5
          reasoning_effort: high   # スロット別の推論レベル（任意）
        - provider: openrouter
          model: deepseek/deepseek-v4-pro
      aggregator:
        provider: openrouter
        model: anthropic/claude-opus-4.8
        reasoning_effort: low      # 集約モデルは速く、なども可能
      reference_max_tokens: 600    # アドバイザー出力の上限（任意）
      fanout: per_iteration        # または user_turn
      enabled: true

ターミナルからは hermes moa list / hermes moa configure [name] / hermes moa delete <name> で管理する。

製品既定値には雛形プリセット default（default_preset: default）が含まれる。プリセット単位の主な設定キーは次のとおり。

キー	既定	内容
reference_temperature / aggregator_temperature	未設定（送らない）	既定では temperature を API に送らず、プロバイダー既定に従う（単一モデル動作と同じ）。数値を書いた場合だけ送信される
max_tokens	4096	集約モデルの出力上限
reference_max_tokens	未設定（無制限）	参照モデル（アドバイザー）1回あたりの出力上限。MoA の遅延の大半はアドバイザーの生成時間のため、600 程度に絞ると1ターンの所要時間を大きく短縮できる。集約モデルの出力（ユーザーに見える回答）は制限しない
fanout	per_iteration	参照モデルを走らせる頻度。per_iteration はツール反復のたびに再実行し、助言が作業状態に追従する。user_turn はユーザーターンごとに1回だけ実行し、以降のツールループは集約モデル単体で進む（高速・低コスト）
reference_models[].reasoning_effort / aggregator.reasoning_effort	未設定	スロット別の推論レベル（前述の「推論レベルの細粒度制御」を参照）
enabled	true	false で参照の分散を止め、集約モデル単体で動く

トレース保存は moa.save_traces（既定 false）と moa.trace_dir で制御する。

補足

• 集約モデルに別の MoA プリセットは指定できない（再帰は禁止）。仮想プロバイダーは参照・集約スロットに指定できない。
• 一部の参照モデルが認証失敗しても、そのターンは中断せず、返ってきたモデルだけで続行する。
• MoA はモデル呼び出し回数を増やす（1反復で複数の参照呼び出し＋集約呼び出し）。ただしメイン会話のプロンプトキャッシュは壊さない設計。
• プリセットに enabled: false を設定すると参照の分散は止まり、集約モデル単体で動く（プリセットごとのオフスイッチ）。
• hermes tools の一覧には出ない（有効化するツールセットではない）。

推奨方針

1. まずメインモデルだけを設定する。
2. 補助モデルは速度・費用の問題が確認できたタスクだけ分離する。
3. コンテキストウィンドウは自動検出にする。
4. 業務継続が必要な場合だけ、別プロバイダーのフォールバックを1～2個登録する。
5. 難しいタスクで精度が要る場面だけ、MoA プリセットを試す。通常のタスクは単一モデルで足りる。
6. 推論レベルはグローバル既定（中）で運用を始め、特定モデル・特定タスクで過不足が出たときだけ agent.reasoning_overrides や補助タスク別・MoA スロット別の指定で調整する。