Infini-AI-Lab wypuścił Hermit - framework open-source do adaptacji agentów AI bez konieczności modyfikacji ich głównego modelu czy infrastruktury. Framework pracuje poprzez trening zewnętrznego adaptera harness, pozostawiając zamrożone zarówno model agenta jak i jego harness. Wersja 0.1.0 trafiła na rynek 25 października 2026 roku, a o projekcie ogłosił postdoktor z CMU Haizhong Zheng na platformie X 27 października.
Hermit to框架napisany w Pythonie, dostępny na licencji Apache-2.0 i instalowany przez pip install hermit-harness. Adapter harness działa jak wtyczka z wbudowaną obsługą treningu - może zawierać instrukcje, umiejętności, pamięć, narzędzia, kod wykonywalny i logikę koordynacji agenta. Różni się od popularnych adapterów modeli takich jak LoRA, które adaptują parametry samego modelu. Zamiast tego Hermit adaptuje całego agenta bez potrzeby modyfikacji jego podstawowych komponentów.
W praktyce framework pozwala programistom dostosować agentów takich jak Codex czy Claude Code do nowych zadań bez fine-tuningu czy forków. Do szybkich testów wystarczy Python bez GPU czy dostępu do modelu, a pełne uruchomienia wspierają dowolny API backend lub lokalne serwery jak vLLM, SGLang czy Ollama. Na benchmarkach OfficeQA, CL-Bench i ServeLearnBench z GLM 5.3 Flash najlepszy MWM adapter osiągnął 0.795 dokładności przy eksploracji baz danych wobec 0.580 dla baseline'u bez adaptera. Jednak większość wyników pochodzi z pojedynczych uruchomień i jest samodzielnie raportowana, co wymaga dalszej weryfikacji.