Hermes成本与额度约 2 分钟

本地小视觉模型省云端费

Local vision plus cheap DeepSeek

要点

用 DeepSeek V4 Flash 做规划，把 LFM2.5-VL-3B 当本地眼睛。
明确要求只走本地视觉浏览，即可躲开云端视觉接口账单。
三亿参数本地模型已能完成新闻、地图和摄像头多步点击。
感知和规划拆开后，出问题能更快判断是看错还是执行错。

原帖开头

DeepSeek V4 Flash + LFM2.5-VL-3B as the vision auxiliary in Hermes Agent is a deadly combo. DeepSeek handles the agentic work. LFM2.5-VL-3B gives it the eyes. I told it to use only its local vision model to browse. It read Hacker News, picked the top story, opened the eclipse m …