Hermes Agent vs OpenClaw: comparativa técnica (2026)

OpenClaw es el framework de agentes personales más adoptado de 2026. Nació como Warelay (un relay de WhatsApp) en noviembre de 2025, pasó por varios renombres (Clawdbot, Moltbot) y alcanzó el rebrand final a OpenClaw en enero de 2026 tras superar 100.000 estrellas. A mayo de 2026, con más de 371.000 estrellas y rango global #6 en Star History, es la referencia para usuarios que quieren un asistente personal multi-canal: conecta 24+ plataformas de mensajería con agentes de IA en un gateway Node.js local-first. Su fortaleza es la flexibilidad de integración; su debilidad histórica, los problemas de seguridad.

Hermes Agent es el proyecto de Nous Research que se posiciona técnicamente como el framework más interesante para memoria, auto-mejora y aprendizaje por refuerzo. Creado en julio de 2025, llegó a 142.000 estrellas en GitHub en menos de un año, con un ritmo de releases casi semanal (v0.13.0 en mayo de 2026 incluye 864 commits, 588 PR merged y 295 contribuidores nuevos respecto a la versión anterior). Su apuesta es el closed learning loop: el agente aprende, crea skills desde la experiencia y construye un modelo de usuario persistente. El migrador oficial desde OpenClaw es su principal arma competitiva.

La elección entre uno y otro no es obvia y depende mucho del perfil de uso. La comparativa que sigue desglosa cada dimensión técnica relevante con datos verificados a mayo de 2026.

OpenClaw: gateway persistente multi-canal

OpenClaw es un proceso Node.js/TypeScript que actúa como gateway local-first. El binario principal es openclaw (vía openclaw.mjs), que por defecto escucha en el puerto 18789. Su arquitectura interna define un Gateway supervisado con módulos enchufables para cada canal de mensajería, mientras los agentes corren aislados con su propio espacio de trabajo y estado. El Gateway recibe mensajes de múltiples servicios vía WebSocket/HTTP y los enruta al agente correspondiente. La configuración se gestiona en openclaw.json (con soporte JSON5) y la persistencia vive en archivos Markdown y LMDB local.

El modelo de programación es reactivo por eventos de chat. Los agentes ejecutan bucles planificar-ejecutar-resultado típicos de LLMs, pero sin retener experiencia automáticamente. Al ser un solo proceso Node, es ligero para decenas de conversaciones concurrentes, pero no está diseñado para miles de tareas pesadas en paralelo.

Hermes Agent: learning loop con procesos de SO separados

Hermes Agent es un framework Python modular con múltiples entrypoints (CLI, Gateway, API REST, batch runner) que alimentan el mismo bucle AIAgent. Su persistencia es más sofisticada: SQLite+FTS5 para historial y búsqueda de sesiones, LanceDB como vector DB para memoria semántica, y kanban.db para el Kanban multiagente persistente.

La distinción arquitectónica más importante de Hermes es que cada worker multiagente es un proceso de SO separado, no un subagente in-process como en la mayoría de frameworks. Esto hace que la multiagencia duradera sea real: board de tareas + procesos de SO + handoffs persistidos. La capa de backends de ejecución es la más amplia de los dos sistemas: local, Docker, SSH, Singularity, Modal, Daytona y Vercel.

OpenClaw apuesta por la transparencia total: cada entrada de memoria es un archivo Markdown (MEMORY.md, memory/YYYY-MM-DD.md) que puedes leer, editar y auditar directamente con cualquier editor de texto. No hay límite duro de tamaño. La búsqueda es por índice FTS. El precio de esta apertura es que el sistema no consolida ni prioriza la memoria automáticamente: eres tú quien decide qué guardar y cuándo. Si la memoria crece sin control, puede volverse ineficiente sin mantenimiento manual.

Hermes Agent impone límites estrictos (aproximadamente 2.200 caracteres para la memoria del agente) y fuerza la consolidación cuando se llena, descartando o resumiendo entradas menos relevantes. Esto evita la "hinchazón" de memoria a costa de perder transparencia. En paralelo, registra un modelo de usuario en USER.md que Hermes actualiza activamente basándose en las interacciones, y almacena episodios en SQLite con búsqueda FTS5 y resúmenes generados por LLM. Además, Hermes puede conectar con Honcho u otros backends de memoria como plugins.

La ventaja de aprendizaje autónomo de Hermes es concreta: después de cada tarea, el agente evalúa los resultados, extrae skills reutilizables y actualiza el modelo de usuario. Con el tiempo, el agente mejora en las tareas que hace con frecuencia para los mismos usuarios. OpenClaw no tiene este mecanismo: su comportamiento no cambia con el uso más allá de lo que el usuario configura explícitamente.

Ambos sistemas son compatibles con el estándar AgentSkills: cada skill es un directorio con un archivo SKILL.md, frontmatter YAML e instrucciones en lenguaje natural. Este formato compartido facilita la portabilidad y es la razón por la que el migrador de Hermes puede importar los skills de OpenClaw sin transformación.

La diferencia está en el punto de partida. Hermes Agent incluye 48 herramientas integradas (más 40 conjuntos de skills opcionales) listas para usar desde el primer arranque. No necesitas instalar nada adicional para tener capacidades de terminal, navegador, visión, TTS, cron, MCP, Home Assistant o SMS.

OpenClaw depende de ClawHub, el registro público de skills que a mayo de 2026 publicita 52.700 herramientas, 180.000 usuarios y 12 millones de descargas. Aunque el ecosistema de ClawHub es más amplio en número de skills publicados, el acceso a ese ecosistema requiere instalación explícita. El incidente de skills maliciosas en enero-febrero de 2026 (que obligó a añadir revisión de skills en ClawHub) es un precedente de seguridad relevante.

La capacidad única de Hermes de generar nuevas skills automáticamente a partir de la experiencia del agente no tiene equivalente en OpenClaw. Con el tiempo, un agente Hermes bien usado desarrolla un catálogo personalizado de habilidades optimizadas para los flujos de trabajo específicos de su usuario.

Hermes Agent: defensa en profundidad

Hermes implementa un modelo de seguridad pensado para entornos corporativos y de producción. Las capas de protección incluyen autorización de usuario con aprobación manual de comandos peligrosos, aislamiento en contenedores Docker/Singularity con flags de seguridad y límites de recursos, filtrado de credenciales vía MCP, detección de inyección de prompts en archivos, separación completa entre sesiones y sanitización de inputs. Además, las acciones destructivas (rm -rf /, fork bombs) están bloqueadas de forma permanente.

A mayo de 2026, los registros públicos de Hermes muestran solo algunos CVEs, entre los que se documentó CVE-2026-22798 (vulnerabilidad de divulgación de información en el filtrado de logs), que fue corregido rápidamente. El equipo de Nous Research tiene un proceso de respuesta a vulnerabilidades activo.

OpenClaw: historial extenso de vulnerabilidades

OpenClaw es el único framework del ecosistema con una trazabilidad pública realmente densa de advisories. A 30 de abril de 2026, GitHub mostraba 1.309 security advisories desde el 10 de enero de 2026: 535 publicadas, 746 cerradas como inválidas, y de 109 críticas, 95 cerradas como inválidas. El post oficial "How OpenClaw Got Safer in Public" reconoce bugs reales de autenticación, confusión de privilegios, bypass de sandbox, manejo inseguro de variables de entorno y path traversal en screen_record.

El CVE-2026-24763 (inyección de comandos en Docker sandbox) fue el más significativo. El modelo de sandbox de OpenClaw tiene modos off/non-main/all, pero la documentación oficial advierte explícitamente que si necesitas aislamiento frente a usuarios hostiles, debes separar por usuario de SO o por host y correr gateways distintos. Es una herramienta pensada para el modelo de "asistente personal de un solo operador de confianza".