OpenClaw, Hermes Agent, Letta, Auto-GPT i NemoClaw — który open-source agent AI wybrać w 2026?
Pierwszy kwartał 2026 był dla agentów AI jak Eksplozja kambryjska. OpenClaw przebił 347 000 gwiazdek na GitHubie i wyprzedził Reacta jako najczęściej obserwowane repozytorium w historii platformy. Hermes Agent zdobył 100 000 gwiazdek w 7 tygodniach od premiery. NVIDIA wypuściła NemoClaw z 17 partnerami enterprise. Letta — spinoff projektu MemGPT z UC Berkeley — zebrała 10 mln USD seed round od Felicis Ventures.
Z zewnątrz ML-świata wszystkie te narzędzia wyglądają tak samo: „autonomiczny agent AI z pamięcią, open-source, do automatyzacji”. Każde z nich rozwiązuje jednak inny problem — i wybór złego narzędzia to kilka dni konfiguracji wyrzucone w błoto.
Który z pięciu głównych agentów open-source pasuje do Twojego use-case’u? Bez kodu, bez doktoratu z ML — z perspektywy twórcy, który chce mieć z tego roboty na co dzień.
Key Takeaways
- OpenClaw (347k gwiazdek) — największy ekosystem skilli i integracji z komunikatorami; 9 CVE w marcu 2026 to realny problem bezpieczeństwa
- Hermes Agent — najszybciej rosnący framework 2026 (100k gwiazdek w 7 tygodni), uczy się własnych skilli z każdego zadania; zero CVE
- Letta — jedyny agent z trójwarstwową pamięcią (Core/Recall/Archival) i ADE do debugowania; wybór gdy liczy się długoterminowa pamięć
- Auto-GPT — historyczny pionier, dziś traktowany przez społeczność jako „zombie project”; nieuzasadniony wybór jeśli zaczynasz od zera
- NemoClaw — enterprise security wrapper NVIDIA na OpenClaw z 17 partnerami; overkill dla solo twórcy, uzasadniony przy wdrożeniach korporacyjnych
Czym jest agent AI i czym różni się od chatbota?
Chatbot odpowiada na pytania. Agent wykonuje zadania — sam, bez Twojego nadzoru przy każdym kroku.
Konkretny przykład: powiedz agentowi „przeszukaj 20 stron o konkurencji, wyciągnij kluczowe dane, porównaj z moją ofertą i zapisz raport do Notiona” — wykona to jako sekwencję kroków, używając narzędzi (przeglądarki, API, plików), podejmując decyzje po drodze.
Trzy cechy odróżniające agenta od chatbota:
| Cecha | Chatbot | Agent AI |
|---|---|---|
| Autonomia | Odpowiada na jedno pytanie | Planuje i realizuje wielokrokowe zadania |
| Pamięć | Zaczyna od zera przy każdej rozmowie | Pamięta klientów, projekty, historię sesji |
| Narzędzia | Generuje tekst | Wywołuje API, przegląda strony, wysyła maile |
Dlaczego 2026 jest inny niż 2023? Wtedy modele były za słabe na wielokrokowe planowanie. Teraz modele z kontekstem 128k+ robią to sprawnie, tooling dojrzał, a 9 CVE w jednym miesiącu w OpenClaw pokazuje, że ekosystem doroślał — razem z problemami dorosłej infrastruktury.
OpenClaw — lider z bagażem
347 000+ gwiazdek na GitHubie. Najczęściej obserwowane repozytorium w historii platformy. OpenClaw wyprzedził React (243 000 gwiazdek) i Linuxa w ciągu zaledwie kilku miesięcy od premiery — co w open-source jest bezprecedensowym zjawiskiem.
Jak to działa w praktyce
OpenClaw jest „gateway-first” — zaczął jako brama do komunikatorów i w tej roli bije resztę rynku. Agent żyje w Twoim Telegramie, Slacku, WhatsAppie, Discordzie lub iMessage (przez BlueBubbles). Ponad 25 obsługiwanych platform. Standardowa architektura: warstwa kanałów → brain (przetwarzanie) → body (akcje), plus pliki konfiguracyjne SOUL/TOOLS/MEMORY.
ClawHub to marketplace gotowych skilli pisanych przez społeczność — odpowiednik app store dla agenta. Zamiast budować od zera agenta do obsługi maili, pobierasz gotowy skill i konfigurujesz pod siebie.
Gdzie zaczyna skrzypieć
⚠️ Bezpieczeństwo: między 18 a 21 marca 2026 skatalogowano 9 CVE w OpenClaw — w ciągu zaledwie 4 dni. Jedna luka miała CVSS 9.9/10 (krytyczna). Badacze znaleźli 42 900 instancji wystawionych na internet, z czego 15 200 podatnych na RCE. Jeśli przez agenta przechodzą dane klientów, umowy czy dostępy do API — to nie jest abstrakcyjne ryzyko.
4 kwietnia 2026 Anthropic wdrożył zmianę polityki: subskrypcje Claude Pro/Max przestały pokrywać użycie przez third-party harnessy, w tym OpenClaw. Tysiące użytkowników przestawiło się z dnia na dzień na alternatywne modele lub płatne API — koszty dla części wzrosły do 50x poprzednich.
Twórca projektu, Peter Steinberger, dołączył do OpenAI 15 lutego 2026. OpenClaw prowadzi teraz fundacja non-profit — stabilnie, ale kierunek decyzji może się zmienić.
Koszty tokenów w praktyce
OpenClaw pakuje do kontekstu instrukcje, historię rozmowy, dostępne skille i pliki pamięci — to bardzo długie prompty. Przy frontierowych API (GPT, Claude Sonnet) długie sesje szybko generują wysokie rachunki. Alternatywa: lokalne modele przez Ollama, ale wtedy potrzebujesz sprzętu z GPU lub mocnego VPS.
Dla kogo: chcesz asystenta w komunikatorze z gotowymi integracjami od pierwszego dnia, masz czas na konfigurację (Docker, modele, skille), lubisz tinkering i Twoje dane nie są wrażliwe.
Hermes Agent — challenger z czystą kartą
Premiera: 25 lutego 2026. 100 000 gwiazdek w 7 tygodniach — najszybsze tempo wzrostu w historii frameworków agentowych. Wielu deweloperów wprost pisze, że widzi w nim następcę OpenClaw.
Zamknięta pętla uczenia — to nie marketing
Sercem Hermesa jest closed learning loop. Brzmi abstrakcyjnie, ale mechanizm jest konkretny:
- Agent wykonuje zadanie
- Ocenia własny wynik
- Wyciąga z niego nowy skill jako wielokrotnie używalny moduł
- Przy następnym podobnym zadaniu działa szybciej i lepiej
To zmiana jakościowa wobec agentów, które przy każdym starcie zaczynają od tego samego punktu. Po miesiącu używania do researchu pod YouTube — agent zna Twój format, preferencje, styl pytań.
Architektura: 3-warstwowa (orchestration → execution → provider). Pamięć hybrydowa: sesyjna + trwała między sesjami + „skill memory” (wyuczone wzorce).
Bezpieczeństwo i brak vendor lock-in
Zero CVE specyficznych dla frameworka przy starcie. Hermes działa z ponad 200 modelami LLM, w tym lokalnymi przez Ollama. Blokada Anthropica z 4 kwietnia 2026 nie dotknęła Hermesa — brak przywiązania do jednego dostawcy to tu realna wartość, nie slogan.
Słabsza strona
Hermes ma mniej gotowych integracji z komunikatorami niż OpenClaw. Gdzie OpenClaw „wyskakuje” w Telegramie po godzinie konfiguracji, Hermes wymaga więcej pracy przy podpięciu do zewnętrznych kanałów. To bardziej framework niż gotowy produkt — i ta elastyczność jest jednocześnie jego siłą.
Dla kogo: twórcy automatyzujący powtarzalne zadania (research pod YouTube, generowanie briefów, raporty), którzy chcą agenta uczącego się ich stylu pracy — i którym po marcu 2026 zależy na bezpieczniejszym punkcie wyjścia niż OpenClaw.
Letta (dawne MemGPT) — kiedy pamięć jest wszystkim
Letta wyrosła z projektu badawczego MemGPT z UC Berkeley i rozwiązuje problem, który reszta agentów traktuje pobieżnie: jak sprawić, żeby agent naprawdę pamiętał przez długi czas.
Trójwarstwowa pamięć — analogia do architektury komputerowej
Core Memory ←→ RAM (aktywne okno kontekstu)
Agent czyta i pisze bezpośrednio
Recall Memory ←→ Cache dysku (historia poza kontekstem)
Agent odpytuje gdy szuka czegoś z przeszłości
Archival Memory ←→ Zimne przechowywanie (długoterminowe)
Agent odpytuje jak bazę danych
Kluczowy mechanizm: agent sam decyduje, co warto zapamiętać i gdzie to zapisać. Robi to w trakcie pętli rozumowania, wywołując funkcje pamięci jak narzędzia — Ty nie zarządzasz jego wiedzą ręcznie.
ADE — debugowanie tego, co agent „myśli”
Agent Development Environment to środowisko, w którym widzisz dokładnie: co ma w pamięci, jak rozumuje, gdzie utknął. Dla kogoś budującego poważniejsze systemy to fundamentalna różnica wobec czarnej skrzynki.
Letta Code — flagowy coding agent — zajmuje topowe pozycje w Terminal-Bench (maj 2026), model-agnostycznym benchmarku coding agentów. Dowód, że memory-first podejście działa też poza prostymi chatbotami.
Czego wymaga
Letta to platforma, nie skrypt. Wymaga serwera + bazy danych. Na VPS to kilka kroków konfiguracji; bez zaplecza technicznego próg wejścia jest wyższy niż przy OpenClaw.
Dla kogo: agent ma „znać” Twoich klientów, historię projektów lub zawartość repozytorium — nie przez tydzień, ale przez miesiące. Twórcy kursów z setkami uczestników, agencje z portfelem kilkudziesięciu klientów, deweloperzy budujący stateful systemy.
Auto-GPT — historyczny klasyk, który przegapił 2026
Auto-GPT był pierwszym głośnym autonomicznym agentem — pojawił się w 2023, zebrał ~182 000 gwiazdek i pokazał światu, że LLM może planować wielokrokowo. To zasługa, której nie można mu odebrać.
W 2026 społeczność określa go bez ogródek: „zombie project”. Kilka pivotów strategicznych, brak stabilnej chmury, Developer Experience wyraźnie w tyle za OpenClaw i Hermesem. Nowe projekty nie budują się na Auto-GPT jako fundamencie.
💡 Kiedy Auto-GPT ma sens: chcesz zobaczyć jak wygląda autonomiczne planowanie agenta — bez instalacji czegokolwiek. Po tygodniu przeskocz na Hermesa lub OpenClaw. Konkretnych kwot SaaS nie podaję — zmieniają się często, sprawdź na auto-gpt.ai.
NemoClaw — OpenClaw dla korporacji
NemoClaw to nie nowy agent. To warstwa bezpieczeństwa nałożona na OpenClaw.
NVIDIA ogłosiła NemoClaw na GTC 2026 (marzec) z 17 partnerami enterprise — Adobe, Salesforce, SAP, CrowdStrike i inne. Open-source (Apache 2.0). Czterowarstwowa izolacja: sieć, system plików, procesy, inference.
Dla solo twórcy lub małej firmy: overkill operacyjny. NemoClaw wymaga klastrów, monitoringu i polityk dostępu — to platforma dla zespołu DevOps, nie narzędzie do hackowania automatyzacji w weekend.
Dla kogo: wdrożenia enterprise z wymaganiami compliance, audytu i izolacji. Sprzedajesz automatyzacje klientom korporacyjnym i potrzebujesz zabezpieczyć produkcję — NemoClaw + OpenClaw to uzasadniony stack.
Porównanie jednym rzutem oka
| Narzędzie | Najlepsza strona | Największy problem | Dla kogo |
|---|---|---|---|
| OpenClaw | Ekosystem (347k gwiazdek, ClawHub, 25+ platform) | 9 CVE / marzec 2026 | Personal asystent w komunikatorach |
| Hermes Agent | Self-improving skills, zero CVE, provider-agnostic | Mniej gotowych integracji | Twórcy z powtarzalnymi workflowami |
| Letta | Trójwarstwowa pamięć, ADE do debugowania | Wymaga serwera + bazy | Gdy liczy się długoterminowa pamięć |
| Auto-GPT | Brak instalacji, dobre intro do konceptu | „Zombie project” wg społeczności | Tylko jako pierwsze ćwiczenie |
| NemoClaw | 4-warstwowa izolacja, 17 partnerów enterprise | Overkill dla małych firm | Enterprise compliance |
Który agent wybrać? Pięć scenariuszy
„Chcę asystenta w Telegramie do maili, CRM i briefów” → OpenClaw. Największy ekosystem integracji i gotowe skille na ClawHub. Jeśli bezpieczeństwo jest priorytetem — Hermes z własną konfiguracją kanałów.
„Agent ma znać moich klientów i historię projektów przez wiele miesięcy” → Letta. Trójwarstwowa pamięć i ADE do debugowania. Jedyne narzędzie, które traktuje długoterminową pamięć jako produkt, nie dodatek.
„Robię YouTube, chcę agenta do researchu pod odcinki i automatyzacji” → Hermes Agent. Closed learning loop sprawi, że z każdym tygodniem agent lepiej rozumie Twój format i styl pracy.
„Wdrażam agenta dla klienta enterprise z działem IT” → NemoClaw + OpenClaw. Jedyna opcja z czterowarstwową izolacją i ścieżką audytu.
„Dopiero zaczynam i chcę zrozumieć o co chodzi” → Auto-GPT przez SaaS na tydzień — bez instalacji, zobaczysz jak działa autonomiczne planowanie. Potem przejdź na Hermesa lub OpenClaw.
🎯 Zanim wybierzesz narzędzie — zdefiniuj use-case w jednym zdaniu. „Chcę agenta AI” to za mało. „Chcę agenta, który codziennie o 8:00 wyciągnie newsletter ze skrzynki, przetworzy go i zapisze do Notiona” — to wybór konkretnego narzędzia.
FAQ
Czy agenty AI open-source są bezpieczne?
To zależy od narzędzia i konfiguracji. OpenClaw miał 9 CVE w marcu 2026, jedna z lukzłem CVSS 9.9/10 — jeśli przez agenta przechodzą dane klientów, to realny problem. Hermes startował z zerowym CVE. NemoClaw buduje czteropoziomową izolację pod enterprise. Żaden agent nie jest bezpieczny z definicji — bezpieczeństwo zależy od architektury, aktualności wersji i konfiguracji sieci.
Ile kosztuje własny agent AI na VPS?
Sam framework jest darmowy (MIT lub Apache 2.0). Płacisz za: VPS (15–50 €/mies. zależnie od specyfikacji), tokeny LLM przy API zewnętrznych (zależy od intensywności użycia) i czas konfiguracji — wyższy przy OpenClaw niż przy Hermesie. Przy lokalnych modelach przez Ollama płacisz tylko infrastrukturą, nie tokenami.
Czym różni się OpenClaw od Hermes Agent?
OpenClaw jest gateway-first — zaczął od integracji z komunikatorami i ma największy ekosystem gotowych skilli. Hermes jest agent-first z closed learning loop — uczy się własnych skilli z każdego zadania. OpenClaw wygrywa gotowością i ekosystemem; Hermes — architekturą, bezpieczeństwem i zdolnością do uczenia się stylu pracy użytkownika.
Czy Letta to to samo co MemGPT?
Letta to komercjalizacja projektu badawczego MemGPT z UC Berkeley. MemGPT był akademicką publikacją pokazującą, jak zarządzać pamięcią agenta poza oknem kontekstu. Letta buduje na tym fundamencie platformę z ADE, Letta Cloud i wsparciem komercyjnym.
Co to jest NemoClaw i czy zastępuje OpenClaw?
NemoClaw nie zastępuje OpenClaw — to security wrapper, który instaluje się na OpenClaw i dodaje czterowarstwową izolację (sieć, system plików, procesy, inference). NVIDIA wypuściła go z myślą o enterprise, gdzie sam OpenClaw nie spełnia wymagań compliance.
Podsumowanie
Pięć narzędzi, pięć różnych odpowiedzi na pięć różnych pytań:
- OpenClaw — gdy zależy Ci na gotowym ekosystemie w komunikatorach (i jesteś świadomy ryzyk bezpieczeństwa)
- Hermes Agent — gdy zależy Ci na agencie uczącym się Twoich workflowów i czystej karcie bezpieczeństwa
- Letta — gdy zależy Ci na trwałej, debugowalnej pamięci przez miesiące
- Auto-GPT — gdy chcesz zrozumieć czym są agenty, nie budować produkcji
- NemoClaw — gdy klient wymaga enterprise-grade compliance i audytu
Zanim wejdziesz w konfigurację, napisz jedno zdanie: jaki problem ten agent ma rozwiązać. Reszta to konsekwencja.
Jeśli chcesz wdrożyć agenta AI w procesach swojej firmy i nie wiesz od czego zacząć — zacznij od audytu procesów, nie od wyboru narzędzia: szkolenia z AI dla firm →
