OpenClaw vs. OpenHuman vs. Hermes Agent: Tre måder at selvhoste en personlig AI

OpenClaw, OpenHuman og Hermes Agent bliver ved med at blive stillet op mod hinanden på GitHub Trending, HN og YouTube-oversigter, som om de var tre varianter af det samme. Det er de ikke. Forskellen mellem dem er ikke deres funktionslister. Det er, hvornår hver af dem lærer dig at kende.

OpenHuman opbygger en model af dig, før du overhovedet skriver en prompt. OpenClaw lærer det, du fortæller det, session for session, på tværs af den chatapp, du skriver til det fra. Hermes ligger midt imellem: det reagerer på dig som OpenClaw, men holder en vedvarende hukommelse, der vokser, hver gang du bruger det. Den akse afgør, mere end antal stjerner eller kanallister, hvilket værktøj du reelt ønsker.

Her er sammenligningen på den akse, plus sikkerhedsdimensionen, der betyder noget, hvis du skal køre OpenClaw, og hvor hver af dem kører, når du har valgt.

Den korte version

• Værktøjerne adskiller sig på én akse: hvornår agenten får sin kontekst. OpenHuman er hukommelse-først (det indsamler proaktivt dine data i en 20-minutters løkke). OpenClaw er session-reaktivt (det ved, hvad du fortæller det). Hermes er reaktivt, men holder en vedvarende, selvforbedrende færdighedsgraf på tværs af sessioner.
• OpenClaw is the multi-channel reach play, with about 30 messaging platforms, the biggest ecosystem (380K+ GitHub stars), and by far the heaviest CVE history. Safe to self-host if you keep it off the public internet and authenticate it; risky if you deploy it the lazy way.
• OpenHuman er for folk, der vil have, at agenten allerede kender dem: proaktiv hukommelse på tværs af 100+ integrationer, en desktop-app parret med en headless serverkerne, du kan køre på en VPS. Det er stadig det yngste af de tre og GPL-3.0-licenseret, men det har allerede mindst én rapporteret CVE, så behandl "ungt projekt" som en grund til at verificere patches, ikke som en ren sikkerhedshistorik.
• Hermes Agent er det server-native valg fra en troværdig forskningsorganisation (Nous Research), med planlagte jobs, delegering til subagenter, en indbygget læringsløkke og en MIT-licens. Det har et mindre CVE-aftryk end OpenClaw, men ikke et blankt, så sikkerhedsvinklen bør være "færre kendte problemer", ikke "ingen fundet".

Forskellen, der afgør, hvilket du vil have

Stil hvert værktøj det samme spørgsmål, "hvad ved du om mig lige nu, før jeg siger noget?", og du får tre forskellige svar. Det er hele sammenligningen i ét spørgsmål.

OpenHuman svarer, før du spørger. Det kører en 20-minutters polling-løkke mod 100+ OAuth-forbundne tjenester (Gmail, Notion, GitHub, Slack, Calendar og så videre) og 5.000+ MCP-servere, trækker dine data ind og komprimerer dem til en scoret Markdown-struktur, som det kalder et Memory Tree, lagret i lokal SQLite og spejlet som et Obsidian-vault. Når du åbner en samtale, har det allerede bygget en model af dit liv. Dets eget slogan, "a brain that builds a local-first memory of your life", er arkitekturen, ikke marketing.

OpenClaw svarer med det, du har fortalt det i denne session. Det er en gateway: én daemon-proces dirigerer indgående beskeder fra dine chatapps til agent-instanser, og kontekst ophober sig reaktivt gennem disse sessioner og dens plugin-system. Det ved, hvad der er sket i samtalen, og hvad dets værktøjer har bragt frem. Det sidder ikke i baggrunden og indsamler din indbakke.

Hermes svarer med det, det har lært indtil videre. Ligesom OpenClaw er det reaktivt; det reagerer på beskeder og planlagte hændelser i stedet for proaktivt at hente dine data. Men det kører en lukket læringsløkke: det skaber færdigheder ud fra erfaring, forfiner dem mens det arbejder og vedligeholder en vedvarende brugermodel på tværs af sessioner. Så det kender ikke hele dit liv, som OpenHuman gør, men det starter heller ikke fra nul hver session. Arkitektonisk lander det mellem de to andre.

Når du først ser opdelingen på den måde, falder resten af sammenligningen på plads. Afsnittene for hvert værktøj nedenfor er reelt bare "hvad hvert svar koster dig og giver dig".

OpenClaw: Multikanal-gatewayen

Start with reach, because that's OpenClaw's whole pitch: you message it from WhatsApp, and it answers. Same from Telegram, Slack, Discord, Signal, iMessage, Teams, Matrix, and a dozen more, with about 30 messaging platforms treated as first-class channels. If your mental model of a personal AI is "the thing I text from my phone," OpenClaw is built for exactly that.

Under motorhjelmen er det en TypeScript/Node-gateway-daemon: én Gateway-proces, der håndterer kanaler, sessioner, værktøjer og routing til isolerede agent-instanser, med et web-dashboard på localhost:18789. Ovenpå det ligger et skills/plugin-system med et stort community-register, stemmetilstande (wake word og kontinuerlig stemme på mobil), Docker/SSH/sandbox-backends og Live Canvas, et agent-drevet visuelt arbejdsområde. Det er MIT-licenseret og det mest stjernemarkerede af de tre med bred margin, med 380K+ på GitHub, hvilket betyder det største økosystem og flest tredjeparts-skills, på godt og ondt (mere om det onde om et øjeblik).

Hvis du har læst our OpenCode vs OpenClaw comparison, note that OpenCode is a separate project: OpenClaw itself is this always-on personal-agent gateway, not a repo-focused coding CLI.

Styrken her er nem at formulere: intet andet i denne sammenligning kommer i nærheden af kanalrækkevidde eller økosystemets størrelse. Haken er, at hele den overflade (23 kanaler, et enormt tredjeparts-skill-register, et dashboard, der vil kunne nås) også er angrebsflade. Hvilket er sit eget afsnit.

OpenClaw's sikkerhedshistorik: Hvad "selvhostet" faktisk kræver her

Community-CVE-trackeren for OpenClaw (jgamblin/OpenClawCVEs) rapporterer nu 543 OpenClaw-CVE'er fra en direkte CVE List V5-scanning, mens OpenCVE-databasen lists 500+ entries under the OpenClaw vendor tag. Treat the exact count as moving data, not a fixed scorecard; the important point is that OpenClaw has a much heavier public CVE footprint than OpenHuman or Hermes.

Two are worth naming because they define the risk. CVE-2026-32922 (CVSS 9.9, critical) is a privilege escalation documented by ARMO, where a single API call turns a pairing token into full admin access with remote code execution. CVE-2026-25253 (CVSS 8.8, high) is a cross-site WebSocket hijacking flaw: a malicious webpage can steal your auth token and run code on your host from a single link. It was patched in v2026.1.29 and drew advisories from multiple organizations including Microsoft. There was also a supply-chain event, sometimes called ClawHavoc, where malicious skills were planted in the community skill registry; one audit of 2,857 skills found 341 malicious, and one bad skill reached #1 in the registry while shipping a macOS stealer payload.

Here's the part that reframes all of it, though: the biggest real-world risk isn't the CVEs, it's deployment. A large proportion of the OpenClaw instances found exposed on the public internet were running with no authentication at all, because operators reconfigure port 18789 for remote access without adding authentication (the shipped default binds to loopback and requires auth). Many of the tracked CVEs are patched in current versions. What isn't patched by an update is a wide-open instance sitting on a public IP.

Pro-tip. Hærd før du eksponerer noget som helst. Bind ikke OpenClaw's dashboard til 0.0.0.0. Hold port 18789 på localhost, og nå den gennem en SSH-tunnel (ssh -L 18789:localhost:18789 you@your-vps), eller placér den bag en godkendt reverse proxy. Kontrollér disse indstillinger mod OpenClaw's aktuelle dokumentation, før du går live; standardindstillinger ændrer sig mellem releases.

Min vurdering: OpenClaw's CVE-antal er en grund til at deploye det omhyggeligt, ikke en grund til at afskrive det. Det er det mest udbredte af de tre netop, fordi det er det mest kapable, og "bredt deployet af folk, der lader døren stå åben" er det, der producerer overskriftstal. Kør det lukket ned og opdateret, og de fleste af de skræmmende tal holder op med at beskrive din boks.

OpenHuman: Hukommelse-først, desktop-plus-server

Det, man skal forstå ved OpenHuman, er, at det består af to dele. openhuman-core er en headless Rust JSON-RPC-server, der kører som en selvstændig Docker-container på en konfigurerbar port (tjek repoet for den aktuelle standard). Desktop-appen, en Tauri-build (React + Rust), er en separat klient, der taler med den kerne. Kernen kan bo på en VPS, mens desktop-klienten forbinder til den eksternt, hvilket er den selvhost-model, der gør den relevant her: altid-tændt server, tynd klient på din laptop.

Det, den kerne laver, er hukommelsesarbejdet beskrevet tidligere: 100+ OAuth-integrationer plus 5.000+ MCP-servere, der fodrer den 20-minutters auto-fetch-løkke, komprimeret via et token-reduktionstrin (TokenJuice, påstået op til 80% reduktion) ind i Memory Tree og Obsidian-vaultet. Sikkerhedsprofilen ser solid ud på papiret for et ungt projekt, med AES-256-GCM-kryptering i hvile, Argon2id-nøgleafledning, integration med OS-keychain og sandboxing af værktøjer via Docker/Bubblewrap/Firejail/Landlock. Mindst én CVE er nu rapporteret for OpenHuman: CVE-2026-55743, en omgåelse af shell-værktøjets sandbox/allowlist, der påvirker versioner til og med 0.54.0. Så den rigtige læsning er ikke "ingen historik endnu", men "ungt projekt, hurtigt bevægelig sikkerhedsprofil, verificér den patchede version før deployment".

Two things to weigh before you pick it. First, the license: OpenHuman is GPL-3.0, where OpenClaw and Hermes are both MIT. If you plan to fork or extend it and ship your changes, GPL's copyleft applies, which matters for a company, less so for a personal deployment. Second, the resources: the project's docs recommend 4 GB+ of RAM, with 16 GB+ for heavier use, notably more than the other two, and more still if you pair it with a local model on the same box.

Et forbehold om kilderne: OpenHuman's eksterne dokumentationsside kunne ikke nås, da jeg tjekkede, så specifikationerne ovenfor stammer fra dets GitHub README, issue-tracker og repo snarere end en gennemarbejdet dokumentationsportal. De er konsistente på tværs af de kilder, men hvis du læner dig op ad et bestemt tal, så verificér det mod repoet igen, før du forpligter dig.

Hermes Agent: Server-native med en læringsløkke

Hermes er stadig server-native i sin kerne, men det passer ikke længere rent ind i "ingen desktop-app"-kategorien. Den officielle dokumentation tilbyder nu Hermes Desktop ved siden af kommandolinje-installationen, mens selve agenten stadig kan køre på en VPS, cloud-VM eller andet servermiljø. Du kan interagere med den gennem messaging-platforme, desktop-appen eller en rigtig terminalgrænseflade med redigering i flere linjer og autofuldførelse af slash-kommandoer. Hvis OpenHuman er "desktop med en serverkerne", og OpenClaw er "gateway, du sms'er til", er Hermes tættere på "en server-først-agent med valgfri desktop-adgang".

It's built by Nous Research, which carries weight with the open-source LLM crowd and is a credibility signal for anyone evaluating longevity. Feature-wise it leans into automation: a built-in cron scheduler for scheduled jobs, subagent delegation that parallelizes work across isolated agents, 60+ built-in tools with MCP, and 300+ models including local runners. It's MIT-licensed, currently past the v0.18 "Judgment Release" line, with v0.18.2 on GitHub (July 8, 2026; v0.19.0 followed on July 20) and sits at roughly 211K GitHub stars.

Læringsløkken er det, der adskiller det fra en almindelig reaktiv agent: det bygger færdigheder ud fra erfaring og holder en brugermodel på tværs af sessioner, så det opbygger nytteværdi over tid uden at foretage proaktiv indsamling i OpenHuman-stil. Sikkerhedsmæssigt er Hermes ikke CVE-frit. OpenCVE viser snesevis af CVE'er for NousResearch/hermes-agent, herunder problemer omkring godkendelse, WebSocket/DNS-rebinding, injektion, path traversal og håndtering af gateway/webhook. Det er stadig en lettere offentlig historik end OpenClaw's, men den rigtige konklusion er "mindre kendt eksponering", ikke "ingen rapporteret".

Head-to-head: Arkitektur, sikkerhed, deployment, pris

Her er det hele på én skærm. Antal stjerner og versioner er pr. begyndelsen af juli 2026 og bevæger sig hurtigt, så tjek alt, du vil citere, igen.

Cellerne dækker specifikationerne; to afvejninger, tabellen ikke fanger, er en sætning værd hver. Spændingen mellem sikkerhed og økosystem trækker i modsatte retninger: OpenClaw's CVE-historik er prisen for at være det mest deployede, mest udvidede værktøj i kategorien. OpenHuman og Hermes har langt mindre offentlige CVE-historikker, men ingen af dem bør længere fremstilles som rene eller uprøvede; de bør fremstilles som yngre og mindre undersøgte. Og opdelingen mellem desktop og server er en reel forgrening: OpenHuman er stadig det mest desktop-plus-hukommelseskerne-orienterede af de tre, men Hermes tilbyder nu også en desktop-installer, så den renere opdeling er ikke "desktop vs. ingen desktop"; den er "hukommelse-først desktop/kerne-model vs. server-først-agent med valgfri desktop-adgang".

Hvilket bør du vælge?

Match arkitekturen til den sætning, der lyder mest som dig:

• "Jeg vil have, at agenten allerede kender mig, før jeg spørger om noget." Vælg OpenHuman. Den proaktive hukommelsesmodel er den eneste her, der samler kontekst i baggrunden, og intet andet gengiver indsamlingsløkken med 100 integrationer. Du betaler for det i RAM (mindst 4 GB), opsætningsindsats og et mindre, yngre community.
• "Jeg vil nå min AI fra WhatsApp, Telegram eller hvilken som helst app, jeg allerede er i." Vælg OpenClaw. Dets 23 kanaler er uovertrufne, og økosystemet er det dybeste. Til gengæld påtager du dig hjemmearbejdet med sikkerhedshærdning.
• "Jeg vil have planlagte server-side-jobs og en troværdig forskningsorganisation bag projektet." Vælg Hermes Agent. Server-native, cron indbygget, Nous Research-baggrund og en læringsløkke, der bygger sig op, med mindre offentlig CVE-bagage end OpenClaw, men stadig nok rapporterede problemer til at kræve normal opdateringsdisciplin.

Hurtig dom. Der er ingen enkelt vinder; det handler om, hvad du vil have, agenten skal være. Hvis jeg skulle uddele valg på én linje: OpenHuman til hukommelsesfanatikeren, der vil have en AI, der læser dem først, OpenClaw til maksimal rækkevidde, hvis du vil deploye det ansvarligt, Hermes til den, der vil have en ren, server-native automatiserings-daemon og intet drama. Enhver, der fortæller dig, at et af disse objektivt er bedst, har ikke fanget, at de løser tre forskellige problemer.

To yderligere faktorer, der bør afgøre en uafgjort situation. Licensering: GPL-3.0 (OpenHuman) betyder noget, hvis du agter at forke og videredistribuere; MIT (OpenClaw, Hermes) er den friere vej til det. Og sikkerhedstolerance: hvis tanken om at køre et værktøj med OpenClaw's CVE-historik holder dig vågen om natten, selv lukket ned, er det en legitim grund til at vælge et af de to andre; forveksl bare ikke en mindre CVE-historik med bevis for, at et yngre projekt automatisk er sikrere.

Hvor du kører hver af dem

Alle tre er altid-tændte daemoner; de skal være oppe, når du ikke sidder ved dit skrivebord, hvilket udelukker at køre dem fra din laptop og peger på en VPS. (Shared hosting er en umulighed for alle tre: de kræver Docker, root og langvarige processer.) Ingen af dem kræver en GPU, medmindre du beslutter dig for at parre dem med en fuldt lokal model, så en almindelig Linux-VPS klarer opgaven.

Dimensionering i generiske specifikationer: OpenClaw og Hermes er komfortable på 2 GB RAM som udgangspunkt og går op til 4 GB, hvis du kører mange plugins eller cron-tunge arbejdsbelastninger. OpenHuman ønsker mindst 4 GB og 8 GB anbefalet, især hvis du vil hoste en lokal model ved siden af kernen. Giv også den hukommelsestunge mulighed mere diskplads i overskud; det SQLite Memory Tree vokser med din historik.

Når du har valgt, deler deployment sig langs marketplace-linjen. OpenClaw og Hermes Agent er begge one-click-installationer på Cloudzy marketplace, så du får en færdigkonfigureret Ubuntu-boks med daemonen sat op og bruger din tid på at hærde og forbinde kanaler i stedet for på installationsrør: OpenClaw og Hermes-agent. OpenHuman er ikke en one-click-app, men det passer rent til en Cloudzy Linux VPS: opret en boks med mindst 4 GB RAM, kør openhuman-core Docker-containeren, placér den bag TLS med en reverse proxy, og peg din desktop-klient mod den. Fuld root-adgang og NVMe-lagring dækker det, som memory tree og den altid-tændte løkke har brug for. Uanset hvilken du lander på, ender deployment-historien på samme måde: en lille Linux-VPS, du kontrollerer, der kører den agent, du valgte.

Ofte stillede spørgsmål

Er OpenClaw sikkert at selvhoste?

Yes, with caveats. OpenClaw has a heavy security history, with 500+ public CVE records listed across OpenCVE and the community CVE tracker, including critical/high-severity issues, and a large proportion of publicly exposed instances run with no authentication because misconfigured deployments expose port 18789 to the internet. Many CVEs are patched in current releases, so the practical risk is mostly about how you deploy: keep it off the public internet, require authentication, reach the dashboard over an SSH tunnel, and stay updated.

Hvad er forskellen mellem OpenHuman og Hermes Agent?

OpenHuman er hukommelse-først: det indsamler proaktivt dine data fra 100+ forbundne tjenester i en 20-minutters løkke og bygger en model af dig, før du prompter det, og det leveres med en desktop-app parret med en headless serverkerne. Hermes Agent er server-native og reaktivt; det reagerer på beskeder og planlagte jobs i stedet for at hente dine data på forhånd, men det bygger en vedvarende færdighedsgraf på tværs af sessioner gennem en læringsløkke. Kort sagt: OpenHuman kender dig fra starten; Hermes lærer dig at kende over tid.

Hvor meget RAM har jeg brug for til at selvhoste disse agenter?

OpenClaw og Hermes Agent kører på omkring 2 GB RAM som udgangspunkt, eller 4 GB, hvis du kører mange plugins eller tunge planlagte arbejdsbelastninger. OpenHuman kræver mindst 4 GB og 8 GB anbefalet. Ingen kræver en GPU, medmindre du parrer agenten med en lokalt hostet model i stedet for en API.

Hvilken selvhostet AI-agent har flest messaging-integrationer?

OpenClaw, med 23 messaging-kanaler, herunder WhatsApp, Telegram, Slack, Discord, Signal og iMessage. Hermes Agent understøtter 20+ platforme, herunder Telegram, Discord, Slack, WhatsApp, Signal, Matrix, Mattermost, Email, SMS, Microsoft Teams og Google Chat. OpenHuman er slet ikke en chat-router; det er hukommelse-først, så det indsamler data i stedet for at dirigere beskeder.

Kan disse agenter køre fuldt lokalt uden en API-nøgle?

Alle tre kalder en LLM, men du kan pege den LLM mod en lokal model i stedet for en hostet API. Hermes Agent leveres med 300+ udbydere, herunder lokale runnere; OpenClaw og OpenHuman kan parres med en lokal modelrunner som Ollama. At køre fuldt lokalt betyder som regel mere RAM og en GPU, hvis du vil have en rimelig hastighed på større modeller.