OpenClaw vs. OpenHuman vs. Hermes Agent: drie manieren om een persoonlijke AI zelf te hosten

OpenClaw, OpenHuman en Hermes Agent worden steeds tegenover elkaar gezet op GitHub Trending, HN en YouTube-overzichten, alsof het drie smaken van hetzelfde zijn. Dat zijn ze niet. Het verschil tussen hen zit niet in hun functielijsten. Het zit in het moment waarop elk je leert kennen.

OpenHuman stelt een model van jou samen voordat je ooit een prompt typt. OpenClaw leert wat je het vertelt, sessie voor sessie, via welke chat-app je het ook maar berichten stuurt. Hermes zit ertussenin: het reageert op je zoals OpenClaw, maar houdt een blijvend geheugen bij dat groeit telkens als je het gebruikt. Die as bepaalt, meer dan aantallen sterren of lijsten met kanalen, welke tool je eigenlijk wilt.

Hier is de vergelijking op die as, plus de beveiligingsdimensie die van belang is als je OpenClaw gaat draaien, en waar elk draait zodra je hebt gekozen.

De korte versie

• De tools verschillen op één as: wanneer de agent zijn context krijgt. OpenHuman is memory-first (het neemt proactief je gegevens op in een lus van 20 minuten). OpenClaw is sessie-reactief (het weet wat je het vertelt). Hermes is reactief maar houdt een blijvende, zelfverbeterende skill-graph bij over sessies heen.
• 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 is voor mensen die willen dat de agent hen al kent: proactief geheugen over 100+ integraties, een desktop-app gekoppeld aan een headless server-kern die je op een VPS kunt draaien. Het is nog steeds de jongste van de drie en GPL-3.0-gelicentieerd, maar het heeft al minstens één gemelde CVE, dus behandel "jong project" als een reden om patches te verifiëren, niet als een schoon beveiligingsverleden.
• Hermes Agent is de server-native keuze van een geloofwaardige onderzoeksorganisatie (Nous Research), met geplande taken, delegatie naar subagents, een ingebouwde leerlus en een MIT-licentie. Het heeft een kleinere CVE-voetafdruk dan OpenClaw, maar geen lege, dus de beveiligingsframing zou "minder bekende problemen" moeten zijn, niet "geen gevonden".

Het verschil dat bepaalt welke je wilt

Stel elke tool dezelfde vraag, "wat weet je nu over mij, voordat ik iets zeg?", en je krijgt drie verschillende antwoorden. Dat is de hele vergelijking in één vraag.

OpenHuman antwoordt voordat je iets vraagt. Het draait een pollinglus van 20 minuten tegen 100+ via OAuth verbonden diensten (Gmail, Notion, GitHub, Slack, Calendar, enzovoort) en 5,000+ MCP-servers, haalt je gegevens binnen en comprimeert ze tot een gescoorde Markdown-structuur die het een Memory Tree noemt, opgeslagen in lokale SQLite en gespiegeld als een Obsidian-vault. Tegen de tijd dat je een gesprek opent, heeft het al een model van je leven opgebouwd. De eigen slogan, "a brain that builds a local-first memory of your life," is de architectuur, geen marketing.

OpenClaw antwoordt met wat je het deze sessie hebt verteld. Het is een gateway: één daemonproces routeert inkomende berichten van je chat-apps naar agent-instances, en context stapelt zich reactief op via die sessies en het pluginsysteem. Het weet wat er in het gesprek is gebeurd en wat zijn tools naar boven hebben gehaald. Het zit niet op de achtergrond je inbox in te lezen.

Hermes antwoordt met wat het tot nu toe heeft geleerd. Net als OpenClaw is het reactief; het reageert op berichten en geplande gebeurtenissen in plaats van proactief je gegevens op te halen. Maar het draait een gesloten leerlus: het creëert skills uit ervaring, verfijnt ze terwijl het werkt, en onderhoudt een blijvend gebruikersmodel over sessies heen. Het kent dus niet je hele leven zoals OpenHuman dat doet, maar het begint ook niet elke sessie vanaf nul. Architectonisch zit het tussen de andere twee in.

Zodra je de scheidslijn op deze manier ziet, valt de rest van de vergelijking op zijn plaats. De secties per tool hieronder zijn eigenlijk gewoon "wat elk antwoord je kost en oplevert".

OpenClaw: de multichannel-gateway

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.

Onder de motorkap is het een TypeScript/Node-gateway-daemon: één Gateway-proces dat kanalen, sessies, tools en routing naar geïsoleerde agent-instances afhandelt, met een webdashboard op localhost:18789. Daar bovenop zit een skills-/pluginsysteem met een groot community-register, spraakmodi (wake word en doorlopende spraak op mobiel), Docker-/SSH-/sandbox-backends, en Live Canvas, een agent-gedreven visuele werkruimte. Het is MIT-gelicentieerd en met afstand het meest-gesterde van de drie, met 380K+ op GitHub, wat het grootste ecosysteem en de meeste skills van derden betekent, ten goede en ten kwade (zo meer over dat laatste).

Als je 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.

De sterkte hier is eenvoudig te benoemen: niets anders in deze vergelijking komt in de buurt qua kanaalbereik of omvang van het ecosysteem. Het addertje is dat al dat oppervlak (23 kanalen, een enorm register met skills van derden, een dashboard dat bereikbaar wil zijn) ook aanvalsoppervlak is. En dat is een eigen sectie.

Het beveiligingsverleden van OpenClaw: wat "zelf-gehost" hier eigenlijk vereist

De community-CVE-tracker voor OpenClaw (jgamblin/OpenClawCVEs) meldt nu 543 OpenClaw-CVE's op basis van een directe scan van CVE List V5, terwijl de OpenCVE-database 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. Beveilig het voordat je iets blootstelt. Bind het dashboard van OpenClaw niet aan 0.0.0.0. Houd poort 18789 op localhost en bereik het via een SSH-tunnel (ssh -L 18789:localhost:18789 you@your-vps), of plaats het achter een geauthenticeerde reverse proxy. Controleer deze instellingen aan de hand van de huidige documentatie van OpenClaw voordat je live gaat; standaardwaarden veranderen tussen releases.

Mijn interpretatie: het aantal CVE's van OpenClaw is een reden om het zorgvuldig uit te rollen, geen reden om het af te schrijven. Het is het meest uitgerolde van de drie juist omdat het het meest capabele is, en "op grote schaal uitgerold door mensen die de deur open laten staan" is wat kopcijfers oplevert. Draai het afgeschermd en bijgewerkt, en de meeste enge statistieken beschrijven jouw machine niet meer.

OpenHuman: memory-first, desktop plus server

Wat je over OpenHuman moet begrijpen, is dat het uit twee delen bestaat. openhuman-core is een headless Rust JSON-RPC-server die als losstaande Docker-container draait op een instelbare poort (raadpleeg de repo voor de huidige standaard). De desktop-app, een Tauri-build (React + Rust), is een aparte client die met die kern communiceert. De kern kan op een VPS draaien terwijl de desktop-client er op afstand mee verbindt, en dat is het zelf-hostmodel dat het hier relevant maakt: altijd-actieve server, thin client op je laptop.

Wat die kern doet, is het geheugenwerk dat eerder is beschreven: 100+ OAuth-integraties plus 5,000+ MCP-servers voeden de auto-fetchlus van 20 minuten, gecomprimeerd via een token-reductiestap (TokenJuice, met een geclaimde reductie tot 80%) tot de Memory Tree en de Obsidian-vault. De beveiligingspositie is op papier degelijk voor een jong project, met AES-256-GCM-versleuteling in rust, Argon2id-sleutelafleiding, integratie met de OS-keychain, en tool-sandboxing via Docker/Bubblewrap/Firejail/Landlock. Er is nu minstens één CVE gemeld voor OpenHuman: CVE-2026-55743, een omzeiling van de shell-tool-sandbox/allowlist die versies tot en met 0.54.0 treft. Dus de juiste interpretatie is niet "nog geen verleden", maar "jong project, snel bewegende beveiligingspositie, verifieer de gepatchte versie vóór 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.

Eén kanttekening bij de bronnen: de externe documentatiesite van OpenHuman was onbereikbaar toen ik keek, dus de bovenstaande specificaties komen uit de GitHub-README, de issue tracker en de repo in plaats van een gepolijst documentatieportaal. Ze zijn consistent over die bronnen, maar als je op een specifiek getal leunt, verifieer het dan opnieuw aan de hand van de repo voordat je een keuze maakt.

Hermes Agent: server-native met een leerlus

Hermes is in de kern nog steeds server-native, maar het past niet langer netjes in het hokje "geen desktop-app". De officiële documentatie biedt nu Hermes Desktop naast de command-line-installatie, terwijl de agent zelf nog steeds kan draaien op een VPS, cloud-VM of andere serveromgeving. Je kunt ermee werken via berichtenplatforms, de desktop-app, of een echte terminalinterface met multiline-bewerking en autocomplete voor slash-commando's. Als OpenHuman "desktop met een server-kern" is en OpenClaw "gateway waar je naartoe berichten stuurt", dan zit Hermes dichter bij "een server-first agent met optionele desktoptoegang".

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.

De leerlus is wat het onderscheidt van een gewone reactieve agent: het bouwt skills op uit ervaring en houdt een gebruikersmodel over sessies heen bij, zodat het na verloop van tijd steeds nuttiger wordt zonder proactieve ingestie in OpenHuman-stijl. Op het gebied van beveiliging is Hermes niet CVE-vrij. OpenCVE vermeldt tientallen CVE's voor NousResearch/hermes-agent, waaronder problemen rond authenticatie, WebSocket-/DNS-rebinding, injectie, path traversal, en de afhandeling van gateway/webhook. Dat is nog steeds een lichter publiek verleden dan dat van OpenClaw, maar de juiste conclusie is "kleinere bekende blootstelling", niet "geen gemeld".

Direct vergeleken: architectuur, beveiliging, deployment, kosten

Hier is het geheel op één scherm. Aantallen sterren en versies zijn van begin juli 2026 en veranderen snel, dus controleer alles opnieuw wat je gaat aanhalen.

De cellen dekken de specificaties; twee afwegingen die de tabel niet vangt, verdienen elk een zin. De spanning tussen beveiliging en ecosysteem trekt in tegengestelde richtingen: de CVE-geschiedenis van OpenClaw is de prijs van het feit dat het de meest uitgerolde, meest uitgebreide tool in de categorie is. OpenHuman en Hermes hebben veel kleinere publieke CVE-registraties, maar geen van beide zou nog als schoon of ongetest moeten worden neergezet; ze zouden moeten worden neergezet als jonger en minder onderzocht. En de splitsing tussen desktop en server is een echte tweesprong: OpenHuman is nog steeds het meest gericht op desktop-plus-geheugenkern van de drie, maar Hermes biedt nu ook een desktop-installer, dus de zuiverdere splitsing is niet "desktop vs. geen desktop"; het is "memory-first desktop-/kernmodel vs. server-first agent met optionele desktoptoegang".

Welke moet je kiezen?

Koppel de architectuur aan de zin die het meest op jou lijkt:

• "Ik wil dat de agent me al kent voordat ik iets vraag." Kies OpenHuman. Het proactieve geheugenmodel is het enige hier dat op de achtergrond context samenstelt, en niets anders evenaart de ingestielus met 100 integraties. Je betaalt ervoor in RAM (minimaal 4 GB), opzetwerk, en een kleinere, jongere community.
• "Ik wil mijn AI bereiken vanuit WhatsApp, Telegram, of welke app ik ook al gebruik." Kies OpenClaw. De 23 kanalen zijn onbetwist, en het ecosysteem is het diepste. Je neemt in ruil daarvoor het huiswerk van beveiligingsversterking op je.
• "Ik wil geplande server-side taken en een geloofwaardige onderzoeksorganisatie achter het project." Kies Hermes Agent. Server-native, cron ingebouwd, de reputatie van Nous Research, en een leerlus die zich opbouwt, met minder publieke CVE-ballast dan OpenClaw maar nog steeds genoeg gemelde problemen om normale updatediscipline te vereisen.

Snel oordeel. Er is geen enkele winnaar; dit komt neer op wat je wilt dat de agent is. Als ik eenregelige keuzes moest uitdelen: OpenHuman voor de geheugenfanaat die een AI wil die hem eerst leest, OpenClaw voor maximaal bereik als je het verantwoord uitrolt, Hermes voor wie een schone, server-native automatiseringsdaemon zonder drama wil. Wie je vertelt dat een van deze objectief het beste is, heeft niet door dat ze drie verschillende problemen oplossen.

Nog twee factoren die de knoop moeten doorhakken. Licenties: GPL-3.0 (OpenHuman) is van belang als je van plan bent te forken en te herdistribueren; MIT (OpenClaw, Hermes) is daarvoor de vrijere weg. En beveiligingstolerantie: als het idee om een tool met het CVE-verleden van OpenClaw te draaien je 's nachts wakker houdt, zelfs afgeschermd, dan is dat een legitieme reden om een van de andere twee te kiezen; verwar alleen een kleiner CVE-verleden niet met bewijs dat een jonger project automatisch veiliger is.

Waar je elk kunt draaien

Alle drie zijn altijd-actieve daemons; ze moeten draaien wanneer je niet aan je bureau zit, wat het draaien op je laptop uitsluit en wijst op een VPS. (Shared hosting is voor alle drie een no-go: ze hebben Docker, root en langlopende processen nodig.) Geen van hen vereist een GPU, tenzij je besluit ze te koppelen aan een volledig lokaal model, dus een standaard Linux-VPS doet het werk.

Dimensionering, in generieke specificaties: OpenClaw en Hermes zijn comfortabel op 2 GB RAM als basis, oplopend tot 4 GB als je veel plugins of cron-zware werklasten draait. OpenHuman wil minimaal 4 GB en 8 GB aanbevolen, vooral als je een lokaal model naast de kern gaat hosten. Geef de geheugenzware optie ook meer diskruimte; die SQLite Memory Tree groeit mee met je geschiedenis.

Zodra je hebt gekozen, splitst de deployment zich langs de marketplace-lijn. OpenClaw en Hermes Agent zijn beide one-click-installaties op de Cloudzy-marketplace, dus je krijgt een vooraf geconfigureerde Ubuntu-machine met de daemon opgezet, en besteed je je tijd aan het afschermen en verbinden van kanalen in plaats van aan installatiewerk: OpenClaw en Hermes-agent. OpenHuman is geen one-click-app, maar het past goed bij een Cloudzy Linux VPS: richt een machine in met minstens 4 GB RAM, draai de openhuman-core Docker-container, plaats het achter TLS met een reverse proxy, en richt je desktop-client erop. Volledige root-toegang en NVMe-opslag dekken wat de memory tree en de altijd-actieve lus nodig hebben. Op welke je ook uitkomt, het deployment-verhaal eindigt op dezelfde manier: een kleine Linux-VPS die je zelf beheert, waarop de agent draait die je hebt gekozen.

Veelgestelde vragen

Is OpenClaw veilig om zelf te hosten?

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.

Wat is het verschil tussen OpenHuman en Hermes Agent?

OpenHuman is memory-first: het neemt proactief je gegevens op uit 100+ verbonden diensten in een lus van 20 minuten en bouwt een model van jou op voordat je het een prompt geeft, en het levert een desktop-app gekoppeld aan een headless server-kern. Hermes Agent is server-native en reactief; het reageert op berichten en geplande taken in plaats van je gegevens vooraf op te halen, maar het bouwt een blijvende skill-graph op over sessies heen via een leerlus. Kortom: OpenHuman kent je vooraf; Hermes leert je na verloop van tijd kennen.

Hoeveel RAM heb ik nodig om deze agents zelf te hosten?

OpenClaw en Hermes Agent draaien als basis op ongeveer 2 GB RAM, of 4 GB als je veel plugins of zware geplande werklasten draait. OpenHuman heeft minimaal 4 GB nodig en 8 GB aanbevolen. Geen enkele vereist een GPU, tenzij je de agent koppelt aan een lokaal gehost model in plaats van een API.

Welke zelf-gehoste AI-agent heeft de meeste berichtenintegraties?

OpenClaw, met 23 berichtenkanalen waaronder WhatsApp, Telegram, Slack, Discord, Signal en iMessage. Hermes Agent ondersteunt 20+ platforms, waaronder Telegram, Discord, Slack, WhatsApp, Signal, Matrix, Mattermost, Email, SMS, Microsoft Teams en Google Chat. OpenHuman is helemaal geen chatrouter; het is memory-first, dus het neemt gegevens op in plaats van berichten te routeren.

Kunnen deze agents volledig lokaal draaien zonder API-sleutel?

Alle drie roepen een LLM aan, maar je kunt die LLM richten op een lokaal model in plaats van een gehoste API. Hermes Agent wordt geleverd met 300+ providers inclusief lokale runners; OpenClaw en OpenHuman kunnen worden gekoppeld aan een lokale model-runner zoals Ollama. Volledig lokaal draaien betekent meestal meer RAM, en een GPU als je een redelijke snelheid wilt op grotere modellen.