Holo4 發佈通用電腦操作智能體模型系列
Holo4: powering generalist computer-use agents
H Company 發佈 Holo4 通用電腦操作智能體模型系列,提供 27B dense 與 35B-A3B Mixture of Experts,並推出更新版 Holotron4 Nano。
文章提供 Holo4 在 OSWorld 2.0 的規格分數、Opus 5.5 對照和成本估算口徑,並指出各模型的測試框架與任務子集不盡相同,便於理解比較條件。
Holo4 是我們全新的代理式模型系列,提供兩種規模:27B 稠密模型,以及 35B-A3B 混合專家模型。兩款模型均可透過 H Models API 使用。我們亦推出更新版 Holotron 3:Holotron4 Nano。
Holo4 建基於我們上一代模型,可透過任何可用介面與軟件互動,包括 GUI、程式碼、MCP 和 API。它在學術基準測試中表現出色,但我們打造它的目標是處理真實商業工作流程。模型使用大量環境和任務進行監督式及強化學習訓練,其中包括由我們的 Agentic Task Factory 生成的任務。
立即開始使用:
- 🤖 模型:Holo4-27B | Holo4-35B-A3B | Holotron4 Nano
- 🗂️ 完整合集(FP16、FP8、GGUF):Holo4
- 🎞️ 執行軌跡:瀏覽器 | 資料集
- ⚡ H Models API:快速入門
- 📝 完整網誌文章:hcompany.ai/newsroom/holo4
為各種介面打造的模型
Holo4 能在螢幕上點擊和輸入、編寫並執行自己的程式碼,也能呼叫 MCP 或 API 工具,並按任務選用合適方式。大多數代理式模型只針對單一介面訓練:專注 GUI 的模型沒有螢幕便無法操作,而偏好呼叫工具的模型遇上沒有 API 的應用程式便會受困。真實工作並非如此割裂,單一商業任務可能需要結合多種方法。
Holo4 可在桌面、網頁、Android、程式碼沙箱和商業 API 上運行。無論在哪種環境,使用的都是同一模型,呼叫方式也相同;你無須為每個平台另選模型。
Holo4 模型較其 Qwen 基礎模型有顯著提升。在長流程任務中,Holo4 只落後於最強的封閉模型:在 OSWorld 2.0 中,Holo4 27B 得分 61.7%,Opus 5.5 得分 81.8%,而 Holo4 35B-A3B 得分 30.9%。然而,模型的參數量少數個數量級,成本也低得多。我們會把公開基準測試中每個得分背後的執行軌跡全部開源:可在 trajectories.hcompany.ai重播每一步,或從 Hugging Face下載。
以低得多的成本媲美前沿模型
在最具挑戰性的桌面控制學術基準測試(OSWorld 2.0)和 API 使用基準測試(AutomationBench)中,Holo4 以低得多的單項任務成本與前沿模型競爭。
成本效能圖表説明
OSWorld 2.0。成本按每次代理運行的輸入和輸出 tokens 估算。Holo4 按 H Models API 定價(單次運行)。Qwen3.8 27B:分數取自模型卡,成本則按我們運行所用 tokens 及 Alibaba Cloud 公開價格計算。Qwen3.6 35B-A3B:在我們的 harness 中單次運行,按 Alibaba Cloud 公開價格計算,快取命中按輸入價格的 20% 計。OpenAI 發布資料提供 GPT 和 Opus 的 effort 測試結果;其他封閉模型和開放權重模型的數據取自OSWorld 2.0 官方排行榜。模型版本、harness 和任務子集各有不同。折線連接封閉模型中分數和成本均不被其他配對超越的點;Holo4 不在其中。
AutomationBench。Holo4、Qwen3.8 27B 和 Qwen3.6 35B-A3B:使用 AutomationBench v1.0.6,分數和成本均在我們內部 harness 測量。其他模型:分數取自公開測試集的AutomationBench README,單項任務成本則取自使用私人測試集的官方排行榜。待 Holo4 完成私人測試集評估後,我們便會公佈結果。
真正投入工作的 AI
Holo4 模型使用 Agentic Task Factory 生成的環境和任務訓練,在專業軟件上表現出色。以下例子展示 Holo4 27B 與其基礎模型 Qwen3.8 27B 的表現。兩者使用相同提示和 harness。
3D 建模 · 埃菲爾鐵塔
在 FreeCAD 建立埃菲爾鐵塔的 3D 模型,比例為 1 mm 對應 1 metre,以原點為中心,並對齊 X 軸和 Y 軸。請按以下設計製作。
鐵塔在所有高度的平面形狀都是正方形,絕非圓形。半寬由中心軸量至角落:地面為 62.5 mm,高度 57 為 32.5 mm,高度 115 為 17.5 mm,高度 276 為 9.35 mm。這些高度之間的半寬沿平滑曲線變化,靠近地面時急劇收窄,愈高則變化愈緩,絕不可畫成直線。
四條完全相同的塔腳各位於一個象限,都是正方形柱體,其外角沿着上述輪廓延伸。每條塔腳在地面寬 14 mm,到高度 276 時收窄至 4 mm。由地面至第一層平台,塔腳彼此分開,向上逐漸匯合。塔腳之間不可填滿:鐵塔內部須保持中空,從任何一側都能直接看穿。
三層平台均為以中心軸為中心的實心正方形板:高度 57 處寬 72 mm、厚 4 mm;高度 115 處寬 40 mm、厚 3 mm;高度 276 處寬 22 mm、厚 3 mm。
旗杆由高度 276 延伸至 324,呈正方形,底部寬 8 mm,頂端收窄至 2 mm。
每個部件都必須是體積非零的封閉實體,亦不可填滿塔腳之間的空間。
Holo4 27B(84 次呼叫,1.3M tokens)
Qwen3.8 27B(60 次呼叫,1.0M tokens)
3D 建模 · H 標誌
在 FreeCAD 建立 H company 標誌的 3D 模型:一個實心圓盤,旁邊是一個粗體無襯線大楷 H;兩者擠出後厚度相同、高度相若,彼此分開而不重疊,圓盤中心與 H 的中間位置對齊。兩個形狀均設為黑色。
Holo4 27B(94 次呼叫,1.5M tokens)
Qwen3.8 27B(118 次呼叫,1.9M tokens)
遊戲設計 · Pac-Man
在 Godot 建立一款 Pac-Man 風格遊戲,並讓遊戲持續運行。
在網格上排列矩形牆壁,並以豆子填滿所有開放通道。玩家標記會在通道中持續移動,吃掉經過的每顆豆子並獲得分數。三隻鬼魂會在相同通道中追逐玩家。鬼魂捉到玩家時,玩家會失去一條命,所有角色和物件都會重設至起始位置。畫面會顯示分數和剩餘生命。
沒有人會玩這款遊戲。玩家會用簡單規則自動移動:每個路口都走向最近的豆子,除非鬼魂就在附近,這時便會避開鬼魂。遊戲必須無人看管地無限運行,全程完全不需鍵盤輸入。
遊戲可正常運作後,請啟動遊戲並讓它持續運行。
Holo4 27B(68 次呼叫,2.4M tokens,268 行)
Qwen3.8 27B(197 次呼叫,11.4M tokens,327 行)
Holo4 的建構方式
代理式任務工廠
我們的內部代理式管道只憑文件就能建立互動環境和可驗證任務,例如根據真實網站或開源軟件的螢幕截圖生成。截至目前,系統已為網頁應用程式、MCP 伺服器和桌面環境產生約 10,000 個任務,當中包括透過 GUI 和 MCP 呈現相同狀態的混合環境。
訓練
Harness
除了訓練外,我們亦重建了 harness,也就是執行模型動作並在數百個步驟中管理上下文的循環機制;過程中參考了代理在 OSWorld 2.0 的表現回饋。代理會標記每項任務失敗的原因,再由工程師審閲修正。最大改動是讓代理擁有可靠記憶,能追蹤數百個步驟,以及直接在桌面電腦上使用 shell。
Opus 5(70.2%)和 GPT-5.6 Sol(66.2%)使用OpenAI 發布圖表中的 v2026.08.08 離線測試集,並以最大力度進行部分獎勵評分,成本效能圖表亦採用相同數據。其他參考分數取自模型卡和官方排行榜。各模型的任務發布版本、子集和 harness 各有不同。
Holotron4 Nano
我們的後訓練技術堆疊旨在適配新的基礎模型,打造能在不同介面和環境中泛化的代理。作為 NVIDIA Nemotron Coalition成員,我們把最新技術堆疊應用於 Nemotron 3 Nano Omni 模型,延續 Holotron 3 的工作。
同一套方法把 Nemotron 3 Nano Omni 打造成 Holotron4 Nano,一款通用代理式模型,在 GUI 工作流程,以及支援 MCP、API 或程式碼沙箱的環境中,表現均顯著優於基礎模型。
數值表示相較 Nemotron 3 Nano Omni 提升的百分點。
這些提升顯示,我們的方法具有良好遷移能力,能把通用模型轉化為代理式專家,而且不受模型規模限制。
親自試用
兩種規模的模型今天起均可透過 H Models API使用。Hugging Face上亦提供模型權重,格式包括 BF16、FP8、NVFP4 和 4-bit GGUF,以及我們的小型模型 Holotron4 Nano。
我們將於未來數天發布經最佳化的 DSpark drafter 檢查點,進一步加快推論。
來源:Hugging Face Blog · huggingface.co







