H Company تطلق Holo4، نماذج مفتوحة الوزن للاستخدام الحاسوبي للوكيل

أعلنت شركة H عن Holo4، سلسلتها الجديدة من نماذج الاستخدام الحاسوبي الوكيلة، في 28 سبتمبر 2026، بأحجام 27B الكثيفة و35B-A3B من مزيج الخبراء، مع أوزان مفتوحة على Hugging Face وتوافر API. وتفيد الشركة أن نموذج 27B يحقق درجة 85.2٪ على معيار OSWorld بتكلفة 0.08 دولار لكل مهمة.

تشكيلة النماذج والتوافر

وفقًا للشركة، يتفاعل Holo4 مع البرمجيات عبر أي واجهة متاحة: واجهات المستخدم الرسومية، الشيفرة، MCP وواجهات API. يقوم بالنقر والكتابة على الشاشة، يكتب ويشغّل شيفرته الخاصة، ويستدعي أدوات MCP أو API، مختارًا أي نهج يناسب المهمة. يعمل النموذج نفسه على أجهزة الحاسوب المكتبية، وعلى الويب، وعلى نظام Android، داخل بيئة عزل الشيفرة، وضد واجهات برمجة التطبيقات الخاصة بالأعمال، ويتم استدعاؤه بنفس الطريقة في كل حالة، دون الحاجة لاختيار نموذج مختلف لكل منصة.

كلا الحجمين متاحان عبر واجهة برمجة تطبيقات H Models، وتم نشر الأوزان على Hugging Face بصيغ BF16 وFP8 وNVFP4 وصيغة GGUF 4‑بت. إلى جانب Holo4، أطلقت الشركة أيضًا Holotron4 Nano، نسخة محدثة من Holotron 3.

تحدد بطاقة نموذج Holo4-27B النموذج بأنه نموذج رؤية-لغة بحدود 27 مليار معلمة مبني على بنية Qwen3.8 الكثيفة، بأقصى طول سياق يبلغ 262,144 رمزًا وتستهدف بيئات تشمل الويب، وسطح المكتب، والهاتف المحمول. وتذكر البطاقة أن الأوزان متاحة تحت رخصة CC BY‑NC 4.0 غير التجارية وتصف الاستخدام مع حزمة hai‑agents الخاصة بالشركة، التي تُرسل لقطات الشاشة ونتائج الأدوات إلى النموذج وتنفذ النقرات والكتابة والشيفرة واستدعاءات الأدوات المطلوبة.

قائمة منشور غرفة الأخبار الخاصة بالشركة تسرد Holo4-35B-A3B تحت رخصة Apache 2.0 بسعر 0.30 دولار لكل مليون رمز إدخال، و0.03 دولار لكل مليون رمز مخزن، و2.00 دولار لكل مليون رمز إخراج، مع سياق 262 ألف. كما تسرد Holo4-27B كبحث فقط بسعر 0.40 دولار للإدخال، و0.04 دولار للمخزن، و3.00 دولار للإخراج لكل مليون رمز، أيضًا مع سياق 262 ألف.

المقاييس المبلغ عنها وتكلفة كل مهمة

تُظهر جدول المقاييس الخاص بالشركة أن Holo4 27B يحقق 85.2٪ على OSWorld بتكلفة 0.08 دولار لكل مهمة، وHolo4 35B-A3B يحقق 80.8٪ بتكلفة 0.05 دولار، مقارنةً بـ 84.3٪ بتكلفة 0.22 دولار لنموذج Qwen3.8 27B، القاعدة للنموذج 27B. وتُدرج درجات الحد الفاصل على OSWorld كالتالي: 86.0٪ لـ Fable 5، 78.7٪ لـ GPT-5.5، و86.1٪ لـ Qwen3.8 Max.

في OSWorld 2.0، الذي يغطي سير عمل حاسوبي طويل، تقارير الشركة أن Holo4 27B يحقق درجة 61.7٪ ومعدل نجاح 41.5٪ بتكلفة 1.22 دولار لكل مهمة، وHolo4 35B-A3B يحقق 30.9٪ بتكلفة 0.61 دولار. تُظهر الجدول أن Opus 5.5 يحقق 81.8٪ و8.48 دولار لكل مهمة، وGPT-6 Astra يحقق 73.5٪ و9.07 دولار، وQwen3.8 27B يحقق 48.0٪ و3.49 دولار. وتقول الشركة إن Holo4 يتخلف فقط عن أقوى النماذج المغلقة في سير العمل الطويل، وأن ذلك يتم باستخدام عدد أقل بكثير من المعلمات وبكلفة أقل بكثير.

في معيار AutomationBench، وهو معيار لأتمتة الأعمال، تُبلغ الدرجات عن 45.4٪ بتكلفة 0.05 دولار لكل مهمة لـ Holo4 27B و34.5٪ بتكلفة 0.02 دولار لـ 35B-A3B. وتلاحظ الشركة أن 480 من أصل 600 مهمة في مجموعة v1.0.6 العامة تقع ضمن الجزء الذي جمع منه بيانات التدريب؛ وعلى الـ 120 مهمة المتبقية، تُبلغ عن 49.3٪ لنموذج 27B و31.7٪ لنموذج MoE. وتقول إنها ستُعلن عن نتائج المجموعة الخاصة بمجرد تقييم Holo4 على المجموعة الخاصة الرسمية.

كما تُظهر الجدول درجات 44.1٪ للنموذج 27B و30.9٪ لـ MoE على ALE-CLI، وهو الجزء المكوّن من 105 مهام لينكس من معيار Agents’ Last Exam، ودرجات AndroidWorld بنسبة 85.1٪ و77.6٪. وعلى مهام تقييم داخلية من مصنع المهام الوكيلة التي تقول الشركة إنّها لم تُستخدم في التدريب، يحقق نموذج 27B درجة 80.2٪ في مهام الويب، و89.4٪ في MCP، و72.0٪ في سطح المكتب.

تُشير الشركة إلى أن أرقام Holo4 مستمدة من حزمتها الخاصة، كمتوسط على مدى تشغيلين إلى أربعة تشغيلات مع تشغيل واحد على OSWorld 2.0 وALE-CLI، بينما تُستمد درجات المقارنة من بطاقات النماذج، ولوحات الصدارة الرسمية، ومخططات المزودين عبر حزم مختلفة ومستويات جهد متفاوتة. وقد أتاحوا مصدرًا مفتوحًا لكل مسار خلف درجات المقاييس العامة، يمكن إعادة تشغيله عبر عارض مخصص وتحميله كمجموعة بيانات على Hugging Face.

خط أنابيب التدريب، Holotron4 Nano والخطوة التالية

تم تدريب Holo4 عبر تحسين دقيق تحت إشراف وتعلم معزز على بيئات ومهام تشمل تلك التي يولدها مصنع المهام الوكيلة الخاص بالشركة، وهو مجموعة داخلية من خطوط الأنابيب التي تُنشئ بيئات تفاعلية ومهام قابلة للتحقق من صحتها استنادًا إلى الوثائق فقط، مثل لقطات شاشة لمواقع ويب حقيقية أو برامج مفتوحة المصدر. وتقول الشركة إن المصنع قد أنتج حوالي 10,000 مهمة حتى الآن، تقريبًا 4,000 منها لتطبيقات الويب وحوالي 3,000 لكل من خوادم MCP وبيئات سطح المكتب، بما في ذلك البيئات المختلطة التي تعرض الحالة نفسها عبر واجهة GUI وMCP.

استخدم التحسين الدقيق تحت إشراف 127 مليار رمز، حوالي ثلاثة أرباعها مسارات وكيلة ناجحة موزعة بين سطح المكتب (45٪)، الويب (14٪)، MCP وAPI (12٪) والهواتف المحمولة (3٪)، مع ما تبقى يغطي الاستدلال المتعدد الوسائط، وتثبيت واجهة GUI، واستخدام الأدوات النصية فقط والبرمجة. ثم قام التعلم المعزز المتزامن عبر الإنترنت على مهام طويلة الأفق بتدريب خبيرين متخصصين من نوع LoRA، أحدهما لسطح المكتب والويب والآخر للمحطة الطرفية وMCP وAPI، وتم دمجهما مرة أخرى في النموذج المحسن بوزن متساوٍ دون أي تدريب إضافي.

أعادت الشركة أيضًا بناء نظام التحكم الخاص بها، الحلقة التي تنفذ إجراءات النموذج وتدير سياقه عبر مئات الخطوات، باستخدام ملاحظات من أداء الوكيل على OSWorld 2.0. في تلك العملية، وضع الوكلاء علامات توضح سبب فشل كل مهمة وراجع المهندسون إصلاحاتهم؛ وكانت أكبر التغييرات هي ذاكرة موثوقة يمكنها تتبع مئات الخطوات وقشرة على جهاز سطح المكتب نفسه.

كعضو في تحالف NVIDIA Nemotron، طبّقت شركة H نفس مجموعة ما بعد التدريب على Nemotron 3 Nano Omni لإنتاج Holotron4 Nano. أفادت الشركة بتحقيق تحسينات مطلقة بنقاط مئوية على النموذج الأساسي في خمسة معايير: OSWorld من 21.0 إلى 76.3، OSWorld 2.0 من 0.2 إلى 7.9، AutomationBench من 19.4 إلى 35.6، PinchBench من 84.7 إلى 88.6 و ALE Linux من 0.6 إلى 8.5. وتقول إن هذه التحسينات تُظهر أن وصفتها تنتقل عبر نماذج الأساس وليست مرتبطة بالحجم.

قالت الشركة إنها ستُصدر نقاط تفتيش مُحسّنة لـ DSpark drafter في الأيام التي تلي الإعلان لتسريع الاستدلال بشكل أكبر.