Společnost H uvádí Holo4, modely s otevřenými váhami pro počítačové agenty

Společnost H vydala Holo4, svou novou řadu modelů agentického počítačového používání, dne 28. září 2026, ve velikostech 27B dense a 35B-A3B Mixture of Experts, s otevřenými vahami na Hugging Face a dostupností API. Společnost uvádí, že model 27B dosáhl 85,2 % na benchmarku OSWorld při nákladu 0,08 $ za úlohu.

Portfolio modelů a dostupnost

Podle společnosti Holo4 spolupracuje se softwarem přes jakékoli dostupné rozhraní: grafické uživatelské rozhraní, kód, MCP a API. Kliká a píše na obrazovce, vytváří a spouští vlastní kód a volá nástroje MCP nebo API, přičemž vybírá přístup, který nejlépe vyhovuje úkolu. Ten samý model běží na desktopových počítačích, na webu, na Androidu, v kódovém sandboxu i proti podnikových API a je volán stejným způsobem ve všech případech, aniž by bylo nutné vybírat jiný model pro konkrétní platformu.

Obě velikosti jsou k dispozici v API H Models a váhy jsou publikovány na Hugging Face ve formátech BF16, FP8, NVFP4 a 4‑bit GGUF. Vedle Holo4 společnost také vydala Holotron4 Nano, aktualizovanou verzi Holotron 3.

The Karta modelu Holo4-27B identifikuje model jako 27B‑parametrový model vision-language postavený na husté architektuře Qwen3.8, s maximální délkou kontextu 262 144 tokenů a cílovými prostředími zahrnujícími web, desktop a mobil. Karta uvádí, že váhy jsou k dispozici pod nekomerční licencí CC BY‑NC 4.0 a popisuje použití s hákem společnosti hai‑agents, který odesílá snímky obrazovky a výsledky nástrojů modelu a provádí požadované kliknutí, psaní, kód a volání nástrojů.

The company’s tisková zpráva uvádí Holo4-35B-A3B pod licencí Apache 2.0 za 0,30 $ za milion vstupních tokenů, 0,03 $ za milion uložených tokenů a 2,00 $ za milion výstupních tokenů, s kontextem 262 000. Uvádí také Holo4-27B jako výhradně výzkumný model za 0,40 $ za vstup, 0,04 $ za uložené a 3,00 $ za výstup za milion tokenů, také s kontextem 262 000.

Uvedené benchmarky a náklady na úlohu

Tabulka benchmarků společnosti uvádí, že Holo4 27B dosáhl 85,2 % na OSWorld při nákladu 0,08 $ za úlohu a Holo4 35B‑A3B 80,8 % při 0,05 $, oproti 84,3 % při 0,22 $ pro Qwen3.8 27B, základní model 27B. Uvedené špičkové výsledky na OSWorld jsou 86,0 % pro Fable 5, 78,7 % pro GPT‑5.5 a 86,1 % pro Qwen3.8 Max.

Na OSWorld 2.0, který zahrnuje dlouhé počítačové pracovní postupy, společnost uvádí, že Holo4 27B dosáhl skóre 61,7 % a úspěšnost 41,5 % při 1,22 $ za úlohu, a Holo4 35B‑A3B 30,9 % při 0,61 $. Tabulka uvádí Opus 5.5 s 81,8 % a 8,48 $ za úlohu, GPT‑6 Astra s 73,5 % a 9,07 $, a Qwen3.8 27B s 48,0 % a 3,49 $. Společnost uvádí, že Holo4 zaostává jen za nejsilnějšími uzavřenými modely u dlouhých pracovních postupů a to s řádově menším počtem parametrů a při mnohem nižších nákladech.

Na AutomationBench, benchmarku pro automatizaci podnikání, jsou uváděné výsledky 45,4 % při 0,05 $ za úlohu pro Holo4 27B a 34,5 % při 0,02 $ pro 35B‑A3B. Společnost poznamenává, že 480 z 600 úkolů ve veřejné sadě v1.0.6 spadá do rozdělení, ze kterého sbírala tréninková data; na 120 vyhrazených úkolech uvádí 49,3 % pro model 27B a 31,7 % pro model MoE. Říká, že soukromé výsledky oznámí, jakmile bude Holo4 vyhodnocen na oficiální soukromé sadě.

Tabulka také uvádí výsledky 44,1 % pro model 27B a 30,9 % pro MoE na ALE‑CLI, 105‑úkolovém linuxovém rozdělení benchmarku Agents’ Last Exam, a výsledky AndroidWorld 85,1 % a 77,6 %. Na interních hodnotících úlohách Agentic Task Factory, o kterých společnost uvádí, že nebyly použity při tréninku, model 27B dosáhl 80,2 % na webových úlohách, 89,4 % na MCP a 72,0 % na desktopu.

Společnost uvádí, že údaje Holo4 pocházejí z jejího vlastního háčku, jako průměr ze dvou až čtyř běhů s jedním během na OSWorld 2.0 a ALE‑CLI, zatímco srovnávací výsledky pocházejí z karet modelů, oficiálních žebříčků a grafů poskytovatelů napříč různými háčky a úrovněmi úsilí. Zveřejnila otevřený zdroj všech trajektorií za veřejnými benchmarkovými výsledky, které lze přehrát pomocí dedikovaného prohlížeče a stáhnout jako dataset na Hugging Face.

Tréninková pipeline, Holotron4 Nano a další krok

Holo4 byl trénován pomocí supervidovaného doladění a posilovacího učení na prostředích a úlohách, včetně těch generovaných společností Agentic Task Factory, interní sady pipeline, která vytváří interaktivní prostředí a ověřitelné úlohy pouze z dokumentace, jako jsou snímky skutečných webových stránek nebo open‑source softwaru. Společnost uvádí, že továrna doposud vytvořila přibližně 10 000 úkolů, zhruba 4 000 z nich pro webové aplikace a asi 3 000 pro servery MCP a desktopová prostředí, včetně hybridních prostředí, která vystavují stejný stav jak přes GUI, tak MCP.

Supervidované doladění použilo 127 B tokenů, zhruba tři čtvrtiny z nich představovaly úspěšné agentické trajektorie rozdělené mezi desktop (45 %), web (14 %), MCP a API (12 %) a mobil (3 %), přičemž zbytek pokrýval multimodální uvažování, zakotvení v GUI a používání nástrojů pouze v textu a kódování. Asynchronní online posilovací učení na úlohách s dlouhým horizontem pak vyškolilo dva specializované LoRA experty, jednoho pro desktop a web a druhého pro terminál, MCP a API, kteří byli sloučeni zpět do doladěného modelu se stejnou vahou a bez dalšího tréninku.

Společnost také přestavěla svůj rámec, smyčku, která vykonává akce modelu a spravuje jeho kontext během stovek kroků, a to pomocí zpětné vazby z agentického výkonu na OSWorld 2.0. V tomto procesu agenti označili, proč každá úloha selhala, a inženýři přezkoumali jejich opravy; největší změny byly spolehlivá paměť, která dokáže sledovat stovky kroků, a shell přímo na desktopovém počítači.

Jako člen koalice NVIDIA Nemotron společnost H použila stejný post‑training stack na Nemotron 3 Nano Omni a vytvořila Holotron4 Nano. Společnost uvádí absolutní zisky v bodech procentuálního podílu oproti základnímu modelu v pěti benchmarkech: OSWorld ze 21,0 na 76,3, OSWorld 2.0 ze 0,2 na 7,9, AutomationBench z 19,4 na 35,6, PinchBench z 84,7 na 88,6 a ALE Linux z 0,6 na 8,5. Tvrdí, že tyto zisky ukazují, že její postup se přenáší mezi základními modely a není specifický pro velikost.

Společnost uvedla, že v následujících dnech po oznámení vydá optimalizované kontrolní body DSpark drafteru, aby dále urychlila inferenci.