H Company lancerer Holo4, modeller med åbne vægte til computeragenter

H company lancerede den 28. september 2026 Holo4, virksomhedens nye serie af agentiske modeller til computerbrug, i størrelserne 27B dense og 35B-A3B Mixture of Experts med åbne vægte på Hugging Face og adgang via API. Virksomheden oplyser, at 27B-modellen opnår 85,2 % i OSWorld-benchmarken til en pris på 0,08 dollar pr. opgave.

Modeludvalg og tilgængelighed

Ifølge virksomheden interagerer Holo4 med software gennem enhver tilgængelig grænseflade: grafiske brugergrænseflader, kode, MCP og API’er. Modellen klikker og skriver på en skærm, skriver og kører sin egen kode og kalder MCP- eller API-værktøjer, idet den vælger den fremgangsmåde, der passer til opgaven. Den samme model kører på computere, på nettet, på Android, i en kode-sandkasse og mod virksomheds-API’er, og den kaldes på samme måde i hvert tilfælde, uden at man behøver vælge en anden model til hver platform.

Begge størrelser er tilgængelige via H Models API, og vægtene er offentliggjort på Hugging Face i formaterne BF16, FP8, NVFP4 og 4-bit GGUF. Sammen med Holo4 lancerede virksomheden også Holotron4 Nano, en opdateret version af Holotron 3.

Modelkortet for Holo4-27B beskriver modellen som en vision-sprogmodel med 27 milliarder parametre, bygget på den tætte Qwen3.8-arkitektur, med en maksimal kontekstlængde på 262.144 tokens og målmiljøer, der omfatter web, computer og mobil. Kortet oplyser, at vægtene er tilgængelige under den ikke-kommercielle licens CC BY-NC 4.0, og beskriver brugen med virksomhedens hai-agents-harness, som sender skærmbilleder og værktøjsresultater til modellen og udfører de klik, den indtastning, den kode og de værktøjskald, som modellen anmoder om.

Virksomhedens opslag i nyhedsrummet angiver Holo4-35B-A3B under Apache 2.0 til 0,30 dollar pr. million inputtokens, 0,03 dollar pr. million cachede tokens og 2,00 dollar pr. million outputtokens med en kontekst på 262K. Holo4-27B er angivet som kun til forskning til 0,40 dollar for input, 0,04 dollar for cachede tokens og 3,00 dollar for output pr. million tokens, også med en kontekst på 262K.

Rapporterede benchmarkresultater og pris pr. opgave

Virksomhedens benchmarktabel angiver Holo4 27B til 85,2 % i OSWorld med en pris på 0,08 dollar pr. opgave og Holo4 35B-A3B til 80,8 % ved 0,05 dollar, sammenholdt med 84,3 % ved 0,22 dollar for Qwen3.8 27B, som 27B-modellen er baseret på. De anførte resultater for førende modeller i OSWorld er 86,0 % for Fable 5, 78,7 % for GPT-5.5 og 86,1 % for Qwen3.8 Max.

I OSWorld 2.0, der omfatter lange computerarbejdsgange, rapporterer virksomheden en score på 61,7 % og en succesrate på 41,5 % for Holo4 27B til 1,22 dollar pr. opgave samt 30,9 % for Holo4 35B-A3B til 0,61 dollar. Tabellen angiver Opus 5.5 til 81,8 % og 8,48 dollar pr. opgave, GPT-6 Astra til 73,5 % og 9,07 dollar samt Qwen3.8 27B til 48,0 % og 3,49 dollar. Virksomheden siger, at Holo4 på lange arbejdsgange kun ligger efter de stærkeste lukkede modeller, og at den gør det med størrelsesordener færre parametre og til en langt lavere pris.

I AutomationBench, en benchmark for automatisering i virksomheder, er de rapporterede resultater 45,4 % til 0,05 dollar pr. opgave for Holo4 27B og 34,5 % til 0,02 dollar for 35B-A3B. Virksomheden bemærker, at 480 af de 600 opgaver i det offentlige v1.0.6-sæt indgår i den del, hvorfra den indsamlede træningsdata; på de 120 tilbageholdte opgaver rapporterer den 49,3 % for 27B-modellen og 31,7 % for MoE-modellen. Virksomheden siger, at den vil offentliggøre resultater fra det private sæt, når Holo4 er blevet evalueret på det officielle private sæt.

Tabellen rapporterer også resultater på 44,1 % for 27B-modellen og 30,9 % for MoE i ALE-CLI, Linux-delen med 105 opgaver i benchmarken Agents’ Last Exam, samt AndroidWorld-resultater på 85,1 % og 77,6 %. På interne evalueringsopgaver fra Agentic Task Factory, som ifølge virksomheden ikke blev anvendt til træning, opnår 27B-modellen 80,2 % på webopgaver, 89,4 % på MCP og 72,0 % på computeropgaver.

Virksomheden oplyser, at tallene for Holo4 kommer fra dens egen harness som gennemsnittet af to til fire kørsler, dog én enkelt kørsel i OSWorld 2.0 og ALE-CLI, mens sammenligningsresultaterne kommer fra modelkort, officielle ranglister og udbydernes diagrammer med forskellige harnesses og indsatsniveauer. Den har frigivet alle de forløb, der ligger bag dens offentlige benchmarkresultater, som open source; de kan afspilles gennem en særlig fremviser og downloades som et Hugging Face-datasæt.

Træningsforløb, Holotron4 Nano og næste skridt

Holo4 blev trænet gennem superviseret finjustering og forstærkningslæring på miljøer og opgaver, herunder opgaver genereret af virksomhedens Agentic Task Factory, et internt sæt af pipelines, der alene ud fra dokumentation opbygger interaktive miljøer og verificerbare opgaver, eksempelvis skærmbilleder af virkelige websteder eller open source-software. Virksomheden siger, at fabrikken hidtil har produceret omkring 10.000 opgaver, cirka 4.000 af dem til webapps og omkring 3.000 til henholdsvis MCP-servere og computermiljøer, herunder hybridmiljøer, der stiller den samme tilstand til rådighed gennem en grafisk grænseflade og MCP.

Den superviserede finjustering brugte 127 milliarder tokens, hvoraf omkring tre fjerdedele var vellykkede agentiske forløb fordelt på computer (45 %), web (14 %), MCP og API (12 %) samt mobil (3 %). Resten omfattede multimodal ræsonnering, forankring i grafiske brugergrænseflader samt tekstbaseret brug af værktøjer og programmering. Asynkron onlineforstærkningslæring på opgaver med lang tidshorisont trænede derefter to specialiserede LoRA-eksperter, én til computer og web og én til terminal, MCP og API. De blev flettet tilbage i den finjusterede model med samme vægt og uden yderligere træning.

Virksomheden genopbyggede også sin harness, den løkke, der udfører modellens handlinger og administrerer dens kontekst over hundredvis af trin, ved hjælp af feedback fra agentisk præstation i OSWorld 2.0. Under dette arbejde markerede agenterne årsagen til hver mislykket opgave, og ingeniørerne gennemgik deres rettelser; de største ændringer var en pålidelig hukommelse, der kan holde styr på hundredvis af trin, og en shell på selve computeren.

Som medlem af NVIDIA Nemotron Coalition anvendte H company den samme eftertræningsstack på Nemotron 3 Nano Omni for at skabe Holotron4 Nano. Virksomheden rapporterer absolutte stigninger i procentpoint i forhold til grundmodellen på fem benchmarks: OSWorld fra 21,0 til 76,3, OSWorld 2.0 fra 0,2 til 7,9, AutomationBench fra 19,4 til 35,6, PinchBench fra 84,7 til 88,6 og ALE Linux fra 0,6 til 8,5. Den siger, at forbedringerne viser, at dens fremgangsmåde kan overføres mellem grundmodeller og ikke er knyttet til en bestemt størrelse.

Virksomheden oplyste, at den i dagene efter annonceringen vil frigive optimerede DSpark-drafter-checkpoints for at accelerere inferens yderligere.