H Company παρουσιάζει το Holo4, μοντέλα ανοιχτών βαρών για πράκτορες χρήσης υπολογιστή

Η H company ανακοίνωσε το Holo4, τη νέα σειρά μοντέλων πράκτορα χρήσης υπολογιστή, στις 28 Σεπτεμβρίου 2026, σε μεγέθη 27B dense και 35B‑A3B Mixture of Experts, με ανοιχτά βάρη στο Hugging Face και διαθεσιμότητα API. Η εταιρεία αναφέρει ότι το μοντέλο 27B σημειώνει 85.2% στο benchmark OSWorld με κόστος $0.08 ανά εργασία.

Σειρά μοντέλων και διαθεσιμότητα

Σύμφωνα με την εταιρεία, το Holo4 αλληλεπιδρά με λογισμικό μέσω οποιασδήποτε διαθέσιμης διεπαφής: γραφικών διεπαφών χρήστη, κώδικα, MCP και API. Κάνει κλικ και πληκτρολογεί σε οθόνη, γράφει και εκτελεί τον δικό του κώδικα, και καλεί εργαλεία MCP ή API, επιλέγοντας την προσέγγιση που ταιριάζει στην εργασία. Το ίδιο μοντέλο λειτουργεί σε επιτραπέζιους υπολογιστές, στο διαδίκτυο, σε Android, σε περιβάλλον sandbox κώδικα και ενάντια σε επιχειρηματικά API, και καλείται με τον ίδιο τρόπο σε κάθε περίπτωση, χωρίς ανάγκη επιλογής διαφορετικού μοντέλου ανά πλατφόρμα.

Και τα δύο μεγέθη είναι διαθέσιμα στο H Models API, και τα βάρη δημοσιεύονται στο Hugging Face σε μορφές BF16, FP8, NVFP4 και 4‑bit GGUF. Παράλληλα με το Holo4, η εταιρεία ανακοίνωσε επίσης το Holotron4 Nano, μια ενημερωμένη έκδοση του Holotron 3.

Η Holo4-27B κάρτα μοντέλου προσδιορίζει το μοντέλο ως μοντέλο 27B-παραμέτρων μοντέλο όρασης-γλώσσας χτισμένο στην πυκνή αρχιτεκτονική Qwen3.8, με μέγιστο μήκος συμφραζομένων 262,144 tokens και περιβάλλοντα-στόχο που καλύπτουν το web, το desktop και το mobile. Η κάρτα δηλώνει ότι τα βάρη είναι διαθέσιμα υπό την μη‑εμπορική άδεια CC BY‑NC 4.0 και περιγράφει τη χρήση με το σύστημα hai‑agents της εταιρείας, το οποίο στέλνει στιγμιότυπα οθόνης και αποτελέσματα εργαλείων στο μοντέλο και εκτελεί τα αιτηθέντα κλικ, πληκτρολόγηση, κώδικα και κλήσεις εργαλείων.

Η newsroom post της εταιρείας καταγράφει το Holo4-35B-A3B υπό την άδεια Apache 2.0 με $0.30 ανά εκατομμύριο tokens εισόδου, $0.03 ανά εκατομμύριο tokens σε cache και $2.00 ανά εκατομμύριο tokens εξόδου, με συμφραζόμενα 262 K. Καταγράφει επίσης το Holo4-27B ως μόνο για έρευνα με $0.40 εισόδου, $0.04 σε cache και $3.00 εξόδου ανά εκατομμύριο tokens, επίσης με 262 K συμφραζόμενα.

Αναφερόμενα benchmarks και κόστος ανά εργασία

Ο πίνακας benchmark της εταιρείας αναφέρει ότι το Holo4 27B έχει 85.2% στο OSWorld με κόστος $0.08 ανά εργασία και το Holo4 35B-A3B έχει 80.8% με $0.05, σε σύγκριση με 84.3% με $0.22 για το Qwen3.8 27B, τη βάση του μοντέλου 27B. Οι καταγεγραμμένες κορυφαίες βαθμολογίες στο OSWorld είναι 86.0% για το Fable 5, 78.7% για το GPT‑5.5 και 86.1% για το Qwen3.8 Max.

Στο OSWorld 2.0, που καλύπτει μακροχρόνιες ροές εργασίας υπολογιστή, η εταιρεία αναφέρει ότι το Holo4 27B έχει βαθμό 61.7% και ποσοστό επιτυχίας 41.5% με $1.22 ανά εργασία, και το Holo4 35B-A3B έχει 30.9% με $0.61. Ο πίνακας καταγράφει το Opus 5.5 με 81.8% και $8.48 ανά εργασία, το GPT‑6 Astra με 73.5% και $9.07, και το Qwen3.8 27B με 48.0% και $3.49. Η εταιρεία δηλώνει ότι το Holo4 υστερεί μόνο από τα πιο ισχυρά κλειστά μοντέλα σε μακροχρόνιες ροές εργασίας, και ότι το κάνει με τάξεις μεγέθους πολύ μικρότερου αριθμού παραμέτρων και σε πολύ χαμηλότερο κόστος.

Στο AutomationBench, ένα benchmark αυτοματοποίησης επιχειρήσεων, οι αναφερόμενες βαθμολογίες είναι 45.4% με $0.05 ανά εργασία για το Holo4 27B και 34.5% με $0.02 για το 35B‑A3B. Η εταιρεία σημειώνει ότι 480 από τα 600 tasks στο δημόσιο σύνολο v1.0.6 εμπίπτουν στο τμήμα από το οποίο συγκέντρωσε δεδομένα εκπαίδευσης· στα 120 απομονωμένα tasks, αναφέρει 49.3% για το μοντέλο 27B και 31.7% για το μοντέλο MoE. Δηλώνει ότι θα δημοσιεύσει τα αποτελέσματα του ιδιωτικού συνόλου μόλις το Holo4 αξιολογηθεί στο επίσημο ιδιωτικό σύνολο.

Ο πίνακας αναφέρει επίσης βαθμολογίες 44.1% για το μοντέλο 27B και 30.9% για το MoE στο ALE‑CLI, το τμήμα Linux 105 tasks του benchmark Agents’ Last Exam, καθώς και βαθμολογίες AndroidWorld 85.1% και 77.6%. Σε εσωτερικές εργασίες αξιολόγησης του Agentic Task Factory που, σύμφωνα με την εταιρεία, δεν χρησιμοποιήθηκαν στην εκπαίδευση, το μοντέλο 27B σημειώνει 80.2% σε εργασίες web, 89.4% σε MCP και 72.0% σε desktop.

Η εταιρεία δηλώνει ότι τα νούμερα του Holo4 προέρχονται από το δικό της harness, ως μέσο όρο από δύο έως τέσσερις εκτελέσεις με μία εκτέλεση στο OSWorld 2.0 και ALE‑CLI, ενώ οι συγκριτικές βαθμολογίες προέρχονται από κάρτες μοντέλων, επίσημα leaderboards και γραφήματα παρόχων σε διαφορετικά harness και επίπεδα προσπάθειας. Έχει ανοίξει κώδικα για κάθε διαδρομή πίσω από τις δημόσιες βαθμολογίες benchmark, επαναλαμβανόμενη μέσω ειδικού προβολέα και λήψιμη ως σύνολο δεδομένων Hugging Face.

Διαδικασία εκπαίδευσης, Holotron4 Nano και επόμενο βήμα

Το Holo4 εκπαιδεύτηκε μέσω επιβλεπόμενης λεπτοεπεξεργασίας (fine‑tuning) και ενισχυτικής μάθησης σε περιβάλλοντα και εργασίες, συμπεριλαμβανομένων αυτών που δημιουργήθηκαν από το Agentic Task Factory της εταιρείας, ένα εσωτερικό σύνολο pipelines που κατασκευάζει διαδραστικά περιβάλλοντα και επαληθεύσιμες εργασίες μόνο από τεκμηρίωση, όπως στιγμιότυπα πραγματικών ιστοσελίδων ή λογισμικού ανοιχτού κώδικα. Η εταιρεία αναφέρει ότι το εργοστάσιο έχει παραγάγει περίπου 10.000 εργασίες μέχρι τώρα, περίπου 4.000 από αυτές για web εφαρμογές και περίπου 3.000 για κάθε MCP servers και περιβάλλοντα desktop, συμπεριλαμβανομένων υβριδικών περιβαλλόντων που εκθέτουν την ίδια κατάσταση μέσω GUI και MCP.

Η επιβλεπόμενη λεπτοεπεξεργασία χρησιμοποίησε 127 B tokens, περίπου τρία τέταρτα από αυτά σε επιτυχημένες διαδρομές πράκτορα, κατανεμημένα σε desktop (45%), web (14%), MCP και API (12%) και mobile (3%), με το υπόλοιπο να καλύπτει πολυμορφική λογική, θεμελίωση GUI και χρήση εργαλείων μόνο κειμένου και προγραμματισμό. Η ασύγχρονη διαδικτυακή ενισχυτική μάθηση σε εργασίες μακράς προοπτικής στη συνέχεια εκπαίδευσε δύο εξειδικευμένους LoRA ειδικούς, έναν για desktop και web και έναν για τερματικό, MCP και API, οι οποίοι συγχωνεύθηκαν ξανά στο λεπτοεπεξεργασμένο μοντέλο με ίσο βάρος και χωρίς περαιτέρω εκπαίδευση.

Η εταιρεία επίσης ξαναχτίσε το σύστημα ελέγχου, το βρόχο που εκτελεί τις ενέργειες του μοντέλου και διαχειρίζεται το πλαίσιο του σε εκατοντάδες βήματα, χρησιμοποιώντας ανατροφοδότηση από την επιδότηση των πρακτόρων στο OSWorld 2.0. Σε αυτή τη διαδικασία, οι πράκτορες σημείρωσαν γιατί κάθε εργασία απέτυχε και οι μηχανικοί εξέτασαν τις διορθώσεις τους· οι μεγαλύτερες αλλαγές ήταν μια αξιόπιστη μνήμη που μπορεί να παρακολουθεί εκατοντάδες βήματα και ένα κέλυφος στον ίδιο τον υπολογιστή της επιφάνειας εργασίας.

Ως μέλος της Συμμαχίας NVIDIA Nemotron, η εταιρεία H εφάρμοσε την ίδια στοίβα μετά την εκπαίδευση στο Nemotron 3 Nano Omni για να παράγει το Holotron4 Nano. Η εταιρεία αναφέρει απόλυτες αυξήσεις κατά ποσοστού σημείου σε σχέση με το βασικό μοντέλο σε πέντε δείκτες: OSWorld από 21,0 σε 76,3, OSWorld 2.0 από 0,2 σε 7,9, AutomationBench από 19,4 σε 35,6, PinchBench από 84,7 σε 88,6 και ALE Linux από 0,6 σε 8,5. Αναφέρει ότι οι βελτιώσεις δείχνουν ότι η συνταγή της μεταφέρεται μεταξύ μοντέλων βάσης και δεν εξαρτάται από το μέγεθος.

Η εταιρεία δήλωσε ότι θα κυκλοφορήσει βελτιστοποιημένα σημεία ελέγχου DSpark drafter τις ημέρες μετά την ανακοίνωση για περαιτέρω επιτάχυνση της εκτέλεσης.