H Company julkaisee Holo4:n, avoimen painon mallit tietokonekäyttöisille agenteille

H company julkaisi Holo4, sen uusi sarja agenttipohjaisia tietokonekäyttöisiä malleja, 28. syyskuuta 2026, 27B dense- ja 35B-A3B Mixture of Experts -kokoina, avoimilla painoilla Hugging Face -palvelussa ja API‑saatavuudella. Yritys raportoi, että 27B‑malli saavutti 85.2% OSWorld‑vertailussa hintaan $0.08 per tehtävä.

Mallisarja ja saatavuus

Yrityksen mukaan Holo4 on vuorovaikutuksessa ohjelmistojen kanssa minkä tahansa käytettävissä olevan käyttöliittymän kautta: graafiset käyttöliittymät, koodi, MCP ja API:t. Se klikkaa ja kirjoittaa näytöllä, kirjoittaa ja suorittaa omaa koodiaan, ja kutsuu MCP‑ tai API‑työkaluja valiten tehtävään parhaiten sopivan lähestymistavan. Sama malli toimii työpöydillä, verkossa, Androidilla, koodihiekkalaatikossa ja yritys‑API:ita vastaan, ja sitä kutsutaan samalla tavalla kaikissa tapauksissa, ilman että eri alustalle täytyy valita eri malli.

Molemmat koot ovat saatavilla H Models API:ssa, ja painot on julkaistu Hugging Facessa BF16-, FP8-, NVFP4- ja 4‑bit GGUF -muodoissa. Holo4:n lisäksi yritys julkaisi myös Holotron4 Nano:n, päivitetyn version Holotron 3:sta.

Holo4-27B mallikortti tunnistaa mallin 27 miljardia parametria sisältävänä näkö‑kielimallina, joka on rakennettu Qwen3.8:n tiheään arkkitehtuuriin, maksimitarkenteen pituus on 262 144 tokenia ja kohdeympäristöt kattavat verkon, työpöydän ja mobiilin. Kortissa todetaan, että painot ovat saatavilla ei‑kaupallisen CC BY‑NC 4.0 -lisenssin alaisina, ja se kuvaa käyttöä yrityksen hai‑agents‑harjoitteessa, joka lähettää näytönkaappauksia ja työkalutuloksia mallille sekä toteuttaa pyydetyt napsautukset, kirjoitukset, koodin ja työkalukutsut.

Yrityksen lehdistötiedote listaa Holo4-35B-A3B:n Apache 2.0 -lisenssin alla hintaan 0,30 $ per miljoona syötetynyttä tokenia, 0,03 $ per miljoona välimuistissa olevaa tokenia ja 2,00 $ per miljoona tuotettua tokenia, 262 K kontekstilla. Siinä listataan Holo4-27B tutkimus‑vain käyttöön hintaan 0,40 $ syötettä, 0,04 $ välimuistia ja 3,00 $ tuotosta per miljoona tokenia, myös 262 K kontekstilla.

Raportoituja vertailuja ja tehtäväkohtainen kustannus

Yrityksen vertailutaulukko raportoi Holo4 27B:n saavuttaneen 85.2% OSWorld‑testissä kustannuksella $0.08 per tehtävä ja Holo4 35B-A3B:n 80.8% hintaan $0.05, verrattuna Qwen3.8 27B:n 84.3% ja $0.22. OSWorldin listatuissa huippupisteissä ovat 86.0% Fable 5:lle, 78.7% GPT‑5.5:lle ja 86.1% Qwen3.8 Max:lle.

OSWorld 2.0:ssa, joka kattaa pitkät tietokonevirrat, yritys raportoi Holo4 27B:n saavuttaneen 61.7% pistemäärän ja 41.5% onnistumisprosentin hintaan $1.22 per tehtävä, ja Holo4 35B-A3B:n 30.9% hintaan $0.61. Taulukko listaa Opus 5.5:n 81.8% ja $8.48 per tehtävä, GPT‑6 Astra:n 73.5% ja $9.07, sekä Qwen3.8 27B:n 48.0% ja $3.49. Yritys sanoo, että Holo4 jää jälkeen vain vahvimmista suljetuista malleista pitkissä työnkuluissa, ja tekee sen kymmenien kertojen pienemmällä parametrimäärällä ja paljon alhaisemmalla kustannuksella.

AutomationBenchissä, liiketoiminnan automaatiovertailussa, raportoituja pisteitä ovat 45.4% hintaan $0.05 per tehtävä Holo4 27B:lle ja 34.5% hintaan $0.02 35B-A3B:lle. Yritys huomauttaa, että 480‑stä 600‑tehtävästä julkisessa v1.0.6‑joukossa kuuluvat jakoon, josta se keräsi koulutusdataa; 120‑ssa pidetystä testitehtävästä se raportoi 49.3% 27B‑mallille ja 31.7% MoE‑mallille. Yritys sanoo raportoivansa yksityiset tulokset, kun Holo4 on arvioitu virallisessa yksityisessä joukossa.

Taulukko raportoi myös 44.1% pisteet 27B‑mallille ja 30.9% MoE:lle ALE‑CLI:ssä, 105‑tehtävän Linux‑jako Agents’ Last Exam -vertailussa, sekä AndroidWorld‑pisteet 85.1% ja 77.6%. Sisäisissä Agentic Task Factory -arviointitehtävissä, joita yritys sanoo eivät olleet käytössä koulutuksessa, 27B‑malli saavutti 80.2% web‑tehtävissä, 89.4% MCP‑tehtävissä ja 72.0% työpöytä‑tehtävissä.

Yritys toteaa, että Holo4:n luvut perustuvat sen omaan harjaan, keskiarvona kahdesta neljään suoritukseen yhdellä suorituksella OSWorld 2.0:ssa ja ALE‑CLI:ssa, kun taas vertailupisteet tulevat mallikorteista, virallisista tulostauluista ja toimittajien kaavioista eri harjoituksilla ja panostustasoilla. Se on avannut lähdekoodin kaikille trajektioille julkisten vertailupisteiden takana, jotka ovat toistettavissa omistetun katselijan kautta ja ladattavissa Hugging Face -aineistona.

Koulutuspipeline, Holotron4 Nano ja seuraava askel

Holo4 koulutettiin valvotun hienosäädön ja vahvistusoppimisen avulla ympäristöissä ja tehtävissä, mukaan lukien ne, jotka yrityksen Agentic Task Factory on luonut; sisäinen putkistosarja, joka rakentaa interaktiivisia ympäristöjä ja tarkistettavia tehtäviä pelkästään dokumentaatiosta, kuten todellisten verkkosivustojen tai avoimen lähdekoodin ohjelmistojen näytönkaappauksista. Yritys kertoo, että tehdas on tähän mennessä tuottanut noin 10 000 tehtävää, joista noin 4 000 on web‑sovelluksia varten ja noin 3 000 kullekin MCP‑palvelimelle ja työpöytäympäristöille, mukaan lukien hybridiympäristöt, jotka esittelevät saman tilan sekä graafisen käyttöliittymän että MCP:n kautta.

Valvotussa hienosäädössä käytettiin 127 B tokenia, noin kolme neljäsosaa niistä onnistuneita agenttipolkuja, jaettu työpöydälle (45%), verkolle (14%), MCP‑ ja API‑ympäristöihin (12%) ja mobiilille (3%), loput kattavat multimodaalisen päättelyn, GUI‑perusteen sekä pelkän tekstin työkalukäytön ja koodauksen. Aikataulutonta verkko‑vahvistusoppimista pitkän aikavälin tehtävissä koulutti sitten kaksi erikoistunutta LoRA‑asiantuntijaa, yhden työpöydälle ja verkkoon sekä toisen terminaalille, MCP:lle ja API:lle, jotka yhdistettiin takaisin hienosäädettyyn malliin tasavertaisella painolla ilman lisäkoulutusta.

Yritys rakensi myös uudelleen ohjausjärjestelmänsä, silmukan, joka suorittaa mallin toiminnot ja hallitsee sen kontekstia sadoissa askeleissa, hyödyntäen palautetta agenttien suorituskyvystä OSWorld 2.0:ssa. Tässä prosessissa agentit merkitsivät, miksi kukin tehtävä epäonnistui, ja insinöörit tarkastelivat niiden korjauksia; suurimmat muutokset olivat luotettava muisti, joka pystyy seuraamaan satoja askeleita, sekä kuori itse työpöytäkoneessa.

NVIDIA Nemotron -koalition jäsenenä H‑yritys sovelsi samaa jälkikoulutuspinon Nemotron 3 Nano Omniin tuottaakseen Holotron4 Nano‑mallin. Yritys raportoi absoluuttisia prosenttiyksikköparannuksia perusmalliin verrattuna viidellä mittarilla: OSWorld 21,0 % → 76,3 %, OSWorld 2.0 0,2 % → 7,9 %, AutomationBench 19,4 % → 35,6 %, PinchBench 84,7 % → 88,6 % ja ALE Linux 0,6 % → 8,5 %. Yritys toteaa, että nämä parannukset osoittavat reseptin siirtyvän eri perustamismalleihin eikä sen ole sidottu koon mukaan.

Yritys kertoi julkaisevansa optimoituja DSpark‑draftteri‑tarkistuspisteitä ilmoituksen jälkeisinä päivinä nopeuttaakseen inferenssiä entisestään.