H Company ने Holo4 जारी किया, कंप्यूटर-उपयोग एजेंटों के लिए ओपन-वेट मॉडल

H कंपनी ने Holo4 जारी किया, जो उसके नए एजेंटिक कंप्यूटर-उपयोग मॉडलों की श्रृंखला है, 28 सितंबर 2026 को, 27B डेंस और 35B-A3B मिश्रित विशेषज्ञ आकारों में, Hugging Face पर ओपन वेट्स और API उपलब्धता के साथ। कंपनी रिपोर्ट करती है कि 27B मॉडल OSWorld बेंचमार्क पर 85.2% स्कोर प्राप्त करता है, प्रति कार्य $0.08 की लागत पर।

मॉडल लाइनअप और उपलब्धता

कंपनी के अनुसार, Holo4 सॉफ़्टवेयर के साथ किसी भी उपलब्ध इंटरफ़ेस के माध्यम से इंटरैक्ट करता है: ग्राफ़िकल यूज़र इंटरफ़ेस, कोड, MCP और API। यह स्क्रीन पर क्लिक और टाइप करता है, अपना स्वयं का कोड लिखता और चलाता है, और MCP या API टूल्स को कॉल करता है, वह तरीका चुनते हुए जो कार्य के अनुकूल हो। वही मॉडल डेस्कटॉप, वेब, Android, कोड सैंडबॉक्स और व्यापार API के खिलाफ चलता है, और प्रत्येक मामले में इसे उसी तरह बुलाया जाता है, बिना प्लेटफ़ॉर्म के अनुसार अलग मॉडल चुनने की आवश्यकता के।

दोनों आकार H Models API पर उपलब्ध हैं, और वेट्स Hugging Face पर BF16, FP8, NVFP4 और 4-बिट GGUF फ़ॉर्मेट में प्रकाशित किए गए हैं। Holo4 के साथ, कंपनी ने Holotron4 Nano भी जारी किया, जो Holotron 3 का अद्यतन संस्करण है।

यह Holo4-27B मॉडल कार्ड मॉडल को 27B‑परामीटर विजन‑भाषा मॉडल के रूप में पहचानता है, जो Qwen3.8 घनी आर्किटेक्चर पर निर्मित है, अधिकतम संदर्भ लंबाई 262,144 टोकन है और लक्ष्य वातावरण वेब, डेस्कटॉप और मोबाइल को कवर करते हैं। कार्ड में कहा गया है कि वज़न गैर‑व्यावसायिक CC BY-NC 4.0 लाइसेंस के तहत उपलब्ध हैं और कंपनी के hai‑agents harness के उपयोग का वर्णन करता है, जो स्क्रीनशॉट और टूल परिणाम मॉडल को भेजता है और अनुरोधित क्लिक, टाइपिंग, कोड और टूल कॉल्स को निष्पादित करता है।

कंपनी की समाचार कक्ष पोस्ट Holo4-35B-A3B को Apache 2.0 के तहत सूचीबद्ध करती है, $0.30 प्रति मिलियन इनपुट टोकन, $0.03 प्रति मिलियन कैश्ड टोकन और $2.00 प्रति मिलियन आउटपुट टोकन के साथ, 262K संदर्भ के साथ। यह Holo4-27B को केवल शोध हेतु $0.40 इनपुट, $0.04 कैश्ड और $3.00 आउटपुट प्रति मिलियन टोकन के साथ सूचीबद्ध करती है, भी 262K संदर्भ के साथ।

रिपोर्टेड बेंचमार्क और प्रति कार्य लागत

कंपनी की बेंचमार्क तालिका रिपोर्ट करती है कि Holo4 27B OSWorld पर 85.2% स्कोर के साथ $0.08 प्रति कार्य लागत पर है और Holo4 35B-A3B 80.8% पर $0.05 के साथ, जबकि Qwen3.8 27B, 27B मॉडल का बेस, 84.3% पर $0.22 है। OSWorld पर सूचीबद्ध फ्रंटियर स्कोर हैं: Fable 5 के लिए 86.0%, GPT-5.5 के लिए 78.7% और Qwen3.8 Max के लिए 86.1%。

OSWorld 2.0 पर, जो लंबी कंप्यूटर वर्कफ़्लो को कवर करता है, कंपनी रिपोर्ट करती है कि Holo4 27B 61.7% स्कोर और 41.5% सफलता दर $1.22 प्रति कार्य पर है, और Holo4 35B-A3B 30.9% पर $0.61 पर है। तालिका Opus 5.5 को 81.8% और $8.48 प्रति कार्य, GPT-6 Astra को 73.5% और $9.07, और Qwen3.8 27B को 48.0% और $3.49 के साथ सूचीबद्ध करती है। कंपनी कहती है कि Holo4 केवल सबसे मजबूत बंद मॉडल्स से पीछे रहता है लंबी वर्कफ़्लो में, और यह बहुत कम पैरामीटर और बहुत कम लागत के साथ करता है।

AutomationBench पर, एक बिजनेस-ऑटोमेशन बेंचमार्क, रिपोर्टेड स्कोर हैं 45.4% $0.05 प्रति कार्य के लिए Holo4 27B और 34.5% $0.02 के लिए 35B-A3B। कंपनी नोट करती है कि सार्वजनिक v1.0.6 सेट में 600 कार्यों में से 480 उन विभाजन में आते हैं जिससे उसने प्रशिक्षण डेटा एकत्र किया; 120 रखे गए कार्यों पर, यह 27B मॉडल के लिए 49.3% और MoE मॉडल के लिए 31.7% रिपोर्ट करता है। यह कहती है कि वह निजी सेट परिणाम रिपोर्ट करेगा जब Holo4 आधिकारिक निजी सेट पर मूल्यांकित किया जाएगा।

तालिका ALE-CLI पर 27B मॉडल के लिए 44.1% और MoE के लिए 30.9% स्कोर भी रिपोर्ट करती है, जो Agents’ Last Exam बेंचमार्क के 105-टास्क लिनक्स विभाजन है, और AndroidWorld स्कोर क्रमशः 85.1% और 77.6% हैं। आंतरिक Agentic Task Factory मूल्यांकन कार्यों पर, जिनका कंपनी कहती है कि प्रशिक्षण में उपयोग नहीं किया गया, 27B मॉडल वेब कार्यों पर 80.2%, MCP पर 89.4% और डेस्कटॉप पर 72.0% स्कोर प्राप्त करता है।

कंपनी कहती है कि Holo4 के आंकड़े उसके अपने हार्नेस से आते हैं, दो से चार रन के औसत के रूप में, जिसमें OSWorld 2.0 और ALE-CLI पर एकल रन शामिल है, जबकि तुलना स्कोर मॉडल कार्ड, आधिकारिक लीडरबोर्ड और विभिन्न हार्नेस और प्रयास स्तरों के प्रदाताओं के चार्ट से आते हैं। उसने सार्वजनिक बेंचमार्क स्कोर के पीछे की प्रत्येक ट्रैजेक्टरी को ओपन-सोर्स किया है, जिसे एक समर्पित व्यूअर के माध्यम से पुनः चलाया जा सकता है और Hugging Face डेटासेट के रूप में डाउनलोड किया जा सकता है।

ट्रेनिंग पाइपलाइन, Holotron4 Nano और अगला कदम

Holo4 को पर्यवेक्षित फाइन-ट्यूनिंग और रिइन्फोर्समेंट लर्निंग के माध्यम से उन वातावरणों और कार्यों पर प्रशिक्षित किया गया जिसमें कंपनी के Agentic Task Factory द्वारा उत्पन्न किए गए कार्य भी शामिल हैं, जो एक आंतरिक पाइपलाइन सेट है जो केवल दस्तावेज़ीकरण से इंटरैक्टिव वातावरण और सत्यापनीय कार्य बनाता है, जैसे वास्तविक वेबसाइटों या ओपन-सोर्स सॉफ़्टवेयर के स्क्रीनशॉट। कंपनी कहती है कि फैक्ट्री ने अब तक लगभग 10,000 कार्य उत्पन्न किए हैं, जिनमें लगभग 4,000 वेब ऐप्स के लिए और लगभग 3,000 प्रत्येक MCP सर्वर और डेस्कटॉप वातावरण के लिए हैं, जिसमें हाइब्रिड वातावरण भी शामिल हैं जो GUI और MCP के माध्यम से समान स्थिति को उजागर करते हैं।

पर्यवेक्षित फाइन-ट्यूनिंग ने 127B टोकन उपयोग किए, जिनमें से लगभग तीन चतुर्थांश सफल एजेंटिक ट्रैजेक्टरी थे जो डेस्कटॉप (45%), वेब (14%), MCP और API (12%) और मोबाइल (3%) में विभाजित थे, शेष भाग मल्टीमॉडल तर्क, GUI ग्राउंडिंग और केवल टेक्स्ट टूल उपयोग और कोडिंग को कवर करता है। लंबी-होराइज़न कार्यों पर असिंक्रोनस ऑनलाइन रिइन्फोर्समेंट लर्निंग ने फिर दो विशेषीकृत LoRA विशेषज्ञों को प्रशिक्षित किया, एक डेस्कटॉप और वेब के लिए और एक टर्मिनल, MCP और API के लिए, जिन्हें समान वजन के साथ फाइन-ट्यून्ड मॉडल में वापस मिलाया गया और आगे कोई प्रशिक्षण नहीं किया गया।

कंपनी ने अपने हर्नेस, यानी वह लूप जो मॉडल की क्रियाओं को निष्पादित करता है और सैकड़ों चरणों में उसका संदर्भ प्रबंधित करता है, को OSWorld 2.0 पर एजेंटिक प्रदर्शन से प्राप्त प्रतिक्रिया का उपयोग करके फिर से बनाया। इस प्रक्रिया में, एजेंटों ने प्रत्येक कार्य के विफल होने का कारण टैग किया और इंजीनियरों ने उनके सुधारों की समीक्षा की; सबसे बड़े परिवर्तन थे एक विश्वसनीय मेमोरी जो सैकड़ों चरणों को ट्रैक कर सकती है और डेस्कटॉप मशीन पर स्वयं एक शेल।

NVIDIA Nemotron Coalition के सदस्य के रूप में, H company ने Nemotron 3 Nano Omni पर वही पोस्ट-ट्रेनिंग स्टैक लागू किया और Holotron4 Nano तैयार किया। कंपनी ने बेस मॉडल की तुलना में पाँच बेंचमार्क पर शुद्ध प्रतिशत बिंदु सुधारों की रिपोर्ट की: OSWorld 21.0 से 76.3 तक, OSWorld 2.0 0.2 से 7.9 तक, AutomationBench 19.4 से 35.6 तक, PinchBench 84.7 से 88.6 तक और ALE Linux 0.6 से 8.5 तक। यह कहती है कि ये सुधार दर्शाते हैं कि इसकी विधि फाउंडेशन मॉडल्स के बीच स्थानांतरित होती है और आकार-विशिष्ट नहीं है।

कंपनी ने कहा कि घोषणा के बाद के दिनों में वह अनुकूलित DSpark ड्राफ्टर चेकपॉइंट्स जारी करेगी ताकि इन्फ़रेंस को और तेज किया जा सके।