H Company 发布 Holo4，面向计算机使用代理的开放权重模型

H company 于 2026年9月28日发布了 Holo4，其新系列的代理计算机使用模型，提供 27B 密集版和 35B-A3B 专家混合版，权重已在 Hugging Face 开放并提供 API。公司报告称，27B 模型在 OSWorld 基准上得分 85.2%，每任务成本为 $0.08。

模型系列及可用性

据公司称，Holo4 可通过任何可用接口与软件交互：图形用户界面、代码、MCP 和 API。它在屏幕上点击和输入，编写并运行自己的代码，并调用 MCP 或 API 工具，选择最适合任务的方法。同一模型可在桌面、网页、Android、代码沙盒以及业务 API 上运行，调用方式保持一致，无需为不同平台选择不同模型。

两种规模均可通过 H Models API 使用，权重已在 Hugging Face 以 BF16、FP8、NVFP4 和 4 位 GGUF 格式发布。除了 Holo4， 公司还发布了 Holotron4 Nano，这是 Holotron 3 的升级版。

The Holo4-27B 模型卡 将模型标识为 27B 参数的 视觉语言模型，基于 Qwen3.8 密集架构，最大上下文长度为 262,144 token，目标环境覆盖网页、桌面和移动。模型卡声明权重在非商业 CC BY-NC 4.0 许可证下提供，并描述了与公司 hai-agents harness 的使用方式，该 harness 将截图和工具结果发送给模型，并执行其请求的点击、输入、代码和工具调用。

公司在 新闻稿 中列出 Holo4-35B-A3B 使用 Apache 2.0 许可证，费用为每百万输入 token $0.30、每百万缓存 token $0.03、每百万输出 token $2.00，上下文为 262K。它将 Holo4-27B 标为仅限研究使用，费用为每百万输入 token $0.40、每百万缓存 token $0.04、每百万输出 token $3.00，同样为 262K 上下文。

报告的基准成绩与每任务成本

公司在基准表中报告，Holo4 27B 在 OSWorld 上得分 85.2%，每任务成本 $0.08；Holo4 35B-A3B 得分 80.8%，每任务成本 $0.05；相比之下，Qwen3.8 27B（27B 模型的基线）得分 84.3%，每任务成本 $0.22。OSWorld 上列出的前沿得分为：Fable 5 为 86.0%，GPT-5.5 为 78.7%，Qwen3.8 Max 为 86.1%。

在覆盖长计算工作流的 OSWorld 2.0 上，公司报告 Holo4 27B 得分 61.7%，成功率 41.5%，每任务成本 $1.22；Holo4 35B-A3B 得分 30.9%，每任务成本 $0.61。表格列出 Opus 5.5 得分 81.8%，每任务 $8.48，GPT-6 Astra 得分 73.5%，每任务 $9.07，Qwen3.8 27B 得分 48.0%，每任务 $3.49。公司称 Holo4 在长工作流上仅落后于最强的闭源模型，且参数量少了数量级，成本也低得多。

在业务自动化基准 AutomationBench 上，报告的得分为 Holo4 27B 每任务 $0.05 时为 45.4%，35B-A3B 每任务 $0.02 时为 34.5%。公司指出，公共 v1.0.6 集合中的 600 项任务中有 480 项属于其收集训练数据的划分；在 120 项保留任务上，27B 模型得分 49.3%，MoE 模型得分 31.7%。公司表示，一旦 Holo4 在官方私有集合上评估完毕，将公布私有集合的结果。

表格还报告了 ALE-CLI（Agents’ Last Exam 基准的 105 任务 Linux 划分）上，27B 模型得分 44.1%，MoE 得分 30.9%；以及 AndroidWorld 上的得分分别为 85.1% 和 77.6%。在公司称未用于训练的内部 Agentic Task Factory 评估任务中，27B 模型在网页任务上得分 80.2%，在 MCP 上得分 89.4%，在桌面上得分 72.0%。

公司表示，Holo4 的数据来自其自有 harness，取两到四次运行的平均值，在 OSWorld 2.0 和 ALE-CLI 上仅进行一次运行；而对比得分则来源于模型卡、官方排行榜以及不同 harness 和工作量下的供应商图表。公司已开源了所有公开基准得分背后的轨迹，可通过专用查看器回放，并可作为 Hugging Face 数据集下载。

训练流水线、Holotron4 Nano 与下一步

Holo4 通过监督微调和强化学习在包括公司 Agentic Task Factory 生成的环境和任务上进行训练。Agentic Task Factory 是内部的一套流水线，仅凭文档即可构建交互式环境和可验证任务，例如真实网站或开源软件的截图。公司称该工厂迄今已生成约 10,000 项任务，其中约 4,000 项用于网页应用，约 3,000 项用于 MCP 服务器，另约 3,000 项用于桌面环境，包括通过 GUI 和 MCP 暴露相同状态的混合环境。

监督微调使用了 127B token，其中约四分之三是成功的代理轨迹，分别分布在桌面（45%）、网页（14%）、MCP 与 API（12%）以及移动端（3%），其余部分涵盖多模态推理、GUI 定位以及仅文本的工具使用和编码。随后，对长时程任务进行异步在线强化学习，训练出两个专用 LoRA 专家：一个用于桌面和网页，另一个用于终端、MCP 与 API，这两者以相等权重合并回微调模型，且未再进行进一步训练。

该公司还重建了其框架，即在数百步中执行模型动作并管理其上下文的循环，使用了来自 OSWorld 2.0 上代理性能的反馈。在此过程中，代理标记了每个任务失败的原因，工程师审查了他们的修复；最大的改动是一个可靠的记忆体，能够跟踪数百步，以及桌面机器本身的一个外壳。

作为 NVIDIA Nemotron 联盟的成员，H company 将相同的后训练堆栈应用于 Nemotron 3 Nano Omni，以生成 Holotron4 Nano。公司报告称，在五项基准测试上相对于基线模型实现了绝对百分点提升：OSWorld 从 21.0 提升至 76.3，OSWorld 2.0 从 0.2 提升至 7.9，AutomationBench 从 19.4 提升至 35.6，PinchBench 从 84.7 提升至 88.6，ALE Linux 从 0.6 提升至 8.5。公司表示，这些提升表明其方法可跨基础模型迁移，并非受模型规模限制。

公司表示，将在公告后的几天内发布优化的 DSpark 起草器检查点，以进一步加速推理。