總部位於巴黎的 H Company 於 9 月 28 日發表 Holo4，兩款開放權重的電腦操作模型中，參數 270 億的較小版本在該實驗室公布的每一項分數上都居首——卻無法合法放進商業產品裡。
問題不在發表文，而在模型卡。Hugging Face 上的 Holo4-27B 採用 CC BY-NC 4.0 授權，僅限非商業用途。掛上 Apache 2.0 的只有表現較弱的兄弟模型 Holo4-35B-A3B，而它在長時間桌面流程上的分數大約只有一半。
Key takeaways
- Holo4-27B 在 OSWorld 2.0 拿下 61.7%，每項任務估計 1.22 美元；同一測試中 Claude Opus 5.5 為 81.8%、8.48 美元。
- 27B 權重為 CC BY-NC 4.0；Apache 2.0 只適用於 35B-A3B 的 Mixture-of-Experts 版本，該版本在同一測試僅 30.9%。
- H 以自家 Agentic Task Factory 生成的約 1 萬項任務訓練兩款模型，並公開所有基準測試的執行軌跡供重播檢驗。
一個模型同時處理 GUI、程式與工具呼叫
Holo4 的設計目標，是不論眼前是什麼介面都能操作軟體：在畫面上點擊與輸入、自己撰寫並執行程式，或呼叫 MCP 與 API 工具。H 在發表文章中指出，多數代理模型只走其中一條路：以 GUI 訓練的模型沒有畫面就寸步難行，工具呼叫型模型則會卡在不提供 API 的應用程式前——但一件實際業務任務往往兩者都需要。
同一份檢查點可在桌面、網頁、Android、程式沙箱與企業 API 上運作，呼叫方式完全一致。兩種尺寸都在發表當天上線 H Models API，同時推出的還有更新後的小型模型 Holotron4 Nano。
這些數字實際落在哪裡
在原始的 OSWorld 桌面測試中，Holo4 27B 以每項任務 0.08 美元達到 85.2%，略高於其基礎模型 Qwen3.8 27B 的 84.3%（0.22 美元），僅次於 Fable 5 的 86.0%。差距在難度更高、以長流程為主的 OSWorld 2.0 拉開：Holo4 27B 的部分分數為 61.7%、完全成功率 41.5%，以約三分之一的成本勝過 Qwen3.8 27B 的 48.0% 與 19.4%。
它並未超越前沿模型。Opus 5.5 在 OSWorld 2.0 以 81.8% 領先，專家流程項目 ALE-CLI 也以 63.7% 勝過 Holo4 的 44.1%；AutomationBench 則由 Opus 5 以 50.3% 壓過 45.4%。H 主打的是分數旁邊那一欄成本：AutomationBench 每項任務 0.05 美元對 3.05 美元。在 AndroidWorld 上，27B 模型拿下 85.1%，落後 Fable 5 的 88.8%。
訓練方式
H 的 Agentic Task Factory 只靠文件就能建構互動環境與可驗證任務，素材是產品文件以及真實網站或開源軟體的截圖。該實驗室表示目前已產出約 1 萬項任務，大致分為網頁應用 4,000 項、MCP 伺服器 3,000 項、桌面與作業系統 3,000 項。
監督式微調用掉 1,270 億 token，其中約四分之三是成功的代理軌跡，且明顯偏重桌面工作。接著以非同步線上強化學習訓練兩個專門的 LoRA 專家，一個負責桌面與網頁，另一個負責終端機、MCP 與 API，最後以相同權重合併回微調後的模型，未再另行訓練。
H 也重建了模型外圍的執行框架，把上限從兩小時 200 個動作提高到六小時 500 個動作。該實驗室指出，提升最大的兩項改動，是讓代理在數百個步驟間保有持久記憶，以及直接在桌面機器上開一個 shell。
接下來要看什麼
公布分數背後的每一條軌跡都可下載。對一個高舉基準測試成績的實驗室來說，這是相當罕見的揭露，也為阿里巴巴 Qwen3.8 開放釋出所未提供的獨立重播留下空間。最佳化的 DSpark drafter 檢查點預告數日內推出。不過，對今天就需要商業授權的團隊而言，實際選項只剩付費的託管 API，或是分數只有一半的 Apache 授權模型。
FAQ・常見問題
Holo4 可以用在商業產品上嗎
只有部分可以。Holo4-35B-A3B 以 Apache 2.0 釋出，可商業部署；分數較高的 Holo4-27B 則是 CC BY-NC 4.0，僅限非商業用途。兩款模型也都透過付費的 H Models API 提供，該途徑沒有這類限制。
在電腦操作上，Holo4 和 Claude Opus 5.5 相比如何
準確度落後，成本領先。OSWorld 2.0 上 Opus 5.5 為 81.8%，Holo4 27B 為 61.7%；但 H 估算每項任務成本為 Opus 5.5 的 8.48 美元對自家模型的 1.22 美元。Opus 的數字並非 H 自行實測，而是取自 Anthropic 公布的最大算力（max-effort）執行結果。
Holo4 的基礎模型是什麼
依據 Hugging Face 模型卡，密集型 27B 由 Qwen3.8-27B 微調而來，Mixture-of-Experts 版本則來自 Qwen3.6-35B-A3B。H 將兩者分別與各自的基礎模型比較，提升幅度最大的是多步驟的長流程任務，而非單一畫面的操作。
