Holo4：驱动通用计算机操作智能体

来源：https://huggingface.co/blog/Hcompany/holo4 Holo4基准测试运行在Web应用、桌面软件和移动设备上的屏幕截图集合。(https://assets.hcompanyprod.fr/holo4/hf/holo4-cover.jpg)

Holo4是我们全新的智能体模型系列。它提供两种规格：27B稠密模型和35B-A3B混合专家模型。两者均已上线H Models API。我们还同步发布了更新版的Holotron 3：Holotron4 Nano。

Holo4基于我们此前的模型构建，能够通过任何可用界面与软件交互：图形界面、代码、MCP协议及API。它在学术基准测试中表现优异，但我们设计的初衷是服务真实业务流程。该模型通过监督学习和强化学习，在涵盖我们智能体任务工厂生成的大量环境与任务中进行训练。

立即开始使用：

• 🤖**模型：**Holo4-27B (https://huggingface.co/Hcompany/Holo4-27B) | Holo4-35B-A3B (https://huggingface.co/Hcompany/Holo4-35B-A3B) | Holotron4 Nano (https://huggingface.co/Hcompany/Holotron4-30B-A3B)
• 🗂️**完整集合（FP16, FP8, GGUF）：**Holo4 (https://huggingface.co/collections/Hcompany/holo4)
• 🎞️**操作轨迹：**查看器 (https://trajectories.hcompany.ai/) | 数据集 (https://huggingface.co/datasets/Hcompany/trajectories)
• ⚡**H Models API：**快速入门 (https://hub.hcompany.ai/models-api/quickstart)
• 📝**完整博文：**hcompany.ai/newsroom/holo4 (https://hcompany.ai/newsroom/holo4)

https://huggingface.co/blog/Hcompany/holo4#models-built-for-every-interface为所有交互界面而生的模型

Holo4能在屏幕上点击和输入，编写并运行自己的代码，调用MCP协议或API工具。它会根据任务需求灵活选择最合适的交互方式。大多数智能体模型仅针对单一界面训练：专注于图形界面的模型在无屏幕环境下便束手无策，而偏好工具调用的模型则在没有API的应用程序前无计可施。实际工作并非如此割裂，单个业务任务往往需要结合多种交互方式。

Holo4可在桌面端、网页端、Android系统、代码沙箱环境中运行，也能对接企业API。无论在哪种场景下，它都是同一个模型，调用方式完全相同。你无需为不同平台选择不同的模型。

Holo4基准测试结果及任务成本对比（与Qwen3.8 27B和前沿模型比较）(https://assets.hcompanyprod.fr/holo4/hf/holo4-benchmark-table.png)

Holo4模型相比其基础模型Qwen取得了显著提升。在复杂工作流任务中，Holo4仅略逊于最强闭源模型：在OSWorld 2.0测试中，Holo4 27B得分61.7%，而Opus 5.5得分为81.8%，Holo4 35B-A3B得分30.9%。然而，Holo4使用的参数量要少几个数量级，成本也低得多。我们在公共基准测试中公开了所有操作轨迹：可在trajectories.hcompany.ai (https://trajectories.hcompany.ai/)回放每一步操作，或从Hugging Face (https://huggingface.co/datasets/Hcompany/trajectories)下载。

https://huggingface.co/blog/Hcompany/holo4#competitive-with-the-frontier-at-a-fraction-of-the-cost以极低成本比肩前沿模型

在桌面控制（OSWorld 2.0）和API使用（AutomationBench）等最具挑战性的学术基准测试中，Holo4以更低的任务成本与前沿模型同台竞技。

OSWorld 2.0：平均部分得分与任务成本对比 (https://assets.hcompanyprod.fr/holo4/hf/holo4-cost-osworld2.png)

AutomationBench：得分与任务成本对比 (https://assets.hcompanyprod.fr/holo4/hf/holo4-cost-automationbench.png)

成本性能图表说明 OSWorld 2.0。 成本根据每次智能体运行的输入和输出token数估算。Holo4按H Models API费率（单次运行）计价。Qwen3.8 27B：模型卡片得分，成本按阿里云标价和我们运行使用的token数计算。Qwen3.6 35B-A3B：我们在测试框架中的单次运行成本，按阿里云标价计算，其中缓存命中部分按输入价格的20%计费。OpenAI发布数据提供了GPT和Opus系列在不同算力下的曲线；其他闭源和开源权重模型的点位数据来自OSWorld 2.0官方排行榜 (https://osworld-v2.xlang.ai/)。各模型的发布版本、运行框架和任务子集存在差异。折线连接了闭源模型中非支配得分与成本的点对；Holo4被排除在外。

AutomationBench。 Holo4、Qwen3.8 27B和Qwen3.6 35B-A3B：使用AutomationBench v1.0.6版本，得分和成本在我们内部测试框架中测量。其他模型：得分来自AutomationBench README (https://github.com/zapier/AutomationBench)中的公开测试集结果，任务成本来自官方排行榜 (https://zapier.com/benchmarks)（使用私有测试集运行）。待评估完成后，我们将报告Holo4在私有测试集上的表现。

https://huggingface.co/blog/Hcompany/holo4#ai-that-does-work能干活的AI

Holo4模型基于我们智能体任务工厂的环境和任务进行训练，在专业软件操作上表现出色。以下示例展示了Holo4 27B与其基础模型Qwen3.8 27B的对比。两个模型使用相同的提示词和测试框架。

https://huggingface.co/blog/Hcompany/holo4#3d-modeling-%C2%B7-eiffel-tower3D建模 · 埃菲尔铁塔

在FreeCAD中构建埃菲尔铁塔的3D模型，比例尺为1毫米对应1米，以原点为中心并对齐X轴和Y轴。请按照以下设计要求操作。铁塔在任意高度的平面投影均为方形，从不呈圆形。其中心轴到外角的半宽尺寸如下：地面层为62.5毫米，57米高度处为32.5毫米，115米高度处为17.5毫米，276米高度处为9.35毫米。在这些高度之间，半宽遵循一条平滑曲线：在靠近地面处急剧下降，在高处平缓延伸，绝不使用直线。四条完全相同的腿，每个象限一条，每条都是方形柱体，其外角遵循上述轮廓。每条腿在地面处宽14毫米，在276米高度处逐渐收窄至4毫米。这些腿从地面延伸至第一层平台时彼此分开，随着高度增加逐渐靠拢。它们之间的空间是空的：铁塔是中空的，从任何一侧都能直接看穿。三层平台，每层都是以中心轴为中心的实心方板：57米高度处宽72毫米、厚4毫米；115米高度处宽40毫米、厚3毫米；276米高度处宽22毫米、厚3毫米。从276米至324米处有一根桅杆，呈方形，底部宽8毫米，顶端逐渐收窄至2毫米。每个部件都必须是体积非零的闭合实体，且任何部件都不得填充腿部之间的空间。

Holo4 27B（84次调用，130万token） Qwen3.8 27B（60次调用，100万token）

https://huggingface.co/blog/Hcompany/holo4#3d-modeling-%C2%B7-h-logo3D建模 · H公司标志

在FreeCAD中构建H公司标志的3D模型：一个实心填充圆盘旁放置一个块状无衬线大写字母H，两者被挤出到相同厚度，两个形状高度相近且分开摆放以免重叠，圆盘中心与H的中部对齐。将两个形状都着色为黑色。

Holo4 27B（94次调用，150万token） Qwen3.8 27B（118次调用，190万token）

https://huggingface.co/blog/Hcompany/holo4#game-design-%C2%B7-pac-man游戏设计 · 吃豆人

在Godot引擎中构建一个类似吃豆人的游戏并保持运行。使用墙壁构建网格状的矩形迷宫，所有开放走廊中充满豆子。玩家标记沿走廊连续移动，吃掉经过的每个豆子并获得一分。三个幽灵在相同走廊中移动并追逐玩家。如果玩家被幽灵抓住，玩家失去一条命，所有元素重置到初始位置。屏幕显示得分和生命值。无人会真正玩这个游戏。玩家由简单启发式算法自动驱动：在每个路口，它会朝最近的豆子移动，除非有幽灵靠近，此时则远离幽灵移动。游戏必须能无人值守地无限运行，完全不需要键盘输入。当游戏能正常运行后，启动游戏并保持其播放状态。

Holo4 27B（68次调用，240万token，268行代码） Qwen3.8 27B（197次调用，1140万token，327行代码）

https://huggingface.co/blog/Hcompany/holo4#how-we-built-holo4我们如何构建Holo4

https://huggingface.co/blog/Hcompany/holo4#agentic-task-factory智能体任务工厂

我们内部的智能体流程集能够仅凭文档（如真实网站截图或开源软件）构建交互式环境和可验证的任务。目前，该工厂已生成约10,000个任务，涵盖Web应用、MCP服务器和桌面环境，包括通过图形界面和MCP暴露相同状态的混合环境。

智能体任务工厂：数据源、构建、门控、运行时与输出 (https://assets.hcompanyprod.fr/holo4/hf/holo4-task-factory.png)

https://huggingface.co/blog/Hcompany/holo4#training训练

Holo4训练：在1270亿token上进行监督微调，两位强化学习专家，一个合并模型 (https://assets.hcompanyprod.fr/holo4/hf/holo4-training.png)

https://huggingface.co/blog/Hcompany/holo4#harness测试框架

在训练的同时，我们重建了测试框架——这个循环负责执行模型操作并在数百个步骤中管理其上下文。重建工作借鉴了在OSWorld 2.0上进行智能体性能测试的反馈。智能体会标注每个任务失败的原因，工程师则审查并修复问题。最大的改进是为智能体提供了一个可靠的内存系统（可跟踪数百个步骤）以及桌面机器本身的shell环境。

自动化测试框架工程：每次评估运行在OSWorld 2.0上的得分随时间变化 (https://assets.hcompanyprod.fr/holo4/hf/holo4-harness-history.png)

Opus 5 (70.2%) 和 GPT-5.6 Sol (66.2%) 使用了来自OpenAI发布图表 (https://openai.com/index/introducing-gpt-6-sol-and-luna/) 的v2026.08.08离线集上的最大算力部分奖励，如同成本性能图所示。其他参考分数来自模型卡片和官方排行榜。各模型的任务版本、测试集和运行框架存在差异。

https://huggingface.co/blog/Hcompany/holo4#holotron4-nanoHolotron4 Nano

我们的后训练栈旨在适配新的基础模型，并生成能够跨界面和环境泛化的智能体。作为NVIDIA Nemotron联盟 (https://hcompany.ai/newsroom/h-joins-nemotron-coalition) 的一员，我们将最新的技术栈应用于Nemotron 3 Nano Omni模型，作为Holotron 3的后续版本。

相同的方法将Nemotron 3 Nano Omni转化为Holotron4 Nano，一个通用的智能体模型，在图形界面工作流以及暴露MCP、API或代码沙箱的环境中，相比基础模型有显著提升。

Holotron4 Nano与Nemotron 3 Nano Omni在五项基准测试中的对比 (https://assets.hcompanyprod.fr/holo4/hf/holotron4-benchmarks.png)

增益是相对于Nemotron 3 Nano Omni的绝对百分点提升。

这些提升表明我们的方法具有良好迁移性，能够将通用模型转变为智能体专家。其中没有任何技术是针对特定模型规模设计的。

https://huggingface.co/blog/Hcompany/holo4#run-it-yourself自行运行

两种规格的模型现已登陆H Models API (https://hub.hcompany.ai/models-api/introduction)。权重已在Hugging Face (https://huggingface.co/collections/Hcompany/holo4)发布，提供BF16、FP8、NVFP4和4-bit GGUF格式，与我们的小模型Holotron4 Nano (https://huggingface.co/Hcompany/Holotron4-30B-A3B)并列。

我们将在未来几天内发布优化的DSpark草稿模型检查点，以进一步加速推理。