Holo4: основа для универсальных агентов, работающих с компьютером

Holo4 — это наша новая серия агентных моделей. Она представлена в двух размерах: плотная модель 27B и модель 35B-A3B с архитектурой Mixture of Experts. Обе доступны через H Models API. Мы также выпускаем обновлённую версию Holotron 3: Holotron4 Nano.

Holo4 развивает предыдущую модель и взаимодействует с программным обеспечением через любой доступный интерфейс: графические интерфейсы, код, MCP и API. Модель показывает высокие результаты на академических бенчмарках, но мы создавали её для реальных бизнес-процессов. Она обучалась с помощью обучения с учителем и обучения с подкреплением на большом наборе сред и задач, включая задачи, созданные нашей Agentic Task Factory.

Начните прямо сейчас:

• 🤖 Модели: Holo4-27B | Holo4-35B-A3B | Holotron4 Nano
• 🗂️ Полная коллекция (FP16, FP8, GGUF): Holo4
• 🎞️ Траектории: просмотрщик | набор данных
• ⚡ H Models API: быстрый старт
• 📝 Полная публикация в блоге: hcompany.ai/newsroom/holo4

Модели для любого интерфейса

Holo4 кликает и печатает на экране, пишет и запускает собственный код, а также вызывает инструменты MCP или API. Модель использует тот интерфейс, который лучше всего подходит для задачи. Большинство агентных моделей обучаются только для одного интерфейса: модели, ориентированные на графический интерфейс, не могут работать без экрана, а модели, предпочитающие вызов инструментов, оказываются беспомощными перед приложением без API. Реальная работа не разделена таким образом, и одна бизнес-задача может потребовать сочетания разных подходов.

Holo4 работает на настольных компьютерах, в интернете, на Android, в песочнице кода и с бизнес-API. Во всех случаях это одна и та же модель, вызываемая одинаковым способом. Вам не нужно выбирать отдельную модель для каждой платформы.

Модели Holo4 значительно превосходят базовую модель Qwen. На длинных рабочих процессах Holo4 уступает только самым сильным закрытым моделям: в OSWorld 2.0 модель Holo4 27B набирает 61,7% против 81,8% у Opus 5.5, а Holo4 35B-A3B достигает 30,9%. При этом ей требуется на порядки меньше параметров, а стоимость значительно ниже. Мы публикуем в открытом доступе все траектории, лежащие в основе наших результатов на публичных бенчмарках: воспроизводите каждый шаг на trajectories.hcompany.ai или скачивайте их с Hugging Face.

Конкурентоспособность с передовыми моделями при значительно меньшей стоимости

На самых сложных академических бенчмарках для управления настольными компьютерами (OSWorld 2.0) и использования API (AutomationBench) Holo4 конкурирует с передовыми моделями при гораздо меньшей стоимости одной задачи.

Примечания к графикам стоимости и производительности

OSWorld 2.0. Стоимость оценивается по входным и выходным токенам каждого агентного запуска. Цена Holo4 соответствует тарифам H Models API (один запуск). Qwen3.8 27B: результат из карточки модели, стоимость рассчитана по токенам нашего запуска по розничным ценам Alibaba Cloud. Qwen3.6 35B-A3B: один запуск в нашей тестовой среде по розничным ценам Alibaba Cloud, с учётом попаданий в кэш по цене 20% от стоимости входных данных. Данные OpenAI о запуске предоставляют замеры GPT и Opus при разных уровнях усилий; остальные точки для закрытых моделей и моделей с открытыми весами взяты из официального рейтинга OSWorld 2.0. Версии, тестовые среды и подмножества задач различаются. Линия соединяет недоминируемые пары результата и стоимости среди закрытых моделей; Holo4 исключена.

AutomationBench. Holo4, Qwen3.8 27B и Qwen3.6 35B-A3B: AutomationBench v1.0.6, результаты и стоимость измерены в нашей внутренней тестовой среде. Для остальных моделей: результаты на публичном наборе взяты из README AutomationBench, стоимость задачи — из официального рейтинга, который использует закрытый набор. Мы представим результаты Holo4 на закрытом наборе после проведения оценки.

ИИ, который выполняет работу

Обученные на средах и задачах из нашей Agentic Task Factory модели Holo4 превосходно работают с профессиональным программным обеспечением. В примерах ниже Holo4 27B показана рядом с Qwen3.8 27B — её базовой моделью. Для обеих моделей использовались одинаковые запрос и тестовая среда.

3D-моделирование · Эйфелева башня

Создай 3D-модель Эйфелевой башни в FreeCAD в масштабе 1 мм к 1 метру, расположенную по центру начала координат и выровненную по осям X и Y. Работай по этому проекту.

Башня имеет квадратное сечение на любой высоте, оно никогда не бывает круглым. Её полуширина, измеренная от центральной оси до угла, составляет 62,5 мм на уровне земли, 32,5 мм на высоте 57, 17,5 мм на высоте 115 и 9,35 мм на высоте 276. Между этими высотами полуширина следует плавной кривой, которая резко уменьшается у земли и более полого — выше, но никогда не представляет собой прямую линию.

Четыре одинаковые опоры, по одной в каждом квадранте, представляют собой квадратные колонны, внешний угол которых следует этому профилю. Ширина каждой опоры у земли составляет 14 мм, постепенно уменьшаясь до 4 мм на высоте 276. Опоры стоят отдельно от земли до первой площадки и сходятся по мере подъёма. Пространство между ними ничем не заполнено: башня открытая, и сквозь неё можно смотреть насквозь с любой стороны.

Три площадки — цельные квадратные плиты, центрированные относительно оси: шириной 72 мм и толщиной 4 мм на высоте 57; шириной 40 мм и толщиной 3 мм на высоте 115; шириной 22 мм и толщиной 3 мм на высоте 276.

Мачта от высоты 276 до 324, квадратная, шириной 8 мм у основания и сужающаяся до 2 мм на вершине.

Каждая деталь должна быть замкнутым телом с ненулевым объёмом, и ни одна деталь не должна заполнять пространство между опорами.

Holo4 27B (84 вызова, 1,3 млн токенов)

Qwen3.8 27B (60 вызовов, 1,0 млн токенов)

3D-моделирование · логотип H

Создай в FreeCAD 3D-модель логотипа компании H: сплошной заполненный диск рядом с блочной заглавной буквой H без засечек, обе фигуры вытянуты на одинаковую толщину, имеют примерно одинаковую высоту и расположены отдельно, не пересекаясь; центр диска находится на уровне середины H. Окрась обе фигуры в чёрный цвет.

Holo4 27B (94 вызова, 1,5 млн токенов)

Qwen3.8 27B (118 вызовов, 1,9 млн токенов)

Разработка игры · Pac-Man

Создай игру в стиле Pac-Man в Godot и оставь её запущенной.

Прямоугольный лабиринт из стен, расположенных по сетке, с точками, заполняющими все открытые коридоры. Маркер игрока непрерывно перемещается по коридорам, съедая каждую точку, через которую проходит, и получая за неё одно очко. Три призрака перемещаются по тем же коридорам и преследуют игрока. Если призрак догоняет игрока, тот теряет жизнь, и всё возвращается в исходное положение. Счёт и количество жизней отображаются на экране.

Никто не будет в это играть. Игрок управляет собой с помощью простой эвристики: на каждом перекрёстке он направляется к ближайшей точке, если только рядом нет призрака — тогда он удаляется от него. Игра должна работать без присмотра и бесконечно, без какого-либо ввода с клавиатуры.

Когда всё заработает, запусти игру и оставь её работающей.

Holo4 27B (68 вызовов, 2,4 млн токенов, 268 строк)

Qwen3.8 27B (197 вызовов, 11,4 млн токенов, 327 строк)

Как мы создали Holo4

Фабрика агентных задач

Наш внутренний набор агентных конвейеров создаёт интерактивные среды и проверяемые задачи, основываясь только на документации, например на снимках экрана реальных веб-сайтов или программного обеспечения с открытым исходным кодом. На данный момент он создал около 10 000 задач для веб-приложений, MCP-серверов и настольных сред, включая гибридные среды, предоставляющие одно и то же состояние через графический интерфейс и MCP.

Обучение

Тестовая среда

Параллельно с обучением мы перестроили нашу тестовую среду — цикл, который выполняет действия модели и управляет её контекстом на протяжении сотен шагов, используя обратную связь о работе агентов в OSWorld 2.0. Агенты отмечали причины неудачи каждой задачи, а инженеры проверяли их исправления. Крупнейшими изменениями стали надёжная память, позволяющая агенту отслеживать сотни шагов, и оболочка непосредственно на настольном компьютере.

Opus 5 (70,2%) и GPT-5.6 Sol (66,2%) используют частичные награды при максимальном уровне усилий на офлайн-наборе v2026.08.08 из графика запуска OpenAI, как и на графике стоимости и производительности. Остальные справочные результаты взяты из карточек моделей и официального рейтинга. Версии задач, подмножества и тестовые среды различаются.

Holotron4 Nano

Наш стек постобучения предназначен для адаптации к новым базовым моделям и создания агентов, обобщающих знания между интерфейсами и средами. Как участник коалиции NVIDIA Nemotron, мы применили наш новейший стек к модели Nemotron 3 Nano Omni, продолжив работу над Holotron 3.

Та же методика превращает Nemotron 3 Nano Omni в Holotron4 Nano — универсальную агентную модель, которая значительно превосходит базовую модель в рабочих процессах с графическим интерфейсом и средах, предоставляющих MCP, API или песочницы для программирования.

Показаны абсолютные улучшения в процентных пунктах по сравнению с Nemotron 3 Nano Omni.

Эти результаты показывают, что наша методика хорошо переносится и может превратить универсальную модель в агентного эксперта. Она не привязана к определённому размеру модели.

Запустите самостоятельно

Обе версии уже доступны через H Models API. Веса опубликованы на Hugging Face в форматах BF16, FP8, NVFP4 и 4-битном GGUF, вместе с нашей небольшой моделью Holotron4 Nano.

В ближайшие дни мы выпустим оптимизированные чекпойнты черновика DSpark, чтобы ещё больше ускорить инференс.

Модели, упомянутые в этой статье 3

Наборы данных, упомянутые в этой статье 1

Коллекции, упомянутые в этой статье 1

Другие публикации этого автора