法国公司H Company发布Holo4系列，提出可在图形界面、代码环境、MCP服务器与业务API之间切换的通用计算机操作代理以执行多步骤任务。公司提供27B稠密与35B混合专家两版、开放权重与商业API并行，短任务表现强，但在长流程稳定性与企业可控性上仍有明显挑战。
法国人工智能公司H Company于2026年9月28日发布Holo4模型系列，试图解决当前计算机操作代理往往只能适应单一界面的问题。Holo4能够在图形界面、代码环境、MCP服务器和业务API之间切换，面向桌面、网页、Android和代码沙箱等环境执行多步骤任务。
H Company表示，Holo4包含两个版本：27B参数的稠密模型Holo4-27B，以及总参数35B、每次激活约3B参数的混合专家模型Holo4-35B-A3B。两者都已通过H Models API提供，同时开放权重和量化版本也在Hugging Face上发布。公司还推出了基于NVIDIA Nemotron 3 Nano Omni的Holotron4 Nano。
从“会点击”到组合多种执行方式
传统的计算机操作代理通常沿着两条路线发展：一类主要读取屏幕并点击、输入，另一类则依靠函数调用和API完成工作。前者能够操作没有接口的旧式软件，但容易受到页面变化和视觉定位误差影响；后者执行效率较高，却无法处理没有结构化接口的应用。
H Company对Holo4的定位，是让同一个模型在不同接口之间选择合适的行动方式。它可以在屏幕上点击和输入，也可以编写并运行代码，或调用MCP和业务API。公司的示例包括让模型在FreeCAD中建立埃菲尔铁塔三维模型，以及在网页、桌面软件和移动应用之间完成工作流。
这一方向与浏览器代理市场的另一条路线形成对照。近期发布的Hark浏览器操作Agent Handoff主要把浏览器作为代理执行层，而Holo4试图把浏览器、桌面和工具调用放进同一个模型接口。
分数显示短任务较强，长流程仍有明显差距
H Company在官方发布中公布了多组基准结果。需要注意的是，OSWorld与OSWorld 2.0衡量的任务长度和难度不同，因此不能把两个分数直接放在一起比较。
在较短的OSWorld测试中，Holo4-27B得分为85.2%，单个任务估算成本为0.08美元；Holo4-35B-A3B得分为80.8%，成本为0.05美元。两者都接近H Company列出的Qwen3.8 27B结果84.3%，但低于或接近不同设置下的部分前沿模型成绩。
在面向长流程的OSWorld 2.0中，Holo4-27B的部分得分为61.7%，每项任务成本约1.22美元；35B-A3B为30.9%，成本约0.61美元。公司列出的Opus 5.5得分为81.8%，但不同模型使用的运行框架、努力程度和任务设置并不完全相同。
在AutomationBench公开任务集上，Holo4-27B得分45.4%，成本约0.05美元；35B-A3B得分34.5%，成本约0.02美元。H Company还报告称，在单独的120个留出任务上，27B和35B-A3B分别达到49.3%和31.7%，而非官方私有测试集结果。公司说明，公开的600项任务中有480项属于其收集训练数据的范围，因此留出结果比公开集分数更能反映尚未见过的任务表现，但仍属于公司自行评测。
这组数据的意义在于，Holo4并没有声称在所有长任务上击败最强的闭源模型。它更强调在较少参数和较低单任务成本下，缩小与前沿系统之间的差距。OSWorld 2.0的研究者指出，该基准包含108项长流程任务，熟练人类完成一项任务的中位时间约为1.6小时，代理通常需要超过250个步骤；截至相关研究发布时，最强系统也只能在严格标准下完成少数任务。对Holo4而言，短任务中的高分并不自动等于企业流程已经可靠。
训练重点转向真实工作流和代理记忆
H Company称，Holo4的训练数据总量约为1270亿个Token，其中约四分之三来自其Agentic Task Factory生成并验证的代理轨迹。该工厂从产品文档、帮助中心、软件截图和开源软件出发，自动构建网页、MCP服务器以及桌面环境，再生成任务和验证器。
公司表示，目前该系统已经产生约1万个任务，其中约4000个属于网页应用，约3000个涉及MCP服务器，另有约3000个来自桌面和操作系统环境。只有在任务验证器能够区分初始状态、目标状态和相近错误状态，并且代理确实通过真实界面完成任务后，任务才会被保留。
训练流程包括监督微调，以及两个面向不同环境的异步在线强化学习专家：一个主要处理桌面和网页，另一个处理终端、MCP和API。两个专家随后合并回同一个模型。H Company还重新设计了代理运行框架，增加能够跨数百步保留上下文的记忆，并让代理直接在桌面机器上使用Shell。
这表明，H Company把代理能力理解为模型与运行框架的共同结果，而不是单纯增加参数。近期关于AI代理重复执行稳定性的研究也指出，代理一次成功并不意味着下一次能够重复完成。对于Holo4这样的长流程系统，记忆、验证、失败恢复和权限控制，可能与基准分数同样重要。
开放权重与商业API并行
H Company在H Models API中为Holo4-35B-A3B提供每百万输入Token 0.30美元、缓存输入0.03美元、输出2美元的价格。Holo4-27B的对应价格为输入0.40美元、缓存输入0.04美元、输出3美元。两个模型的上下文长度均为262144个Token。
在授权方面，Holo4-35B-A3B采用Apache 2.0许可证；Holo4-27B在H Company模型目录中标注为研究用途，Hugging Face模型卡则列出CC BY-NC 4.0非商业许可证。开发者还可以下载BF16、FP8、NVFP4和4-bit GGUF等版本。H Company同时公开了部分评测轨迹，用户可以在其轨迹网站上逐步回放，或从Hugging Face下载数据集。
Holotron4 Nano则使用NVIDIA Nemotron 3 Nano Omni作为基础模型。H Company报告称，经过其后训练流程后，该模型在OSWorld图形界面任务上的得分从21.0%升至76.3%，在AutomationBench的MCP任务上从19.4%升至35.6%。该模型采用NVIDIA Open Model Agreement，授权条件与Holo4系列并不相同。
H Company过去已经通过Holo3和Holo3.1积累计算机操作模型经验，DeepSeek Harness近期把Computer Use、浏览器后端和MCP资源访问集成到同一个候选版本则显示，开发者工具也在朝着统一管理桌面、浏览器、终端和外部资源的方向发展。模型公司和开发者平台之间的竞争，正从“谁能调用工具”转向“谁能在复杂环境中持续、可审计地完成任务”。
企业采用仍取决于可控性
Holo4的发布说明了计算机操作代理的一个重要变化：代理不再被限定为单一的屏幕点击器，也不只是API调用器，而是试图在多个执行层之间协调行动。但这种通用性同时扩大了风险面。
能够读取屏幕、运行代码、访问Shell并调用业务API的系统，可能接触企业文件、登录状态和内部数据。H Company目前公开的结果主要来自自己的运行框架和测试环境，部分比较数据还来自其他公司的报告；成本也只是模型运行和Token消耗的估算，并不包含部署、浏览器环境、重试、人工审批和安全审计的全部费用。
因此，Holo4更适合被看作一次面向通用代理架构的公开演示和模型发布，而不是企业自动化已经成熟的证明。下一步值得观察的是，开发者能否在独立环境中复现其长任务结果，以及H Company是否会披露更多关于失败恢复、敏感操作确认、权限隔离和真实业务部署的数据。对这类系统而言，真正的竞争标准最终不是能否完成一次任务，而是能否在不同界面、不同账户状态和意外变化下，稳定而可控地重复完成任务。
来源：