Holo4:为多面手计算机使用代理提供支持
Hugging Face Blog 发布了这条动态,详情请查看官方发布。

来自 Hugging Face Blog 的官方动态,版本与适用范围以发布方说明为准。
Hugging Face Blog · 查看官方发布中文机器翻译 · 原文附后
正文 · 来源原文
Holo4是我们新推出的代理模型系列。它有两种尺寸:27B 密集型和 35B-A3B 专家混合型。两者均可在 H 模型 API 上使用。我们还发布了 Holotron 3 的更新版本:Holotron4 Nano。
Holo4 基于我们之前的模型构建,并通过任何可用的接口与软件交互:GUI、代码、MCP 和 API。它在学术基准上得分很高,但我们是为了实际的业务工作流程而构建它的。它是通过对大量环境和任务(包括由我们的代理任务工厂生成的环境和任务)进行监督和强化学习来进行训练的。
立即开始:
🤖 型号:Holo4-27B | Holo4-35B-A3B | Holotron4 Nano 🗂️ 完整合集(FP16、FP8、GGUF):Holo4 🎞️ 轨迹:查看器 |数据集 ⚡ H 模型 API:快速入门 📝 完整博客文章:hcompany.ai/newsroom/holo4
Holo4 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。它使用适合任务的任何一个。大多数代理模型仅针对一种界面进行训练:以 GUI 为中心的模型在没有屏幕的情况下是盲目的,而更喜欢工具调用的模型则被困在没有 API 的应用程序前面。实际工作并不是这样孤立的,单个业务任务可能需要结合这些不同的方法。
Holo4 可在桌面、网络、Android、代码沙箱和业务 API 上运行。每种情况下都是相同的模型,并且调用方式也相同。您无需为每个平台选择不同的型号。
Holo4 模型比 Qwen 基础有了显着改进。 Holo4 仅在长工作流程上落后于最强的封闭模型:在 OSWorld 2.0 上,Holo4 27B 得分为 61.7%,Opus 5.5 得分为 81.8%,Holo4 35B-A3B 达到 30.9%。然而,它用更少的参数和更低的成本来实现这一点。我们在公共基准测试中开源了分数背后的每条轨迹:在 trajectories.hcompany.ai 上重播每一步或从 Hugging Face 下载它们。
在桌面控制 (OSWorld 2.0) 和 API 使用 (AutomationBench) 的最严格的学术基准测试中,Holo4 以低得多的每项任务成本与前沿模型进行竞争。
性价比图表注释
操作系统世界2.0。成本是根据每次代理运行的输入和输出令牌来估计的。 Holo4 按 H 型号 API 费率定价(单次运行)。 Qwen3.8 27B:模型卡得分,来自我们以阿里云标价运行的代币成本。 Qwen3.6 35B-A3B:在我们的工具中单次运行,按照阿里云标价,缓存命中率为输入价格的 20%。 OpenAI 发布数据提供了 GPT 和 Opus 工作扫描;其他封闭式和开放式重量点使用官方 OSWorld 2.0 排行榜。版本、工具和任务子集有所不同。该线连接封闭模型中的非支配分数和成本对; Holo4 除外。
自动化工作台。 Holo4、Qwen3.8 27B 和 Qwen3.6 35B-A3B:AutomationBench v1.0.6,在我们的内部线束中测量的分数和成本。其他模型:来自 AutomationBench README 的公开集分数、来自官方排行榜的每项任务成本(在私有集上运行)。一旦评估完毕,我们将在私人套件上报告 Holo4。
查看英文原文
Holo4: powering generalist computer-use agents
Hugging Face Blog 发布了这条动态,详情请查看官方发布。
正文 · 来源原文
Holo4 is our new series of agentic models. It comes in two sizes: 27B dense and 35B-A3B Mixture of Experts. Both are available on the H Models API. We are also releasing an updated version of Holotron 3: Holotron4 Nano.
Holo4 builds on our previous model and interacts with software through any available interface: GUIs, code, MCP and APIs. It scores well on academic benchmarks, but we built it for real business workflows. It was trained through supervised and reinforcement learning on a large set of environments and tasks, including those generated by our Agentic Task Factory.
Get started now:
🤖 Models: Holo4-27B | Holo4-35B-A3B | Holotron4 Nano 🗂️ Full collection (FP16, FP8, GGUF): Holo4 🎞️ Trajectories: viewer | dataset ⚡ H Models API: quickstart 📝 Full blog post: hcompany.ai/newsroom/holo4
Holo4 clicks and types on a screen, writes and runs its own code, and calls MCP or API tools. It uses whichever fits the task. Most agentic models are trained for one interface only: GUI-focused models are blind without a screen, while models that prefer tool calling are stuck in front of an application that has no API. Real work is not siloed that way, and a single business task can require combining these different approaches.
Holo4 runs on desktops, on the web, on Android, in a code sandbox and against business APIs. It is the same model in each case and it is called the same way. You do not need to select a different model for each platform.
