點擊、寫程式、呼叫工具：H Company 的 Holo4 以每任務 0.08 美元接管桌面

9 月 28 日，總部位於巴黎的 AI 實驗室 H Company 發布了 Holo4——一系列開放權重的「電腦操作」（computer-use）模型，目標是讓 AI 像人類一樣直接使用軟體。它的定價故事跟基準測試一樣激進：旗艦版 Holo4 27B 在桌面環境操作標準測試 OSWorld 上拿下 85.2%，實測成本每任務僅 0.08 美元；在難度更高的長時程工作流測試 OSWorld 2.0 上達到 61.7%——雖落後 Anthropic Opus 5.5 的 81.8%，但成本是 1.22 美元對 8.48 美元，約為七分之一。換句話說，一種原本屬於閉源前沿模型的能力，正以極低的價格被出售，其中一個版本甚至是直接免費送出。

一個模型，通吃所有介面

Holo4 的核心設計賭注是「跨介面泛化」。目前多數代理模型只針對單一操作模式訓練：專注圖形介面（GUI）的模型沒有螢幕就成了瞎子，偏好工具呼叫的模型碰到沒有 API 的應用程式就寸步難行。H Company 的論點是：真實的商業工作並不是這樣壁壘分明的——單一任務可能同時需要讀 PDF、點穿舊式 ERP 畫面、寫一支腳本，再呼叫一個 MCP 工具。

Holo4 用同一組權重處理全部場景。它能在桌面、網頁與 Android 上點擊輸入，能在沙盒中撰寫並執行程式碼，也能呼叫 MCP 或 REST API 工具，自行判斷哪種介面最適合當前任務。沒有按平台區分的模型，也不需要額外路由——無論是在 Linux 桌面上操作 FreeCAD，還是在手機 App 裡翻頁，都是同一個檢查點、同一種呼叫方式。

數字會說話

根據 H Company 自家的測試環境，Holo4 領先其開放權重基礎模型（阿里巴巴 Qwen3.8 27B），並在多項測試中逼近閉源前沿模型：

• OSWorld（電腦任務）：Holo4 27B 得分 85.2%，每任務 0.08 美元；35B-A3B 混合專家（MoE）版本得 80.8%、每任務 0.05 美元。基礎模型 Qwen3.8 27B 為 84.3%，但每任務要價 0.22 美元。公開的前沿參考點：Fable 5 為 86.0%、Qwen3.8 Max 為 86.1%、GPT-5.5 為 78.7%。
• OSWorld 2.0（長時程工作流）：Holo4 27B 平均部分得分 61.7%，每任務 1.22 美元。落後 Opus 5.5（81.8%、8.48 美元）與 GPT-6 Astra（73.5%、9.07 美元），但明顯超越自家基礎模型 Qwen3.8 27B 的 48.0%（3.49 美元）。
• ALE-CLI（Agents’ Last Exam 的 105 題 Linux 子集）：Holo4 27B 平均 44.1%、通過率 19.4%，每任務 0.82 美元；Opus 5.5 為 63.7%/34.3%、8.22 美元。
• AutomationBench（透過 MCP 的商業自動化）：45.4%、每任務 0.05 美元，與 GPT-5.6 Sol（45.8%）和 Kimi K3（46.7%）幾乎打平，成本低 8 到 13 倍。
• AndroidWorld（手機 App）：27B 版 85.1%、每任務 0.08 美元。

有兩點必須講清楚：這些是廠商自行測得的數字（前沿模型的比較值來自各家實驗室自己的報告，測試環境與推論強度不盡相同）；而在純能力上，閉源前沿仍居領先。H Company 真正主張的是「每美元的能力」（capability per dollar）——而在這條戰線上，差距已經崩塌。

它是怎麼練出來的

訓練管線分三階段，而背後的資料引擎是整個故事最有意思的部分。

Agentic Task Factory（代理任務工廠）。 H Company 打造了一條內部管線，只靠文件——產品手冊、說明中心、真實網站的截圖、自行架設的開源軟體——就能建構可互動的環境與可驗證的任務。編碼代理負責建置環境、任務與驗證器；GUI 代理試做每個任務，失敗結果回饋到審計與強化迴圈。一個任務要被保留，其驗證器必須在未動過的初始狀態下失敗、在標準答案狀態下通過、並拒絕「差一點」的解法。這座工廠迄今產出約 1 萬個任務：網頁應用約 4,000 個、MCP 伺服器約 3,000 個、桌面與作業系統約 3,000 個，還包括同時以 GUI 和 MCP 暴露相同狀態的混合環境。

監督式微調。 127B tokens，其中約四分之三是來自任務工廠的成功代理軌跡（桌面 45%、網頁 14%、MCP/API 12%、行動 3%），其餘涵蓋多模態推理、GUI 定位，以及純文字的工具使用與編碼。

兩個 RL 專家，合而為一。 在長時程任務上進行非同步線上強化學習，於微調後的模型上訓練兩個專門化的 LoRA 專家——一個負責桌面與網頁，一個負責終端機、MCP 與 API——最後以等權重、不再額外訓練的方式合併回基礎模型。

測試環境（harness）的工程本身也是一段故事。H Company 利用 OSWorld 2.0 的失敗回饋重建了代理迴圈，並公開了六次迭代——把 shell 直接跑在桌面機器上、記憶體壓縮時傳遞上下文、擴充模型服務規模、把執行步數從 200 步延長到 500 步（2 到 6 小時）——讓同一個 27B 模型的 OSWorld 2.0 得分從基礎模型水準一路爬到 61.7%。這張圖悄悄論證了一件事：代理的「能力」有相當大一部分，其實存在於模型周邊的那個迴圈裡。

Holotron4 Nano 與 Nemotron 配方驗證

伴隨 Holo4，該公司還發布了 Holotron4 Nano——作為 NVIDIA Nemotron 聯盟成員，將同一套後訓練流程套用到 Nvidia 的 Nemotron 3 Nano Omni 上。配方的移轉效果出色：OSWorld 從 21.0 躍升至 76.3（提升 55.3 個百分點），AutomationBench 從 19.4 升到 35.6。H Company 強調，這套流程完全不受模型規模限制——對任何想複製它的人，這句話很重要。

取得方式與授權——請看清細節

兩種尺寸的 Holo4 都可在 H Models API 上使用（27B 為輸入每百萬 tokens 0.40 美元、輸出 3.00 美元；35B-A3B 為 0.30/2.00 美元，上下文 256K，快取輸入費率約為定價的十分之一）。權重已上 Hugging Face，提供 BF16、FP8、NVFP4 與 4-bit GGUF 格式，並承諾數日內釋出 DSpark drafter 檢查點以進一步加速推論。

授權拆分值得注意：Holo4 35B-A3B 採 Apache 2.0 釋出，但旗艦版 Holo4 27B 的權重採 CC BY-NC 4.0——僅限非商業用途。想直接用最強檢查點打造產品的人，需要另談商業授權；免費的商業路徑是 Apache 授權的 MoE 版本。兩者皆衍生自阿里巴巴的 Qwen3.8。

H Company 也公開了公開基準測試得分背後的每一梆軌跡，可在 trajectories.hcompany.ai 逐步重播，並可從 Hugging Face 下載——這種程度的評測透明度，前沿大廠至今無人匹配。

為什麼重要

電腦操作被普遍認為是第一個具有大規模企業價值的代理領域，原因很簡單：太多商業軟體當年根本沒想過要有 API。在此之前，這個領域的可用水準一直由少數閉源前沿模型壟斷。Holo4 並沒有完全消除差距——Opus 5.5 在 OSWorld 2.0 上仍領先 20 個百分點——但它證明了一件事：一個 27B 的開放權重模型，用任務工廠產生的資料與精心打造的測試環境訓練，就能以低一個數量級的成本交付大部分實用能力，可以本地部署，還能端到端稽核。對自動化市場而言，這就是「展示 demo」與「真正部署」之間的差別。