Holo4 zasila agentów ogólnych zdolnych do korzystania z komputera

Holo4 zasila agentów ogólnych zdolnych do korzystania z komputera
3 min czytania

H przedstawia Holo4, nową serię modeli agentowych, czyli zdolnych do autonomicznego działania na komputerze lub w oprogramowaniu. Dostępne są w dwóch rozmiarach, 27B dense oraz 35B-A3B z mieszanką ekspertów, oba dostępne przez H Models API. Wydawca udostępnia także zaktualizowaną wersję Holotron 3, nazwaną Holotron4 Nano.

Jeden model dla wszystkich interfejsów

Holo4 opiera się na poprzednim modelu H i współdziała z oprogramowaniem przez wszystkie dostępne interfejsy: interfejsy graficzne, kod, protokół MCP (umożliwiający podłączenie modelu do zewnętrznych narzędzi) oraz API. Klikając i pisząc na ekranie, tworzy i wykonuje własny kod lub wywołuje narzędzia przez MCP lub API, w zależności od zadania. Według H większość modeli agentowych jest trenowana tylko pod jeden interfejs, modele graficzne są bezradne bez ekranu, a te preferujące wywołania narzędzi utkną przed aplikacją bez API.

Holo4 działa na komputerze, w sieci, na Androidzie, w piaskownicy kodu oraz w środowiskach z profesjonalnymi API. To ten sam model w każdym przypadku, wywoływany tak samo, więc nie ma potrzeby zmiany modelu między platformami.

H wytrenowało Holo4 metodą uczenia nadzorowanego i uczenia ze wzmocnieniem na wielu środowiskach i zadaniach, w tym generowanych przez własną Agentic Task Factory. Ten wewnętrzny system tworzy interaktywne środowiska i weryfikowalne zadania na podstawie dokumentacji, np. zrzutów ekranu prawdziwych stron lub oprogramowania open source. Do tej pory wygenerował około 10 000 zadań obejmujących aplikacje webowe, serwery MCP i środowiska desktopowe.

Zapowiadane wyniki w porównaniu z modelami czołowymi

W teście OSWorld 2.0, mierzącym kontrolę nad komputerem, Holo4 27B uzyskał 61,7%, wobec 81,8% dla Opus 5.5. Holo4 35B-A3B osiągnął 30,9%. H uważa, że Holo4 ustępuje jedynie najbardziej wydajnym zamkniętym modelom w długich workflow, jednocześnie wykorzystując, według wydawcy, « rzędy wielkości » mniej parametrów i znacznie niższy koszt.

W najbardziej wymagających testach kontroli pulpitu (OSWorld 2.0) i użycia API (AutomationBench) H twierdzi, że Holo4 konkuruje z modelami czołowymi przy znacznie niższym koszcie na zadanie. Wydawca zaznacza, że koszty są szacowane na podstawie tokenów wejściowych i wyjściowych każdej egzekucji, a wersje, środowiska i podzbiory zadań różnią się między rankingami. H informuje, że publikuje wszystkie trajektorie odpowiadające wynikom na publicznych benchmarkach, dostępne na trajectories.hcompany.ai lub do pobrania na Hugging Face.

W demonstracjach porównawczych z Qwen3.8 27B, swoim modelem bazowym, Holo4 27B był oceniany na modelowaniu 3D w FreeCAD, tworzeniu logo oraz rozwoju gry typu Pac-Man w Godot. Dla tych przykładów wydawca podaje liczbę wywołań i tokenów zużytych przez każdy model.

Holotron4 Nano i dostępność

H, członek NVIDIA Nemotron Coalition, zastosował swoją metodę treningową do modelu Nemotron 3 Nano Omni, kontynuując Holotron 3. Efekt, Holotron4 Nano, jest przedstawiany jako model agentowy ogólnego przeznaczenia, znacznie poprawiający workflowy graficzne i środowiska udostępniające MCP, API lub piaskownice kodu. Zyski wyrażone są w punktach procentowych względem Nemotron 3 Nano Omni.

Oba rozmiary Holo4 są już dostępne przez H Models API. Wagi dostępne są na Hugging Face w formatach BF16, FP8, NVFP4 i GGUF w 4 bitach, obok Holotron4 Nano. H zapowiada także publikację w najbliższych dniach zoptymalizowanych punktów kontrolnych « drafter » DSpark, mających przyspieszyć inferencję.

S’abonner
Notification pour
guest

0 Commentaires
Le plus ancien
Le plus récent Le plus populaire
0
Nous aimerions avoir votre avis, veuillez laisser un commentaire.x