Holo4 是 H Company 在 2026 年 9 月 28 日发布的通用计算机使用智能体模型系列，包含 27B 密集和 35B-A3B 混合专家两个版本，权重已在 Hugging Face 开源。它主打的不是参数规模，而是像人一样直接操作电脑：看屏幕、点鼠标、敲键盘、自己写代码、调用 MCP 和 API，桌面、网页、安卓、代码沙箱都用同一个模型。对想上手 GUI 智能体的开发者和团队来说，这是眼下少有的开箱即用选项。
发布了什么：两个尺寸，外加一个轻量版
Holo4 提供两个尺寸：27B 密集模型和 35B-A3B 混合专家模型，都已上线 H Models API。权重同时在 Hugging Face 开放下载，提供 BF16、FP8、NVFP4 和 4-bit GGUF 四种格式，方便不同硬件条件的人尝试。
同场还发布了 Holotron4 Nano：把 H Company 最新的后训练方法用在 NVIDIA Nemotron 3 Nano Omni 上，得到的轻量通用智能体，在 GUI 工作流以及 MCP、API、代码沙箱环境中相比基座模型都有明显提升。另外，用于推理加速的 DSpark drafter checkpoint 会在未来几天放出。
跑分：OSWorld 2.0 上 27B 拿到 61.7%
成绩是这次发布最硬的部分。OSWorld 2.0 是桌面操作领域最难的学术基准之一，Holo4 27B 拿到 61.7% 的平均 partial 得分，官方称仅次于最强的闭源模型（对比之下 Opus 5.5 为 81.8%）；35B-A3B 版本为 30.9%。在 API 使用基准 AutomationBench 上，Holo4 与前沿模型的成绩处于同一档，但单任务成本低得多。
H Company 还把所有公开基准的评测轨迹全部开源，任何人都可以逐条回放每一步操作。这一步很实在：等于把"分数能不能复现"的主动权交了出来。
不过口径要看清：分数是 partial score，不同团队的执行循环、任务子集各不相同，直接横向对比要打折扣；而且 35B-A3B 的 30.9% 与 27B 的 61.7% 差距不小，说明小激活的 MoE 版本在长流程任务上还有明显短板。成本数据同样是 H Company 自测口径。
训练：Agentic Task Factory 造了约一万个任务
Holo4 用监督微调加强化学习训练。关键在于数据：H Company 内部的 Agentic Task Factory 流水线只从文档（真实网站截图、开源软件）自动构建交互环境和可验证任务，累计产出约 10,000 个，覆盖网页应用、MCP 服务器、桌面环境，还包括 GUI 与 MCP 混合环境。
同时他们重建了执行循环：给智能体配了能记住几百步的可靠记忆，以及桌面机器本体上的 shell——长流程任务里，这两样往往比模型本身更决定成败。
谁适合用，边界在哪
对开发者，最直接的入口是 H Models API；想自己部署的可以下载权重，4-bit GGUF 对本地可玩性比较友好。对团队和企业，官方给的示例都是真实业务软件：在 FreeCAD 里按精确尺寸建埃菲尔铁塔 3D 模型、在 Godot 里从零写一个能无人值守运行的吃豆人游戏，说明它瞄准的是真实工作流，而不是演示视频。
边界也要说在前面：即便如此，27B 与 Opus 5.5 仍有约 20 个百分点的差距，复杂长流程依然会翻车。想让它接管办公电脑，先在小范围把安全边界验证清楚。
H Company 把评测轨迹全部公开，算是给"刷分"质疑留了个可验证的口子。接下来值得盯的是 Holotron4 Nano 的实测表现，以及 DSpark 加速上线后单任务成本还能压到多低。计算机使用智能体这条路线，正在从演示视频走向可复现的工程。
