背景與問題
Hcompany 於 2026 年 9 月 28 日在 Hugging Face 發布 Holo4 系列，定位為通用型電腦操作代理（generalist computer-use agent）。所謂代理模型，指的是能夠自主理解任務、呼叫工具、操作軟體並完成多步驟工作的 AI 模型，而不是只回應單一問題。Holo4 提供兩個版本：27B 的密集模型（dense model），以及 35B-A3B 的混合專家模型（Mixture of Experts）。後者總參數量為 35B，但每次運算只啟動約 3B 參數，目的是在接近密集模型能力的前提下降低推論成本。Hcompany 同時推出 Holotron4 Nano，這是先前 Holotron 3 的更新版本，基於 NVIDIA 的 Nemotron 3 Nano Omni 模型調整而來。
核心內容
Holo4 的核心特點是「同一模型、多種介面」。它可以透過圖形介面（GUI）點擊與輸入文字，也可以直接寫程式並執行，還能呼叫 MCP 或 API 工具。MCP（Model Context Protocol）是一種讓 AI 模型與外部工具、資料來源溝通的開放標準；API 則是應用程式提供的程式化介面。過去多數代理模型只擅長單一介面：以 GUI 為主的模型離開螢幕就失去方向，偏好工具呼叫的模型則在沒有 API 的應用程式前束手無策。Holo4 在桌面、網頁、Android、程式碼沙箱與企業 API 環境中都使用同一個模型、同一種呼叫方式，不需要依平台更換模型。
在學術基準上，Holo4 與封閉模型仍有差距，但成本低很多。OSWorld 2.0 測試桌面操作能力，Holo4 27B 得到 61.7%，Opus 5.5 為 81.8%；Holo4 35B-A3B 則為 30.9%。在 AutomationBench，也就是測試 API 使用能力的基準上，Holo4 也能以較低單任務成本與前沿模型競爭。Hcompany 強調，這些分數來自公開基準，並且把背後的所有軌跡（trajectory）開源，使用者可以在 trajectories.hcompany.ai 逐步重播，或從 Hugging Face 下載。軌跡指的是模型在完成任務過程中的每一步操作記錄。
文章用三個實例比較 Holo4 27B 與其基礎模型 Qwen3.8 27B，使用相同提示與測試框架。第一個是在 FreeCAD 建立艾菲爾鐵塔 3D 模型，要求精確尺寸、開放結構與封閉實體；第二個是建立 H 公司 logo；第三個是在 Godot 遊戲引擎中製作 Pac-Man 風格遊戲，並要求遊戲能無人操作、自動執行。在 Pac-Man 案例中，Holo4 用 68 次呼叫、2.4M tokens 完成，Qwen base 用了 197 次、11.4M tokens；但在艾菲爾鐵塔案例中，Holo4 的呼叫次數與 token 消耗反而略高於 Qwen base。換句話說，效率提升並非絕對，而是取決於任務是否需要長時間自主規劃與修正。
技術與脈絡解讀
Holo4 透過監督式學習與強化學習訓練，任務來源包括內部的 Agentic Task Factory。這套內部管線只靠文件，例如真實網站截圖或開源軟體說明，就能建立互動環境與可驗證任務，目前累積約 10,000 個任務，涵蓋網頁應用、MCP server、桌面環境，以及同時暴露 GUI 與 MCP 的混合環境。此外，Hcompany 重建了訓練用的 harness，也就是負責執行模型動作、管理數百步上下文的迴圈。他們從 OSWorld 2.0 的代理表現取得回饋，讓代理標記每個任務失敗的原因，再由工程師審查修正。最重要的改動是給代理可靠記憶，能追蹤數百步的操作，並在桌面機器上提供 shell 環境。
這些改動不是只針對 Holo4。Holotron4 Nano 的推出就是為了證明同一套後訓練流程可以轉移到不同基礎模型。Hcompany 是 NVIDIA Nemotron Coalition 成員，把這套流程套在 Nemotron 3 Nano Omni 上，得到在 GUI、MCP、API 與程式碼沙箱環境都顯著進步的 Holotron4 Nano。這表示該訓練配方具有可轉移性，不是只對特定模型尺寸有效。
影響與限制
Holo4 的價值在於它把「通用型電腦操作」變成開放權重模型也能負擔的任務。與頂尖封閉模型相比，Holo4 27B 在 OSWorld 2.0 落後約 20 個百分點，35B-A3B 更是只有 30.9%，顯示長流程桌面操作仍是開放模型的弱點。但考慮到參數量與推論成本，Holo4 在成本效益上具有優勢。需要注意的是，基準分數的比較存在變數：不同評測版本、任務子集與 harness 設定都會影響結果，成本估算也依賴各家 API 定價與 token 用量假設。例如 Qwen 系列的比較使用了 Alibaba Cloud 定價，OpenAI 的分數則來自官方發布的 effort sweep，這些數據不能直接視為同一條件下的對決。
Holo4 目前已在 H Models API 上提供，權重以 BF16、FP8、NVFP4 與 4-bit GGUF 格式放在 Hugging Face，並預計後續釋出 DSpark drafter checkpoint 加速推論。整體而言，Holo4 代表一個方向：單一模型跨介面處理真實工作流程，並以開放方式提供可重播的決策軌跡，讓研究者與企業能實際檢驗代理的每一步行為。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。