Holo4 ერთ მოდელში GUI-ს, კოდს, MCP-სა და API-ებს აერთიანებს

ერთი მოდელი სხვადასხვა ინტერფეისისთვის

H-მა Holo4-ის აგენტური მოდელების სერია წარადგინა. მასში შედის 27 მილიარდი პარამეტრის სრულად აქტიური მოდელი და Holo4-35B-A3B, რომელიც Mixture of Experts არქიტექტურას იყენებს. კომპანიამ ასევე განაახლა მცირე მოდელი და Holotron4 Nano გამოუშვა.

Holo4 ეკრანზე დაწკაპუნებასა და ტექსტის აკრეფასთან ერთად კოდს წერს და ასრულებს, MCP-სა და API ინსტრუმენტებსაც იძახებს. იგივე მოდელი მუშაობს დესკტოპზე, ვებგვერდებზე, Android-ზე, კოდის იზოლირებულ გარემოსა და ბიზნეს API-ებთან. მიზანია, ერთი სამუშაოს ფარგლებში აგენტმა ინტერფეისებს შორის საჭიროებისამებრ გადაინაცვლოს.

შედეგები და შედარების საზღვრები

OSWorld 2.0-ის შეფასებაში Holo4 27B-მა 61,7% მიიღო, ხოლო Holo4 35B-A3B-მა 30,9%. კომპანიის ცხრილში Opus 5.5-ის შედეგი 81,8%-ია. H აცხადებს, რომ მისი მოდელები დავალებას ნაკლები ხარჯით ასრულებენ, თუმცა თავადვე აღნიშნავს, რომ გამოშვებები, ტესტირების გარემოები და დავალებების ნაკრებები ერთმანეთისგან განსხვავდება.

AutomationBench-ის მონაცემებსაც მსგავსი შეზღუდვა ახლავს: Holo4-ისა და Qwen-ის შედეგები კომპანიის შიდა გარემოში საჯარო ნაკრებზე გაიზომა, სხვა მოდელების მონაცემები კი ოფიციალური რეიტინგის კერძო ნაკრებს ეფუძნება. H-მა საჯარო შეფასებებში გამოყენებული ყველა ტრაექტორია გამოაქვეყნა, ამიტომ თითოეული ნაბიჯის ნახვა და მონაცემთა ნაკრების ჩამოტვირთვა შესაძლებელია.

წვრთნა და ხელმისაწვდომობა

მოდელები ზედამხედველობითი და განმტკიცებითი სწავლებით გაწვრთნეს. H-ის Agentic Task Factory-მ ვებაპებისთვის, MCP სერვერებისა და დესკტოპის გარემოებისთვის დაახლოებით 10 000 დავალება შექმნა. შესრულების სისტემას ხანგრძლივი პროცესებისთვის მეხსიერება და უშუალოდ დესკტოპ კომპიუტერზე მოქმედი shell-იც დაემატა.

ორივე Holo4 მოდელი H Models API-შია ხელმისაწვდომი. Hugging Face-ზე გამოქვეყნებული წონები BF16, FP8, NVFP4 და 4-bit GGUF ფორმატებს მოიცავს. კომპანიამ DSpark-ისთვის ოპტიმიზებული დამხმარე checkpoint-ების მოგვიანებით გამოშვებაც დააანონსა. წარმოდგენილი შედეგები H-ის შეფასებებს ეფუძნება და დამოუკიდებელ შემოწმებას არ წარმოადგენს.