H Company 在 2026 年 9 月 28 日宣布推出全能型计算机操作智能体 Holo4 系列，包含 27B Dense、35B-A3B MoE 两个主力尺寸，以及端侧轻量版本 Holotron4 Nano。与过去两面割裂的自动化工具不同，研发团队宣称 Holo4 打通了图形界面（GUI）、代码沙箱、MCP（Model Context Protocol）以及 REST API，旨在用单一模型调度所有企业软件。
这篇宣发看似拿出了击穿行业成本的杀手锏，但将材料放在公开事实与技术账本下审视，核心判断截然不同：这更像是一次口径存疑的超前宣发。小参数模型在宣称的跑分上逼近闭源巨头，却掩盖了基准版本更迭带来的数据错位；全接口统一的代价，则是长任务中暴增的 Token 消耗与状态回滚陷阱。
查无实据的 61.7% 与消失的模型权重
翻开官方宣发，最引人注目的莫过于基准战报：Holo4 27B 在桌面操作权威基准 OSWorld 2.0 上取得了 61.7% 的得分，直逼顶尖闭源模型 Opus 5.5 的 81.8%，而 MoE 架构的 35B-A3B 取得 30.9%。团队强调，这一代模型基于 Qwen3.8 27B 和 Qwen3.6 35B-A3B 基座，借助自研的数据工厂与强化学习训练完成，具备极高的单位成本优势。
但核查公开记录会发现明显的断层。截至 2026 年 9 月 28 日，在公开索引渠道中，尚未检索到 H Company 官方正式上架的 Holo4-27B 与 Holo4-35B-A3B 权重或独立上线公告。官方此前公开的最新版本，仍停留在 2026 年 6 月 1 日发布的 Holo3.1，当时覆盖了 0.8B、4B、9B 及 35B-A3B 尺寸，产品线中根本没有 27B。
更关键的分歧在跑分口径上。OSWorld 2.0 于 2026 年 6 月 26 日正式发布，但在其官方排行榜上，并没有检索到 Holo4 获得 61.7% 的提交记录。耐人寻味的是，61.7% 这个精确数字，在基准测试中恰好出现在另一家开源模型 UI-Venus 的跑分表里。
与此同时，上一代 Holo3.1 在官方环境下报告的 OSWorld 跑分曾高达 BF16 80.0%（FP8/NVFP4 格式为 77.8%）。从旧版测试的 80.0% 到新版 2.0 的 61.7%，表面上模型换代导致数字回落，实质是测试集难度经历了断层级跃迁。这种未列入官方主榜、且与第三方数字高度重合的跑分，无论属于内部灰度测试还是提前抢跑，都在可信度上打上了问号。
统揽一切接口的工程代价
长久以来，自动化软件操作被困在两个极端之间。一类是专注图像识别的视觉 Agent，必须依赖屏幕截屏和虚拟光标，遇到无界面的纯后台服务器就完全瘫痪；另一类是基于结构化函数调用的工具智能体，习惯了规范的 JSON 参数，一旦丢给它一个没有 API 的老旧 ERP 客户端，系统就会立刻停摆。
Holo4 试图打通这种边界。它利用自动化流水线从开源软件和网站说明文档中抽取逻辑，合成了约 10,000 个横跨桌面、Web 和 MCP 协议的交互任务。
这种全能方案听起来解决了工具割裂，但在工程落地时，跨环境执行带来了巨大的稳定性挑战。为此研发团队重构了执行底座，给模型塞进长达数百步的状态上下文，并赋予本地操作系统的 Shell 执行权限。
宣发文章还引用了 AutomationBench 来证明其跨应用接口调用的优势。需要廓清的是，该测试集并非 H Company 的官方自建项目，而是自动化集成商 Zapier 提出的行业第三方评测。全接口支持的背后，是用极其庞杂的环境信息换取兼容性，这直接导向了企业级部署中最敏感的环节：算力账单。
埃菲尔铁塔背后的百万 Token 账本
小模型通常被赋予降低部署门槛的期待。参考 H Company 官方 API 对 Holo3.1 35B-A3B 设定的价格体系，输入每 100 万 Token 标价 0.25 美元，命中缓存时为 0.025 美元，输出每 100 万 Token 为 1.80 美元，免费层速率限制为 10 RPM。与顶尖闭源模型相比，表面费率确实低廉。
但当自动化操作进入真实工业软件，账面单价并不能直接转化为低成本。
单次任务的低费率优势，极易在数百次深度调用中被几何级消耗吞噬。
在官方给出的 FreeCAD 埃菲尔铁塔 3D 建模测试中，Holo4 27B 成功建立了符合几何参数的阶梯塔身与空心四脚立柱。这一项任务，Holo4 耗费了 84 次调用，产生高达 1.3M（130 万）Token 的上下文消耗；作为对比基准的 Qwen3.8 27B 调用了 60 次，消耗 100 万 Token。而在 Godot 引擎制作无玩家吃豆人游戏的任务中，Holo4 消耗了 2.4M Token，原版基座更飙升至 11.4M Token。
| 评估维度 | 宣发主张（预期愿景） | 实测与工程现实（实际处境） |
|---|---|---|
| 测试跑分 | OSWorld 2.0 取得 61.7%，逼近顶尖模型 | 官方榜单无记录，与第三方重合，缺乏复现验证 |
| 单任务开销 | 参数量小、API 费率远低于闭源大模型 | 复杂建模单次消耗 130 万 Token，试错成本高企 |
| 可用性状态 | 涵盖多规格并已开放 API 与权重获取 | 截至发稿核心版本权重未上架，演进存在断层 |
这类桌面交互并非一次性问答。一旦模型在第 50 步由于界面延迟或视窗遮挡发生误点击，其后所有动作都会面临错误级联。为了维持纠错与状态追踪，系统只能不断把历史屏幕快照和操作流塞入输入端。即便单价便宜，一个单体任务吃掉上百万 Token 也意味着企业自动化并非零成本狂欢。
- 风险.当智能体需要数十步交互才能闭环时，单价红利会被冗余调用与容错成本快速抵消。
对于试图采购低成本方案取代手工 RPA 的企业而言，决定选型的从来不是小模型跑分有多漂亮，而是任务的一次成功率与状态回滚容错率。若 Holo4 无法在公开环境中证明其轨迹的可复现性，企业级部署就很难盲目为这份百亿参数的降本故事埋单。接下来最值得跟踪的，不仅是 trajectories.hcompany.ai 上的运行轨迹能否经受验证，更是这组 27B 与 MoE 权重能否真正以开源形态兑现到开发者的本地终端中。