Holo4 是 hcompany.ai 发布的新一代智能体模型系列，包含 27B 密集模型和 35B-A3B 混合专家模型两个尺寸，均已在 H Models API 上线。官方同时发布 Holotron4 Nano，这是基于 NVIDIA Nemotron 3 Nano Omni 的 Holotron 3 更新版。

核心设计是不绑定单一操作界面。Holo4 可以点击和输入屏幕内容、编写并运行代码，也能调用 MCP 或 API 工具，按任务选择合适方式。官方指出，多数智能体模型只训练了单一接口：GUI 模型离开屏幕就无法工作，偏好工具调用的模型在无 API 的应用前会卡住；真实业务任务往往需要混合这些方式。Holo4 在桌面、网页、Android、代码沙箱和业务 API 上使用同一个模型、同一种调用方式，无需按平台切换。

基准方面，Holo4 在 OSWorld 2.0 上 27B 得分 61.7%，Opus 5.5 为 81.8%；35B-A3B 为 30.9%。官方称它只在长工作流上落后于最强闭源模型，但参数规模小几个数量级、成本低得多。所有公开基准背后的操作轨迹都已开源，可回放或从 Hugging Face 下载。AutomationBench 上的对比结论类似：与前沿模型竞争，但单任务成本低得多。官方也注明了成本口径：按每次 agentic 运行的输入输出 token 估算，Holo4 按 H Models API 价格计算，不同模型的发布设置、任务子集和 harness 并不完全一致。

训练层面，内部 Agentic Task Factory 用自动化流水线仅凭文档生成交互环境和可验证任务，目前约 10,000 个任务，覆盖 web 应用、MCP 服务器和桌面环境，包括同一状态同时暴露 GUI 与 MCP 的混合环境。训练同时重建了执行 harness，负责执行模型动作并管理数百步上下文，主要改动是给 agent 可靠记忆和桌面机器上的 shell。

实际工作流示例中，Holo4 27B 与基础模型 Qwen3.8 27B 在相同 prompt 和 harness 下对比：在 FreeCAD 中按规格建埃菲尔铁塔、生成 H logo，在 Godot 中写无人值守自动运行的 Pac-Man 游戏。Pac-Man 任务里 Holo4 27B 用 68 次调用、2.4M tokens、268 行代码完成，Qwen3.8 27B 用了 197 次调用、11.4M tokens、327 行代码。

Holotron4 Nano 使用与 Holo4 相同的 post-training 配方，官方称在 GUI 工作流以及暴露 MCP、API 或编码沙箱的环境中相比基础模型有显著绝对百分点提升，说明配方可迁移且不依赖模型尺寸。两个 Holo4 尺寸和 Holotron4 Nano 的权重已发布在 Hugging Face，提供 BF16、FP8、NVFP4 和 4-bit GGUF 格式；未来几天还会发布优化的 DSpark drafter checkpoints 以加速推理。