计算机操作智能体（computer-use agent）第一次把成本压到按次付费的量级。据 Unite.AI《H Company Releases Holo4, Open-Weight Models for Computer-Use Agents》报道，H 公司于 9 月 28 日发布 Holo4 系列，包含 27B 稠密版与 35B-A3B 混合专家版两个尺寸，其中 27B 版本在 OSWorld 基准上取得 85.2% 的成绩，单任务成本 0.08 美元；35B-A3B 版本以 Apache 2.0 许可开放权重，得分 80.8%，单任务成本 0.05 美元。
两个尺寸，两种许可
| 版本 | 参数结构 | OSWorld 得分 | 单任务成本 | 许可 |
|---|---|---|---|---|
| Holo4 27B | 稠密模型，基于 Qwen3.8 稠密架构 | 85.2% | 0.08 美元 | CC BY-NC 4.0，官方定位研究用途 |
| Holo4 35B-A3B | 混合专家，总参数 35B、激活 3B | 80.8% | 0.05 美元 | Apache 2.0，开放权重 |
两个版本都支持 262,144 tokens 的上下文，都在 H 公司的模型接口上提供，权重以 BF16、FP8、NVFP4 与 4 位 GGUF 等格式发布在 Hugging Face。按 H 公司公布的价格，35B-A3B 每百万输入 tokens 收费 0.30 美元、缓存 0.03 美元、输出 2.00 美元；27B 版本为 0.40 美元、0.04 美元与 3.00 美元。
作为对照，同一张表里 Qwen3.8 27B 的成绩是 84.3%、单任务成本 0.22 美元；Fable 5 为 86.0%，GPT-5.5 为 78.7%，Qwen3.8 Max 为 86.1%。
一个模型打通界面、代码与接口
Holo4 的卖点不在单一场景的分数，而在不挑接口。它会点击和输入屏幕、自己写并运行代码、调用 MCP 或接口工具，根据任务选择合适的方式。多数智能体模型只针对一种界面训练：面向图形界面的模型离开屏幕就失去能力，偏好工具调用的模型遇到没有接口的应用就卡住。真实业务往往要求两种方式混用，Holo4 用同一套模型覆盖桌面、网页、安卓、代码沙箱与企业接口，调用方式保持一致，不需要按平台切换模型。
长流程仍是短板，但成本差距悬殊
OSWorld 2.0 面向长时间运行的计算机工作流，测的是模型能不能连续几十步不跑偏，这一项暴露了差距。
| 模型 | OSWorld 2.0 得分 | 成功率 | 单任务成本 |
|---|---|---|---|
| Holo4 27B | 61.7% | 41.5% | 1.22 美元 |
| Holo4 35B-A3B | 30.9% | 12.3% | 0.61 美元 |
| Opus 5.5 | 81.8% | 48.7% | 8.48 美元 |
| GPT-6 Astra | 73.5% | 未公布 | 9.07 美元 |
H 公司自己的说法是，在长流程任务上 Holo4 只落后于最强的闭源模型，而参数量少几个数量级、成本低得多。这个判断有事实基础：Opus 5.5 的单任务成本是 Holo4 27B 的约 7 倍。其他基准上，Holo4 27B 在 AutomationBench 得 45.4%、成本 0.05 美元；在 ALE-CLI 的 105 项 Linux 任务上得 44.1%；在 AndroidWorld 上得 85.1%。需要说明的是，对照成绩来自各厂商模型卡与官方榜单，测试条件与投入力度并不统一。
任务工厂与两个专家
Holo4 的训练依赖一套内部流水线。据 H 公司介绍，其 Agentic Task Factory 能从文档出发自动构建交互环境与可验证任务，例如依据真实网站截图或开源软件界面生成训练任务，目前累计产出约 10,000 个任务，其中约 4000 个面向网页应用，MCP 服务器与桌面环境各约 3000 个，还包括同时暴露图形界面与 MCP 的混合环境。
训练分两步。监督微调使用 127B tokens，其中约四分之三是成功的智能体轨迹，按环境分布为桌面 45%、网页 14%、MCP 与接口 12%、移动端 3%，其余覆盖多模态推理、图形界面定位与纯文本工具调用。之后在长时程任务上做异步在线强化学习，训练出两个专用 LoRA 专家，一个负责桌面与网页，一个负责终端、MCP 与接口，最后等权重合并回微调模型，不再额外训练。H 公司还开源了公开基准成绩背后的全部轨迹，可在专用查看器中回放，也能以数据集形式下载。
对一人公司意味着什么
- 按次计价把自动化变成可核算的固定成本，0.05 至 0.08 美元一次，比招一个执行岗的门槛低得多
- 35B-A3B 版本以 Apache 2.0 开放权重，具备自建部署与二次开发空间，数据可以留在自己的服务器上
- 统一接口意味着同一套流程可以跨网页、桌面与手机应用复用，不必为每个平台重做一遍
- 长流程任务仍要靠更贵的闭源模型兜底，混合调度比单押一家更稳妥
操作智能体的价格战已经开打
把 Holo4 放进同类坐标里看，竞争焦点正从能力分数转到单位成本。以 OSWorld 为例，Holo4 27B 得分 85.2%、单任务 0.08 美元，35B-A3B 得分 80.8%、单任务 0.05 美元；同一基准上 Qwen3.8 27B 得 84.3%、单任务 0.22 美元，Fable 5 得 86.0%，Qwen3.8 Max 得 86.1%。
长流程场景的差距更明显。在面向业务自动化的 AutomationBench 上，Holo4 27B 得 45.4%、单任务 0.05 美元；在包含 105 项 Linux 任务的 ALE-CLI 上得 44.1%；在 AndroidWorld 的手机应用任务上得 85.1%。H 公司表示这些数字来自自家测试框架，是 2 到 4 次运行的平均值，对照成绩则取自各厂商模型卡与公开榜单，测试环境与投入力度并不统一，横向比较需要留有余地。
对采购方来说，选型标准随之改变：过去比谁的分数高，现在要算完成一个真实业务任务的总花费，包括失败重试、人工复核与集成成本。单任务价格只是这张账本的其中一行，长流程任务的成功率往往比单价更能决定最终支出。
从产品路线看，H 公司选择把两个尺寸同时放出，稠密版冲分数、混合专家版压成本，外加 Apache 2.0 的开放权重，等于把定价权部分交给使用者。对企业采购者来说，真正要判断的是自己业务里长流程任务的占比：占比低，便宜的混合专家版就够用；占比高，仍需为闭源强模型预留预算。
常见问题
问：Holo4 能直接替代人工做重复操作吗？
答：可以覆盖相当一部分界面操作与接口调用，但长流程任务的成功率仍有明显差距，OSWorld 2.0 上 27B 版本成功率 41.5%，重要流程需要人工复核或改用更强模型兜底。
问：开源版本能商用吗？
答：35B-A3B 版本以 Apache 2.0 开放权重，商用限制较少；27B 版本采用 CC BY-NC 4.0 许可，官方定位为研究用途，商用前需要确认授权。
问：本地部署需要什么条件？
答：H 公司提供 vLLM 与 llama.cpp 的部署方式，35B-A3B 属于混合专家结构、激活参数仅 3B，对硬件的要求低于同规模稠密模型，具体配置需按实际并发与精度要求测算。
参考来源
- Unite.AI《H Company Releases Holo4, Open-Weight Models for Computer-Use Agents》，2026-09-29
- H 公司《Holo4: powering generalist computer-use agents》，2026-09-28
- H 公司模型接口文档与 Holo4 模型卡，2026-09-28
