法国人工智能模型开发者 H 于周一发布了两款专为处理图形用户界面（GUI）设计的计算机使用模型，旨在解决 AI 代理在桌面环境导航中的局限性。长期以来，计算机交互主要分为命令行接口（CLI）、应用程序编程接口（API）和 GUI 三类。虽然 AI 代理能轻松适配前两者，但在浏览 Windows 或 Linux 桌面时，往往难以兼顾功能与形式，导致操作效率低下。
H 推出的 Holo 4 模型基于阿里巴巴的 Qwen 3.8 27B 和 Qwen 3.6 35B-A3B 架构构建，通过监督训练和强化学习进行微调。该模型具备指向、点击、滚动和打字等基础操作能力，声称在优化 CLI、API 和 GUI 场景后，其多功能性超越了纯计算机使用模型。此外，H 还更新了基于 Nvidia Nemotron 3 的 Holotron 模型，赋予其类似的能力。
在演示案例中，Holo 4 27B 展示了利用 FreeCAD 宏函数编程设计埃菲尔铁塔 3D 模型的能力，而非通过手动构建立方体等原始几何体完成；另一项演示则显示该模型能通过挤出形状重新创建公司标志，体现了其在复杂任务中的灵活性。
尽管 H 宣称 Holo 4 性能优于 OpenAI 等大型前沿模型，但其成本优势并不明显。数据显示，虽然得分更高，但在许多任务中 Holo 4 的单次执行成本反而高于竞争对手。这可能是因为 Holo 4 使用了更多的“思考”代币以接近 GPT-6 Luna 的最终结果，而后者在 OSWorld 2.0 基准测试中表现稍逊但成本更低。
得益于开放权重和较小的模型尺寸，研究人员和企业可在相对低配的硬件上运行这些模型。例如，配备 24GB 显存的 Nvidia RTX 3090 显卡即可支持以 4 位精度运行 Holo 4。H 已在 Hugging Face 平台提供 BF16、FP8、NVFP4 权重以及适用于 Llama.cpp、LM Studio 和 Ollama 的 GGUF 版本。此外，该公司计划发布 DSpark 草稿权重，利用投机解码技术——即通过小模型预测大模型输出来加速推理过程。
H 同时开发了开源的 HAI-Agents 套件，已托管于 GitHub，理论上可与第三方计算机使用工具协同工作。目前，计算机使用模型的开发已成为行业热点，AWS 在去年的 Re:Invent 会议上宣布了自己的相关模式，OpenAI、Google 和 Anthropic 三大实验室也在积极投入这一领域。
