开源电脑操作模型 Holo4：最强款不能商用
法国 H 公司发布 Holo4 系列电脑操作智能体模型，权重公开：稠密的 27B 在 OSWorld 2.0 上拿到 61.7%，离 GPT-5.6 Sol 的 66.2% 只差 4.5 个点。但开源这件事要分开看——分数高的 27B 是 CC BY-NC 4.0（不可商用），Apache 2.0 的 35B-A3B 只有 30.9%。
编辑标为重要，发布已满 30 天，从立即关注降到这一档。
本页目录11 节
记录
信号正文
#电脑操作智能体（computer-use agent）一直是前沿闭源模型的地盘。Holo4 是这条线上第一份分数离前沿不远、权重又公开的答卷——但「开源」两个字在这里要拆开读。
发布了什么
法国 H 公司（H company）9 月 28 日发布 Holo4 系列，权重 9 月 24 日起陆续上传到 Hugging Face，提供 BF16、FP8、NVFP4 和 4-bit GGUF 几种格式，也可以走 H 自己的 Models API。
- Holo4-27B：270 亿参数的稠密模型。
- Holo4-35B-A3B：混合专家（MoE）模型，总参数 350 亿、每个 token 激活约 30 亿。
- Holotron4 Nano：30B-A3B，基于 NVIDIA 的 Nemotron 3 Nano Omni 继续训练。
它们面向的不只是点屏幕：同一个模型要在图形界面、代码、MCP 服务器和 API 之间切换着完成任务。
分数：27B 接近上一代前沿
OSWorld 2.0（在真实桌面系统里完成任务的基准）上，H 公布的对比是：
- Opus 5.5：81.8%
- Opus 5：70.2%
- GPT-5.6 Sol：66.2%
- Holo4-27B：61.7%
- Holo4-35B-A3B：30.9%
一个 27B、可以自己部署的模型，离 GPT-5.6 Sol 只差 4.5 个点，离当前最强的 Opus 5.5 还差 20 个点。这些数字全部来自厂商自己的博客，没有第三方复现。
开源要拆开读：强的不能商用
Hugging Face 上的许可证标签（2026-09-30 核对）：
- Holo4-27B 全部格式：CC BY-NC 4.0——非商业许可。
- Holo4-35B-A3B 全部格式：Apache 2.0——可以商用。
- Holotron4：other——自定义许可，另需阅读。
于是这份发布里，能拿去做产品的那个模型，OSWorld 分数只有另一个的一半（30.9% 对 61.7%）。想在商业场景里用 61.7% 那档能力，要么接 H 的 API，要么另谈授权。这不是瑕疵，是商业模式——但把「开源电脑操作模型追到前沿附近」当成结论之前，先看清楚你能用哪一个。
怎么训出来的
- Agentic Task Factory 生成了约 1 万个任务，覆盖网页应用、MCP 服务器、桌面环境和混合环境。
- 监督微调用了 1270 亿 token；之后分别训了两个强化学习专家模型，再合并成一个。
- 配套的 harness 负责在数百步里可靠地记住进度，桌面环境里还能直接用 shell。
边界
作者自己写明，在最长的那类工作流上仍有差距；训练成本和单任务成本的具体数字没有公开（文中只有相对位置的图表）。Holotron4 Nano 相对 Nemotron 3 Nano Omni 的提升只给了「绝对百分点」的说法，没有列具体数。
为什么是现在
为什么重要
#电脑操作智能体第一次有了分数离前沿不远、又能自己部署的开放权重选项：27B 在 OSWorld 2.0 上离 GPT-5.6 Sol 只差 4.5 个点。它同时是一次许可证的提醒——分数高的那个不能商用，能商用的那个分数只有一半。选型时要先看清自己能用的是哪一个。
背景
技术背景
#Holo4 系列包含稠密的 Holo4-27B、MoE 的 Holo4-35B-A3B（总参数 35B、激活约 3B），以及基于 Nemotron 3 Nano Omni 的 Holotron4 Nano（30B-A3B）。模型面向图形界面、代码、MCP 与 API 多种接口，配套 harness 在数百步中跟踪进度并支持桌面 shell。训练数据来自 Agentic Task Factory 生成的约 1 万个任务，监督微调 1270 亿 token，之后两个强化学习专家模型合并为一。权重提供 BF16、FP8、NVFP4 与 4-bit GGUF；许可证分别为 CC BY-NC 4.0（27B）、Apache 2.0（35B-A3B）与自定义（Holotron4）。
关注人群
谁该关注
#下一步
学习路径
#- 先读「开源要拆开读」一节，把三个模型的许可证和分数并排写下来，再决定哪个进入候选
- 用《混合专家模型（MoE）架构》理解为什么 35B-A3B 推理便宜、却在 OSWorld 上只有 27B 的一半
- 对照 GPT-6 Astra 那条信号，把闭源 API 与自有部署在成本、数据外发和分数上的差距列成一张表
- 在自己的一小组桌面任务上复测，而不是直接采信厂商的 OSWorld 数字
关系网络
在技术网络中的位置
#当前技术与相邻技术、技能和背景知识的连接，点击节点可继续探索。
延伸思考
后续问题
#- 你的场景能接受 CC BY-NC 吗？如果不能，30.9% 的 35B-A3B 够不够用，还是只能走 API？
- 在你自己的十个桌面任务上，Holo4-27B 和你现在用的闭源模型差多少？
- 屏幕截图不出内网，这件事对你的价值有多大，值不值得付那 20 个点的分数差？
- Holotron4 的自定义许可具体限制了什么？
发布记录
收录于
#收录这条信号的技术简报，新的在前；最后一行是它那一周的周回顾。标签是它在那一期所在的栏目。
来源参考