Holo4 של H Company: מודל אחד ששולט ב-GUI, קוד ו-API בלי להחליף משקלים

המודל שמסרב לבחור צד

H Company משיקה את Holo4, סדרת מודלים אג'נטיים שמבטיחה לשים סוף לפיצול הכפוי בין ממשקים. במקום לאלץ מפתחים לבחור בין מודל שיודע להקליק על מסך לבין כזה שמדבר רק API, Holo4 עושה את שניהם, וגם כותב ומריץ קוד משלו, וגם קורא כלים דרך MCP. אותו משקל, אותה קריאה, בין אם זה רץ על דסקטופ, בווב, באנדרואיד, בסנדבוקס קוד או מול API עסקי. זה לא שינוי קוסמטי; זה שינוי ארכיטקטוני שמאפשר לזרום עם משימות אמיתיות שלא מכבדות גבולות מלאכותיים.

שני גדלים, אותה גישה

הסדרה מגיעה בשתי תצורות: Holo4-27B דחוס (dense) ו-Holo4-35B-A3B בתצורת Mixture of Experts, כלומר 35 מיליארד פרמטרים סך הכל עם 3 מיליארד פעילים בכל פורוורד-פאס. שניהם זמינים ב-H Models API, ולצידם משוחררת גם גרסה מעודכנת של המודל הקטן: Holotron4 Nano. המשקלים פתוחים (open weights) בפורמטים FP16, FP8 ו-GGUF, והחברה גם מפרסמת את כל הטרייקטוריז מאחורי הציונים בבנצ'מרקים ציבוריים, אפשר לשחזר כל צעד בצופה הייעודי או להוריד מ-Hugging Face. זה לא קוד פתוח במובן המלא (אין קוד אימון), אבל רמת השקיפות גבוהה ממה שרוב המעבדות הסגורות מוכנות לתת.

בנצ'מרקים: רודף אחרי הגדולים בפחות פרמטרים

על OSWorld 2.0, הבנצ'מרק הקשה ביותר לשליטה בדסקטופ כיום, Holo4-27B מגיע ל-61.7% הצלחה, מול 81.8% של Opus 5.5 הסגור של Anthropic. הגרסת MoE הקטנה יותר, 35B-A3B, עומדת על 30.9%. הפער קיים, אבל H Company מדגישה שהיא משיגה את התוצאות האלה עם סדרי גודל פחות פרמטרים ועלות נמוכה משמעותית לכל משימה. בגרפי עלות-ביצועים החברה מציגה את Holo4 כנקודה לא-דומיננטית מול המודלים הסגורים, כלומר, אין מודל סגור שהוא גם זול יותר וגם מדויק יותר בו-זמנית. ב-AutomationBench, שבודק שימוש ב-API, התמונה דומה: תחרותי בחזית, זול יותר פר טאסק. המספרים של המתחרים הפתוחים (Qwen 3.8 27B ו-Qwen 3.6 35B-A3B) נמדדו באותו הארנס של H Company; המספרים של המודלים הסגורים מגיעים מהלידרבורד הרשמי, אז השוואה ישירה דורשת זהירות, אבל הכיוון ברור.

אימון ב-Agentic Task Factory: סביבות אמיתיות, לא צעצועים

מה שמבדל את Holo4 מהבסיס שלו (Qwen) זה לא רק כוונון עדין על דאטה סטטי. המודלים אומנו בסופרוויז'ן ולמידת חיזוק על סט גדול של סביבות ומשימות שנוצרו ב-Agentic Task Factory של החברה, מנוע שיודע לייצר תרחישים מגוונים בתוכנות מקצועיות כמו FreeCAD, לא רק משימות צעצוע בבנצ'מרקים אקדמיים. הדוגמה שהחברה מציגה: בניית מודל תלת-ממד של מגדל אייפל ב-FreeCAD בקנה מידה 1 מ"מ למטר, ממורכז ומוצמד לצירים, עם פרופיל רוחב משתנה לאורך הגובה וארבע רגליים זהות, משימה שדורשת הבנה מרחבית, דיוק הנדסי ורצף פעולות ארוך. Holo4-27B מצליח; Qwen 3.8 27B (הבסיס) נכשל. זה האות החזק ביותר שהאימון האג'נטי עובד, לא רק ה-pre-training.

מה זה אומר בפועל למפתחים

המשמעות המעשית פשוטה: אפשר להפסיק לתחזק שרשרת של מודלים ייעודיים לכל פלטפורמה. אותו Holo4 שמקליק על כפתור באפליקציית ווב יכול באותו ראן לכתוב סקריפט פייתון, לקרוא MCP tool, ואז לפנות ל-API פנימי, בלי להחליף מודל, בלי לשנות פרומפט, בלי אורקסטרציה מסובכת. החברה פותחת את הטרייקטוריז המלאים לשחזור, מה שאומר שאפשר ללמוד מהכשלונות של המודל לא פחות מההצלחות. עבור מי שבונה אוטומציות פרודקשן-רדדי, זה חוסך שכבת תיווך שלמה. השאלה היחידה שנותרה פתוחה