H Company、GUIとAPIを単一モデルで扱うエージェントHolo4を公開

発表された内容

H Companyは、ソフトウェアを操作する汎用エージェント向けの新しいモデルシリーズ「Holo4」を公開した。サイズは27Bのdenseモデルと、35B-A3BのMixture of Experts（MoE）の2種類で、いずれも同社のH Models APIから利用できる。あわせて、既存のHolotron 3を更新したHolotron4 Nanoも公開された。モデルの重みや実行の軌跡（trajectory）もHugging Faceで公開されている。

Holo4は前世代モデルを土台に、利用可能なあらゆるインターフェースを通じてソフトウェアとやり取りする。学術ベンチマークでも一定の成績を残しているが、同社は実際の業務ワークフロー向けに設計したと説明する。学習には教師あり学習と強化学習を用い、Agentic Task Factoryが生成したものを含む多数の環境とタスクで訓練したという。

1つのモデルで複数の操作方式

Holo4は、画面上のクリックや文字入力をはじめ、コードを書いて実行する、MCPやAPIのツールを呼び出す、といった操作をタスクに応じて使い分ける。多くのエージェントモデルは単一のインターフェース専用に訓練されており、画面を持たないGUI特化モデルや、APIを持たないアプリケーションの前で立ち往生するツール呼び出し型モデルがあると同社は指摘する。実際の業務はそのように分かれていないため、1つのタスクで複数の方式を組み合わせる必要が生じる。

動作環境はデスクトップ、Web、Android、コードサンドボックス、業務APIに及ぶが、いずれも同一モデル・同一の呼び出し方で使えるとしている。記事ではQwenベースモデルからの改善を示す例として、FreeCADでの3Dモデリングや、GodotでのPac-Man風ゲームの構築が挙げられている。

ベンチマークとコスト

デスクトップ操作のベンチマークOSWorld 2.0で、Holo4 27Bは61.7%を記録した。原文ではOpus 5.5の81.8%と比較され、Holo4 35B-A3Bは30.9%とされている。同社は、長いワークフローでは最強のクローズドモデルに及ばないものの、桁違いに少ないパラメータと大幅に低いコストで動作すると説明する。

ただし、スコアの比較条件は一様ではない。原文には、リリース時期やハーネス、タスクのサブセットが異なること、Opus 5（70.2%）とGPT-5.6 Sol（66.2%）が別の評価設定の数値であることが注記されている。コストも各エージェント実行の入出力トークンから推定した値だとされている。

学習の仕組みと派生モデル

学習データの一部は、同社のAgentic Task Factoryが生成した。これは実際のサイトのスクリーンショットやオープンソースソフトウェアのドキュメントだけから、対話的な環境と検証可能なタスクを組み立てる仕組みで、これまでにWebアプリ、MCPサーバー、デスクトップ環境にまたがる約10,000のタスクを生み出したという。同じ状態をGUIとMCPの両方から見せるハイブリッド環境も含まれる。

同社はモデルの行動を実行し、数百ステップにわたって文脈を管理するハーネスも作り直した。最大の変更点は、数百ステップを追跡できる信頼性の高いメモリと、デスクトップマシン上のシェルを与えたことだと説明されている。Holotron4 Nanoは、NVIDIA Nemotron Coalitionの一員としてNemotron 3 Nano Omniに同じ学習スタックを適用したもので、レシピはモデルサイズに依存しないとしている。

現時点での注意点

公開された数値には比較条件の違いが含まれるため、他モデルとの単純な優劣として読むのは適切ではない。AutomationBenchについては社内ハーネスで測定した値で、同社はプライベートセットでのHolo4の評価が済み次第報告するとしている。API利用時の具体的な料金も原文には示されていない。

推論をさらに高速化するDSpark drafterのチェックポイントは、今後数日中に公開予定とされている。対応言語や日本語の業務システムでの実用性については、原文に記載がない。